GaussDB(DWS)如何实现实时,批量和交付式查询一站式开发

Posted 2021-09-05 getupos

文章目录

• 1 数据分析平台的挑战
• • 1.1 当前典型的数据架构
  • 1.2主要痛点
  • 1.3 GaussDB(DWS)整体解决方案
  • • 1.3.1 解决思路:
    • 1.3.2周边配套的云服务:
• 2GaussDB(DWS)如何支撑实时、批量和交互式查询的
• • 2.1 GaussDB(DWS)产品策略:一套架构支撑实时、批量和交互式查询
  • 2.2 GaussDB(DWS)实时处理技术:实时数据接入+实时分析
  • 2.3 GaussDB(DWS)批量处理技术:高性能+大集群
  • 2.4 GaussDB(DWS)交互式查询技术
• 3 实时、批量和交互式查询一站式分析的开发实践及案例
• • 3.1 GaussDB(DWS)一站式技术负载感知的优化执行技术，实现多种负载混合管理
  • 3.2 GaussDB(DWS)—站式技术逻辑集群，支持多业务统一管理和隔离，实现纵向扩展
  • 3.3 GaussDB(DWS)—站式技术融合分析，互联互通，支持直接读写HDFS/OBS数据
  • 3.4 场景一:分时复用资源，实现实时、交互式查询一站式
  • 3.5 场景二:多逻辑集群实现实时、批量、交互式查询的库内数据流转
  • 3.6 场景三:多集群互联互通，分别承载实时、批量、交互式查询，实现集群间数据流转
  • 3.7 典型案例(RY)︰批量与查询业务一站式
  • 3.8 典型案例(SD城商)︰一套系统分时实现批量和交互式查询
• 4一站式分析的未来规划
• • 4.1 GaussDB(DWS)云数仓，基于云存储实现冷热数据，跨集群数据共享，数据同步
  • 4.2 GaussDB(DWS)云数仓，基于云存储实现跨集群数据共享
  • 4.3 GaussDB(DWS)云数仓，基于云存储实现跨集群数据同步

1 数据分析平台的挑战

在智能数据时代多样性应用、海量数据、实时处理对数据平台提出挑战

数据应用快速发展，现阶段主要矛盾是数据的供需矛盾

数据平台建设重心转向支撑业务应用上线，现阶段的主要矛盾是

数据平台无法满足业务部门日益增长的数据消费需求的无法处理多样化数据供给之间的矛盾

1.1 当前典型的数据架构

1.2主要痛点

• 七国八制，组件多，开发方式不统一，数据格式不统一，需要反复转换;
• 组件间数据流转开发复杂，流转效率不高;跨集群，跨组件数据一致性差;
• 依赖于Oracle提供实时数据接入和交互式查询，分析的扩展性差;

1.3 GaussDB(DWS)整体解决方案

1.3.1 解决思路:

—套架构支撑实时、此量和交互式查询

与Kafka/Flink等组件联合提供批比流合—能力
与Hadoop、OBS联合提供历史数据存储、归档、数钢交换和查询能力

1.3.2周边配套的云服务:

数据接入：
Kafka:做流式弋规接入;
DRS:从业务数据库中实时同步增量数据;
CDM:从业务数据库或者文本数据同步批量数据。

数据存储：
DWS本地存储:数据有存储在DWS的数据盘;
HDFS:与大数MRS配合方案时，大数据加口工后的数据可以使用DWS外表方式读取;
OBS:大量数热导入到DWS时，可以先放到OBS上，再以DWS外表方式写入到DWS;或者是历史数据可以归档到OBS中，使用是可以以DWS外表方式读取。
数据治理：
DAYU:做数据加工、数据治理、业务调度。

数据展示：
BI工具:专业BI工具可以使用严选中的永洪、帆软。

2GaussDB(DWS)如何支撑实时、批量和交互式查询的

2.1 GaussDB(DWS)产品策略:一套架构支撑实时、批量和交互式查询

产品目标:围绕企业级内核（高性能，高扩展，高可用，融合分析，智能运维)、实时分析、云原生三大方向构筑业界第一数据仓库关键竞争力:

