关于大数据:Databend-特性系列1｜Databend-数据生命周期

Databend 是一个应用 Rust 研发、开源、齐全面向云架构的旧式数仓，提供极速的弹性扩大能力，致力于打造按需、按量的 Data Cloud 产品体验。具备以下特点：

开源 Cloud Data Warehouse 明星我的项目
Vectorized Execution 和 Pull&Push-Based Processor Model
真正的存储、计算拆散架构，高性能、低成本，按需按量应用
残缺的数据库反对，兼容 MySQL，Clickhouse 协定
欠缺的事务性，反对 Time Travel, Database Clone，Data Share 等性能
反对基于同一份数据的多租户读写、共享操作

当初应用 Databend 的用户越来越多后，大家面临一个问题，应用 Databend 如何备份呢？是不是须要如同 MySQL 一样每天做一个物理备份或是逻辑备份呢？答案是：可能还有更好的方法。这篇文章和大家聊一下 Databend 中数据的生命周期，而后再来看 Databend 如何做备份治理。

首先咱们来看一下 Databend 的架构

Databend 的写入操作是有事务性保障，基于事务隔离 RR 实现的，底层的数据存储是基于对象存储，本质上数据的长久化平安也是依赖于底层的对象存储，所以抉择云厂商的 S3, OSS, COS 也是不错的抉择，如果是自建的 minio, ceph 肯定要做集群保障。因为是基于对象存储写入，所以工作的写入都能够了解为是一个增量操作，这也让 Databend 省掉了日志治理，更多的须要把表和对应的 snapshot 关联起来就能够让数据恢复到任意的工夫点。接下来分 4 个方面看看 Databend 如何利用对象存储实现一个毋庸备份，但数据永远不失落的计划。

在讲 Databend snapshot 之前，抛出来一个问题：

如果想拜访一个表 5 分钟前的数据怎么解决，
一个 delete from tb ; 没有 where 条件怎么复原？

如果在别的数据库这两个需要，根本都是劫难。但在 Databend 中，这些是十分轻松能够实现的。演示如下：

MySQL [default]> create table d_tb1(c1 int, c2 varchar);

Query OK, 0 rows affected (0.011 sec)

MySQL [default]> insert into d_tb1 values(1,'databend');
Query OK, 0 rows affected (0.018 sec)

MySQL [default]> insert into d_tb1 values(2,'MySQL');

Query OK, 0 rows affected (0.016 sec)

MySQL [default]> insert into d_tb1 values(3,'Hive');

Query OK, 0 rows affected (0.016 sec)

MySQL [default]> insert into d_tb1 values(4,'Hbase');

Query OK, 0 rows affected (0.016 sec)
MySQL [default]> select * from d_tb1;
+------+----------+
| c1   | c2       |
+------+----------+
|    1 | databend |
|    3 | Hive     |
|    2 | MySQL    |
|    4 | Hbase    |
+------+----------+
4 rows in set (0.018 sec)

总共写入了 4 行数据，咱们来看一下对应的 snapshot 相干的数据：

MySQL [default]> select snapshot_id,previous_snapshot_id, timestamp from fuse_snapshot('default','d_tb1');
+----------------------------------+----------------------------------+----------------------------+
| snapshot_id                      | previous_snapshot_id             | timestamp                  |
+----------------------------------+----------------------------------+----------------------------+
| b031e57aa06443cc9d3ffadb3023dec6 | 34b8df220edc4d8cb9e3e76118788686 | 2022-08-30 01:19:06.367120 |
| 34b8df220edc4d8cb9e3e76118788686 | 4bb479751b7144d8aa2b53e5b281453f | 2022-08-30 01:18:53.202724 |
| 4bb479751b7144d8aa2b53e5b281453f | a2801ed9656d42c9812f2921214f0795 | 2022-08-30 01:18:35.597615 |
| a2801ed9656d42c9812f2921214f0795 | NULL                             | 2022-08-30 01:18:21.750208 |
+----------------------------------+----------------------------------+----------------------------+
4 rows in set (0.007 sec)

