摘要: 基于华为开源 openLooKeng 引擎的交互式剖析性能,将重磅公布便于用户构建轻量级流、批、交互式全场景数据湖。
在这个“信息爆炸”的时代,大数据曾经成为这个时代的关键词之一!随着云计算、物联网、挪动计算、智慧城市、人工智能等畛域突飞猛进的倒退,人类社会曾经步入了“信息高速路”的行驶轨道,数据量增长迅速,各类利用对大数据处理的需要也产生着变动。
与此同时,“久经沙场”的数据仓库不再一统江湖,而以实时剖析、离线剖析、交互式剖析等为代表的计算引擎势头迅猛。
华为云 3 年前公布的 Serverless 大数据分析服务 – 数据湖摸索 DLI,通过这几年的迭代降级,曾经蕴含用于实时剖析的 Flink 引擎,用于离线剖析的 Spark 引擎。往年基于华为开源 openLooKeng 引擎的交互式剖析性能,也将于 Q4 重磅公布,便于用户构建轻量级流、批、交互式全场景数据湖。
openLooKeng 应用了业界驰名的开源 SQL 引擎 Presto 来提供交互式查问剖析根底能力,并持续在交融场景查问、跨数据中心 / 云、数据源扩大、性能、可靠性、安全性等方面倒退,让数据治理、应用更简略。
要害个性
1. 毫秒级查问性能
DLI 应用的 openLooKeng 引擎在内存计算框架的根底上,还利用许多查问优化技术来满足高性能毫秒级的交互式剖析的须要。
1.1 索引
openLooKeng 提供基于 Bitmap Index、Bloom Filter 以及 Min-max Index 等索引。通过在现有数据上创立索引,并且把索引后果存储在数据源内部,在查问打算编排时便利用索引信息过滤掉不匹配的文件,缩小须要读取的数据规模,从而减速查问过程。
1.2 Cache
openLooKeng 提供丰盛多样的 Cache,包含元数据 cache、执行打算 cache、ORC 行数据 cache 等。通过这些多样的 cache,可减速用户屡次对同一 SQL 或者同一类型 SQL 的查问时延响应。
1.3 动静过滤
所谓的动静过滤是指是在运行时(run time)将 join 一侧表的过滤信息的后果利用到另一侧表的过滤器的优化办法,openLooKeng 不仅提供了多种数据源的动静过滤优化个性,还将这一优化个性利用到了 DataCenter Connector,从而减速不同场景关联查问的性能。
1.4 算子下推
openLooKeng 通过 Connector 框架连贯到 RDBMS 等数据源时,因为 RDBMS 具备较强的计算能力,个别状况下将算子下推到数据源进行计算能够获取到更好的性能。openLooKeng 目前反对多种数据源的算子下推,包含 Oracle、HANA 等,特地地,针对 DC Connector 也实现了算子下推,从而实现了更快的查问时延响应。
2. 高可用
2.1 HA AA 双活
openLooKeng 引入了高可用的 AA 个性,反对 coordinator AA 双活机制,可能放弃多个 coordinator 之间的负载平衡,同时也保障了 openLooKeng 在高并发下的可用性。
2.2 Auto-scaling
openLooKeng 的弹性伸缩个性反对将正在执行工作的服务节点安稳退服,同时也能将处于不沉闷状态的节点拉起并承受新的工作。openLooKeng 通过提供“已隔离”与“隔离中”等状态接口供内部资源管理者(如 Yarn、Kubernetes 等)调用,从而实现对 coordinator 和 worker 节点的弹性扩缩容。
3. 交融场景
实时剖析、离线剖析、交互式剖析这三种场景中在很多理论业务中都是同时存在的,DLI 引入 openLooKeng 引擎之初就思考了如何跟已有的 Spark 引擎进行元数据层面的互通,从而实现离线剖析后果,免数据搬迁间接就能够用 openLooKeng 引擎进行交互式剖析。Spark 和 openLooKeng 都反对 Hive 的建表形式,通过这种形式,实现了元数据层面的互通。
4. 对立目录,跨域跨 DC 查问
DLI 老用户应用比拟多的性能是跨多种数据源的联结查问,用于更全面地对数据进行关联剖析,开释数据价值。这次引入 openLooKeng 引擎将跨源查问的能力进一步延长,开发了跨域跨 DC 查问的 DataCenter Connector。通过这个新 Connector 能够连贯到远端另外的 openLooKeng 集群,从而提供在不同数据中心间协同计算的能力。其中的关键技术如下:
4.1 并行数据拜访
worker 能够并发拜访数据源以进步拜访效率,客户端也能够并发从服务端获取数据以放慢数据获取速度。
4.2 数据压缩
在数据传输期间进行序列化之前,先应用 GZIP 压缩算法对数据进行压缩,以缩小通过网络传输的数据量。
4.3 跨 DC 动静过滤
过滤数据以缩小从远端提取的数据量,从而确保网络稳定性并进步查问效率。
总结瞻望
这次退出交互式查问能力,补救了数据湖摸索 DLI 在毫秒级场景下的短板,构建起从实时剖析、到离线剖析再到交互式剖析整个链路残缺的技术栈。
将来,DLI 还将摸索如何依据业务场景自动识别计算引擎,用户只须要下发 SQL,无需关怀最终的计算引擎,让大数据真正变成“像应用数据库一样”,“会 SQL 就会大数据分析”。
点击关注,第一工夫理解华为云陈腐技术~