共计 1669 个字符，预计需要花费 5 分钟才能阅读完成。
自开源以来，openLooKeng 社区失去越来越多敌人的反对。小伙伴们对 openLooKeng 的性能给予了必定和赞叹，同时也给出了许多有价值的倡议。暖春 3 月，openLooKeng 迎来了新版本 V1.2.0。基于小伙伴们的体验和倡议，新版本新增一些技术，以进步引擎性能，争取为大家带来更丝滑晦涩的体验。
于引擎内核来说，次要加强两个维度：交融剖析场景和性能。
- 查问容错加强，进步引擎执行的可靠性
在批查询处理运行的过程中，当某个工作节点呈现故障时，可在其余节点上复原工作，比方对 Hive 数据源的 insert 和 create table as select 操作。针对长时间运行的批查询处理工作，相比上一个版本，稳定性和可靠性有了极大的晋升。 - 查问性能的优化：基于 StarTree 的查问预聚合能力加强
StarTree 旨在优化低提早、聚合查问语句。咱们通过 StarTree 查问预聚合能力，为用户构建所须要的不同维度和不同聚合操作的 cube。在当前的查问过程中，如果遇到任何可匹配的聚合子查问，引擎将间接从 cube 中读取数据，防止在原始表上执行查问，从而进步查问性能。 - 引入 CTE（公共表表达式）优化技术，缩小内存应用
在执行打算优化过程中引入 CTE（公共表表达式）技术。当一个简单查问中，存在某个子查问（例如 with 语句）被屡次应用，优化器会为反复的子查问主动生成一个 CTE 节点，该 CTE 节点的输入会被执行打算流程中的多个父节点生产。也就是说，反复的子查问只会执行一次，化繁为简，同时也缩小内存占用，引擎取得更好的性能。 - 通用算子下推框架，让 Connectors 参加到执行打算优化中
为了让算子下推过程更加简略灵便，咱们采纳新的通用算子下推框架，让每个 Connector 能够参加到执行打算优化中。引擎在进行执行打算优化时，可能自行利用 Connector 的优化规定，使得算子下推过程变得更加高效。 - 加强 HIVE ORC 的数据保护性能
该个性优化了数据写入和数据批改（更新和删除）的处理速度，并不影响『读性能』的晦涩度；反对并发拜访 Hive Metastore，进步元数据操作性能，从而进一步优化数据写入和批改的性能。
于引擎门户来说，次要集中在南向生态方面的优化。
- HBase Connector 性能优化
针对单表查问性能的晋升，咱们新增了分片算法。另外，该性能反对 HBase 拜访 Snapshot 的模式，从而晋升多并发查问性能。 - 数据源 UDF（User-Defined Function）反对下推
引擎反对内部函数（UDF）的注册，也反对将其下推到 JDBC 数据源。为了让大家领有更好的体验，用户能够在不迁徙本人数据源 UDF 的状况下，应用已有的 UDF, 进步 UDF 的复用度。
以上便是 openLooKeng 新版本 V1.2.0 在性能优化上较为亮眼的中央。当然 ，作为大数据畛域的要害我的项目，openLooKeng 非常看重引擎的易用性和安全性。 针对这两点，新版本 V1.2.0 做出如下加强：
- 易用性 | 加强 Admin Dashboard UI 用户体验
优化定时全量加载导致的 UI 页面卡顿，
加强查问历史和查问后果的分页显示，
优化新增连接器的参数配置，
UI 界面反对 Kerberos 和明码登录，反对查问历史按用户进行过滤。 - 安全性 | 基于 Ranger 的细粒度权限管控：反对行过滤和列掩码
减少行过滤和列掩码，减少认证用户模仿权限管制，提供更细化的权限管制粒度。
看了这么多，是不是很想入手一试？感兴趣的敌人能够下载体验。
下载地址: https://openlookeng.io/zh-cn/…
如果您对新版本 v1.2.0 有其余倡议，欢送发邮件至 users@openlookeng.io 告知咱们。openLooKeng 社区感激敌人们的反对，期待并欢送更多敌人们的参加。
欢送退出 openLooKeng 社区，一起做点有意思的事儿，让大数据更简略！
openLooKeng 开源社区官方网站: https://openlookeng.io/zh-cn/
openLooKeng 代码仓地址: https://gitee.com/openlookeng
正文完