咱们看到 previouse_snapshot_id 为 NULL 是第一次写入的操作。对应的数据是：insert into d_tb1 values(1,’databend’); 如果想读取这个 snapshot 的数据办法：

MySQL [default]> select * from d_tb1 at(SNAPSHOT=>'a2801ed9656d42c9812f2921214f0795');
+------+----------+
| c1   | c2       |
+------+----------+
|    1 | databend |
+------+----------+
1 row in set (0.010 sec)

看到这里是不是感觉这里充斥了魔法了。同样也能够应用工夫来拜访历史的数据：

MySQL [default]> select * from d_tb1 at(timestamp=>'2022-08-30 01:18:21.750208'::timestamp);
+------+----------+
| c1   | c2       |
+------+----------+
|    1 | databend |
+------+----------+
1 row in set (0.010 sec)

这个工夫不必准确值，只用比当行对应的 timestamp 值大，小于下面一行的 timestamp 就能够获取对应的准确数据。

再来看一下 delete 没有 where 条件的操作:

MySQL [default]> delete from d_tb1;
Query OK, 0 rows affected (0.012 sec)

MySQL [default]> select * from d_tb1;
Empty set (0.010 sec)
MySQL [default]> select snapshot_id,previous_snapshot_id, timestamp from fuse_snapshot('default','d_tb1');
+----------------------------------+----------------------------------+----------------------------+
| snapshot_id                      | previous_snapshot_id             | timestamp                  |
+----------------------------------+----------------------------------+----------------------------+
| ec52197b4c344f8d8a353eff8a812de7 | b031e57aa06443cc9d3ffadb3023dec6 | 2022-08-30 01:32:03.227960 |
| b031e57aa06443cc9d3ffadb3023dec6 | 34b8df220edc4d8cb9e3e76118788686 | 2022-08-30 01:19:06.367120 |
| 34b8df220edc4d8cb9e3e76118788686 | 4bb479751b7144d8aa2b53e5b281453f | 2022-08-30 01:18:53.202724 |
| 4bb479751b7144d8aa2b53e5b281453f | a2801ed9656d42c9812f2921214f0795 | 2022-08-30 01:18:35.597615 |
| a2801ed9656d42c9812f2921214f0795 | NULL                             | 2022-08-30 01:18:21.750208 |
+----------------------------------+----------------------------------+----------------------------+
5 rows in set (0.007 sec)

从下面的 snapshot 来看，减少一个新的 snapshot，所以咱们为了拜访 delete 的数据，就能够利用 at 语句拜访前一个 snapshot 就能够，如下：

MySQL [default]> select * from d_tb1 at(snapshot=>'ec52197b4c344f8d8a353eff8a812de7');
Empty set (0.010 sec)
MySQL [default]> select * from d_tb1 at(snapshot=>'b031e57aa06443cc9d3ffadb3023dec6');
+------+----------+
| c1   | c2       |
+------+----------+
|    3 | Hive     |
|    4 | Hbase    |
|    2 | MySQL    |
|    1 | databend |
+------+----------+
4 rows in set (0.011 sec)

复原这个表，也能够思考:

create table d_tb1_new as select * from d_tb1 at(snapshot=>'b031e57aa06443cc9d3ffadb3023dec6');

再进行 rename 操作即可。对于 at 语法参考：https://databend.rs/doc/refer… 这些个性也是依赖于 Databend 应用底层时应用的对象存储，所有的写入都是增量写入。例如：对于 Delete 也只是操作的 meta 并没有真正的删除数据。这也是 Databend 的一个个性：Time travle。

在下面的演示中，咱们看到利用 Databend 的 at 语句加上 snapshot 和 timestamp 实现对表任意工夫点和操作前的拜访。在最初复原数据时，咱们还须要借助于建一个新表，而后 Select 进去数据，而后对外拜访。那有没有更快的办法呢？Databend 永远不会让你悲观，当然更快的办法。接下来给你演示一下。首先咱们来一下 d_tb1 和 snapshot_location 对应关系：