• 架构归一:一套架构支撑标准数仓、实时数仓、云数仓，支持一站式实时、批量和交互式查询
• 业界首创:实时数仓、2048节点大集群、逻辑集群（流程IT)
• 持续领先:大规模集群（G行，480节点上线)、性能领先，非对称容灾(RTO<30min)、在线扩容、Cloud-Native运维

2.2 GaussDB(DWS)实时处理技术:实时数据接入+实时分析

方案价值
实时数据接入:支持lot数据接入和交易数据实时接入，lot时序数据接入10w/s/节点，流数据接入60w/s/节点;
数据更新秒级同步:交易数据实时接入，支持增删改数据
实时数据和维度数据、历史数据关联分析:实时数仓可以存储维度数据、历史数据，并支持关联分析，负载隔离。
关键技术
数据复制:交易数据实时接入，支持增删改数据
流引擎:流数据接入、持续计算

时序引擎:时序数据接入、实时合并

Delta引擎:微批数据接入、实时合并

应用举例：

某国有保险实时系统:40+节点，~500TB数据，3W+表分钟级实时接入，整体替换掉100+单机SQL server库。

2.3 GaussDB(DWS)批量处理技术:高性能+大集群

应用举例：

某国有大行EDW系统:480节点，3PB+数据，3W+批处理作业

2.4 GaussDB(DWS)交互式查询技术

核心问题:如何处理高并发点查询;如何如何处理Adhoc复杂SQL;如何防止烂SQL搞跨整集群

分布式查询优化核心技术

• 分布式查询重写: 30+查询重写技术，10+项分布式查询重写，查询重写相关专利4篇
• 分布式查询优化:基于Poisson的估算模型、全局/单点cOst估算模型
• —健式SQL调优:简易SQL调优

异常资源实时监控核心技术

• 运行态实时视图:实时监控运行状态和资源消耗
• 基于规则的异常资源实时监控

应用举例

某国有大行分析师平台:480节点，3PB数据，每天支撑10w+笔查询，1w+分析师。

3 实时、批量和交互式查询一站式分析的开发实践及案例

3.1 GaussDB(DWS)一站式技术负载感知的优化执行技术，实现多种负载混合管理

多种技术提升混合负载并发能力
1．优化器动态感知系统负载，根据资源状况生
成最优执行计划。

2. CN队列控制全局并发，资源池队列控制局部
   并发，利用资源池优先级管理混合负载复杂场景。
3. 分时复用机制，限额配额分酉配机制保证资源
   的隔离的基础上实现充分利用。
4. 快慢车道实现复杂查询和简单查询的混合运
   行。
5. 资源限额保证资源绝对隔离，资源配额保证
   系统充分利用。

3.2 GaussDB(DWS)—站式技术逻辑集群，支持多业务统一管理和隔离，实现纵向扩展

在企业传统的数据分析系统中，各系统烟囱式建设、资源无
法池化共享，各个业务分散部署，缺乏统—管理。

将不同用户的数据存放在不同的物理节点组（逻辑集群)，元数据统―管理，实现数据共桌的同时实现资源的绝对隔离。

3.3 GaussDB(DWS)—站式技术融合分析，互联互通，支持直接读写HDFS/OBS数据

多种互联互通:

• 通过Extension Connector和Oracle、Hive等数据源互联互通
• 通过FDW外表机制实现和HDFS、oBS数据读写，支持HDFS外表、OBS外表、MPP外表
• HDFS外表支持ORC/txt/csv/Parquet文件格式，OBS外表支持ORC/txt/csv文件格式

应用透明，兼容标准SQL:

• 标准ANSI SQL2003
• 标准开发接口JDBC、ODBC
• 支持SQL2003标准访问HDFS、OBS

3.4 场景一:分时复用资源，实现实时、交互式查询一站式

资源池队列实现资源隔离与负载管理，解决业务核心痛点:

• 业务高峰期，批量作业一启动，实时查询大量排队等待，影响使用
• 某业务部门上线烂SQL，吃光所有系统资源，影响其他部门正常使用
• 多ISV合作，互相抢占集群资源，影响作业性能指标
• 利用资源池分时计划，合理规划不同类型作业执行时间，充分使用系统资源

3.5 场景二:多逻辑集群实现实时、批量、交互式查询的库内数据流转

系统特点

• 在一套集群内，规划不同的节点，分别承载实时数据接
  入，批量处理以及高并发查询
• T+0数据接入实时集群，提供实时分析和微批运算
• T+0数据根据时间戳，采用Insert into … Select的方式定时导入到批量集群
• 批量计算后的分析汇总数据根据时间戳，采用Insert into … Select的方式定时导入到交互式查询逻辑集群

优缺点分析

• 系统资源完全隔离，各业务可无干扰并行运行
• 数据同步可使用SQL，方便高效，不需要额外数据存储空间
• 数据同步需拷贝数据

3.6 场景三:多集群互联互通，分别承载实时、批量、交互式查询，实现集群间数据流转

系统特点

• 规划不同的物理集群，分别承载实时数据接入，批量处理以及高并发查询
• T+0数据接入实时集群，提供实时分析和微批运算
• 实时集群T+0数据根据时间戳，采用OBS外表导出的方式导出
  到OBS，批量集群采用OBS外表导入的方式导入到批量集群
• 批量计算后的分析汇总数据根据时间戳，采用OBS外表导出的方式导出到OBS，查询集群采用OBS外表导入的方式导入交互式查询逻辑集群
• 

优缺点分析

• 系统资源完全隔离，各业务可无干扰并行运行
• 数据同步可使用SQL，方便高效
• 需要设计外表，并有额外空间存储同步数据

3.7 典型案例(RY)︰批量与查询业务一站式

按照数仓设计模型，将业务数据加工链路映射至读写分离的逻辑集群

1. 业务领域需要加工，清洗，汇总的贴源数据、明细
   数据，从数据湖直接抽取入库批量逻辑集群
2. 公共维数据，从数据湖抽取到批量和查询逻辑集群
3. 在批量集群中进行指标计算、汇总计算，加工成各
   类指标维数据、集巿数据
4. 面向业务对象萃取标签（事实规则类、统计类、算
   法类）汇总数据，通过ETL导入到查询逻辑集群。
5. 分析师、业务人员从查询逻辑集群中进行联机分析

3.8 典型案例(SD城商)︰一套系统分时实现批量和交互式查询

系统特点:混合负载

批量作业和实时查询，集群规模:12节点 4*12DN,5CN 数据量12OT+

**批量系统 **完成数据归档，数据加工，五大会计报表作业，共17W/天

1. 数据归档，xx家商业银行，xxx家村镇银行的曰增量数据
   批量入库，每日23:00 – 1:00;

2. 数据加工，核心作业7W个2h内加工完成。

实时系统 手机银行终端7×24小时实时查询业务

1. 个人用户量1xxxW+,企业用户量xxW+，交易量xxxW+
   笔/天，并行日间批量作业10W+个;
2. 实时查询在批量高峰期3s内响应，跑批和实时作业互不
   影响。

4一站式分析的未来规划

4.1 GaussDB(DWS)云数仓，基于云存储实现冷热数据，跨集群数据共享，数据同步

基于本地盘进行性能加速，OBS作为冷数据区、共享交换区，备份数据区，实现一体化的数据仓库

4.2 GaussDB(DWS)云数仓，基于云存储实现跨集群数据共享

关键技术：

• 文件级多版本，实现多集群读写不冲突基于云存储实现一份
• 数据跨集群共享访问，并保证数据一致性

4.3 GaussDB(DWS)云数仓，基于云存储实现跨集群数据同步

关键技术

• 单SQL实现跨集群数据同步，透明访问
• 流水线文件读写，异步传输，性能高;