MySQL [default]> select snapshot_id, snapshot_location from fuse_snapshot('default','d_tb1');
+----------------------------------+------------------------------------------------------+
| snapshot_id                      | snapshot_location                                    |
+----------------------------------+------------------------------------------------------+
| ec52197b4c344f8d8a353eff8a812de7 | 1/15967/_ss/ec52197b4c344f8d8a353eff8a812de7_v1.json |
| b031e57aa06443cc9d3ffadb3023dec6 | 1/15967/_ss/b031e57aa06443cc9d3ffadb3023dec6_v1.json |
| 34b8df220edc4d8cb9e3e76118788686 | 1/15967/_ss/34b8df220edc4d8cb9e3e76118788686_v1.json |
| 4bb479751b7144d8aa2b53e5b281453f | 1/15967/_ss/4bb479751b7144d8aa2b53e5b281453f_v1.json |
| a2801ed9656d42c9812f2921214f0795 | 1/15967/_ss/a2801ed9656d42c9812f2921214f0795_v1.json |
+----------------------------------+------------------------------------------------------+
5 rows in set (0.007 sec)

MySQL [default]> show create table d_tb1;
+-------+------------------------------------------------------------------------------------------------------------------------------------------+
| Table | Create Table                                                                                                                             |
+-------+------------------------------------------------------------------------------------------------------------------------------------------+
| d_tb1 | CREATE TABLE `d_tb1` (
  `c1` INT,
  `c2` VARCHAR
) ENGINE=FUSE SNAPSHOT_LOCATION='1/15967/_ss/ec52197b4c344f8d8a353eff8a812de7_v1.json' |
+-------+------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.006 sec)

从下面的信息中能够看来，每个表前面通过 SNAPSHOT_LOCATION 的对应的版本对应起来。那么如果咱们创立一个基于后面 snapshot_id 对应的 snapshot_location 对应的地位，会怎么样呢？来操作一下：

MySQL [default]> CREATE TABLE `d_tb2` (
    ->   `c1` INT,
    ->   `c2` VARCHAR
    -> ) ENGINE=FUSE SNAPSHOT_LOCATION='1/15967/_ss/b031e57aa06443cc9d3ffadb3023dec6_v1.json';
Query OK, 0 rows affected (0.013 sec)

MySQL [default]> select * from d_tb2;
+------+----------+
| c1   | c2       |
+------+----------+
|    3 | Hive     |
|    1 | databend |
|    2 | MySQL    |
|    4 | Hbase    |
+------+----------+
4 rows in set (0.010 sec)

能够看到数据又回来了。这样也能够通过 rename 的形式间接对外，提供服务。是不是感觉到更神奇。基于 Snapshot 的援用创立表，也是咱们 Databend 数据 Share 的一个外围。Snapshot 形式的数据管理，也让 Databend 人造具备了 RR 事务隔离级的读写操作。

在下面的文章中咱们演示了 snapshot 在 Databend 对于数据生命周期的访问控制。这里有一个外围就是云对象存储不能炸了。在这个前题下，如果备份 Databend 的数据能够有以下几种办法：

每天备份一下对应的表构造。
每天备份一下对应表的 fuse_snapshot 对应输入。
如果是自建的存储能够减少正本数来减少安全性。

Databend 是一款开源、弹性、低成本，基于对象存储也能够做实时剖析的旧式数仓。期待您的关注，一起摸索云原生数仓解决方案，打造新一代开源 Data Cloud。

Databend 文档：https://databend.rs/
Twitter：https://twitter.com/Datafuse_…
Slack：https://datafusecloud.slack.com/
Wechat：Databend
GitHub：https://github.com/datafusela…

文章首发于公众号：Databend

关于大数据:Databend-特性系列1｜Databend-数据生命周期

Databend 数据生命周期外围：Snapshot

基于 snapshot 读取数据

Snapshot 终极大招

总结

对于 Databend

Just My Socks（注册教程内含优惠码）

关于大数据:Databend-特性系列1｜Databend-数据生命周期

Databend 数据生命周期外围：Snapshot

基于 snapshot 读取数据

Snapshot 终极大招

总结

对于 Databend

Just My Socks（注册教程 内含优惠码）

Just My Socks（注册教程内含优惠码）