58团体是中国互联网生存服务畛域的领导者，旗下有国内最大的生存服务平台，笼罩各类业务场景，例如车业务、房产业务、本地服务、招聘业务、金融业务等等。

随着业务的高速倒退，越来越多的剖析需要涌现，例如：平安剖析、商业智能剖析、数仓报表等。这些场景的数据体量都较大，对数据分析平台提出了很高的要求。为了满足这些剖析型业务的需要，DBA团队从2021年初就开始调研各类剖析型数据库，其中包含StarRocks、TiFlash、ClickHouse等，评测他们的性能及性能。

总体评测下来，StarRocks体现全面，在单表/多表查问性能、物化视图及SQL反对等方面能力都符合团体业务需要。目前，咱们曾经落地了两套StarRocks集群，还有1-2套正在测试阶段，后续会进行进一步推广和落地更多利用。

“ 作者：刘春雷，
负责58同城 MySQL、TiDB数据库、StarRocks的运维工作，次要从事数据库自动化、平台化的建设 ”

评测信息

咱们从两个方面来评测以上这些剖析型数据库：一个是性能，一个是性能。每种数据库都有各自的特点。

性能方面

性能方面

2021年初，咱们残缺比照过3种数据库的性能，包含 TiFlash (4.0.10) 、ClickHouse (20.3.8.53)、StarRocks (1.11.0)单表及多表join的性能状况。TiDB5.0 的TiFlash曾经反对MPP，此处为4.0版本，无MPP。

测试应用业界风行的Star Schema Benchmark星型模型测试集。论断如下：

  • 单表/多表查问，StarRocks总体工夫均最短。
  • 单表查问：StarRocks最快次数最多，ClickHouse次之。
  • 多表查问：StarRocks所有执行均最快。

对于TiDB/TiFlash

  • TiDB/TiFlash总体工夫单表/多表查问均最长。
  • TiDB执行打算少数走TiKV，导致执行工夫长，且数据量越多，执行工夫越长。
  • TiDB强制走TiFlash ，单表少数提速多，多表少数变慢，但4.0.10 版本的执行打算少数不走。

对于Clickhouse

  • ClickHouse多表查问须要更改SQL，使类型统一才能够，且字段名、表名辨别大小写。
  • ClickHouse单机性能强悍，性价比较高。
  • ClickHouse大单表查问形式效率好，多表关联效率升高显著。

对于StarRocks

  • StarRocks单表和多表关联查问速度都十分快。

【单表查问后果】

【多表关联查问后果】

业务需要及利用

平安剖析相干业务

每天，外部服务器上的各类操作和运行状况，是外部平安人员比较关心的。然而服务器上每天有大量的信息，如何能疾速收集落地、对立实时剖析，是这个数据分析场景面临的挑战。具体来说，平安剖析业务须要应答以下状况：

  • 写入数据量大，每天大概几亿的数据须要落地；
  • 实时疾速的剖析反对，例如：最近15分钟，机器信息的状况是怎么的；
  • 须要定期进行数据清理；
  • 数据量一直累积，数据总量规模增长快。

综合评估后，咱们抉择了StarRocks来反对平安剖析相干业务。在应用初期，咱们应用了StarRocks的明细模型（即保留所有历史数据），20天左右，数据行数总量就800亿+了，磁盘空间占用8T左右，因为明细数据量宏大导致查问性能也受到影响。

后与外部研发人员探讨，业务剖析并不需要具体的历史明细，数据依照指定工夫粒度进行聚合汇总即可。便将数据模型改成聚合模型，设置日期、小时和15分钟三个工夫维度，指标数据依照这个级别的工夫维度进行聚合，聚合后每天新增的数据在10亿左右，数据量升高了 75%，查问性能也失去大幅晋升。且采纳kafka+routine load的形式在StarRocks中进行导入聚合，防止了引入冗余的组件，对立了技术栈。

DBA外部业务

MySQL中间件，咱们应用的ProxySQL，ProxySQL反对展现SQL状况。然而操作较为繁琐，每次须要重置，才从新开始统计。如何剖析指定工夫的SQL状况，是困扰咱们的另一问题。

每个ProxySQL有本人的全日志，咱们能够剖析全日志来获取须要的信息。第一个架构计划，咱们想到了应用ES，ProxySQL全日志–>Filebeat采集–>Kafka–>Logstash–>ES。然而理论应用中，发现尽管能够查看流水，然而剖析时就比拟麻烦，不如写SQL的不便。

起初架构又改成了 ProxySQL全日志–>Filebeat采集–>Kafka–>StarRocks，这样就能够进行疾速剖析了。

另一个问题，因为线上的ProxySQL的日志量特地大，不能所有集群都开，咱们设置了能够抉择开启，这样有须要的集群才进行剖析。升高存储的压力。

举例：剖析某30分钟某集群的SQL执行状况，依照次数排序，查问很快。

除了上述两个场景之外，StarRocks还被用在了销售应用的报表零碎等场景中，蕴含实时数据分析等业务场景，共50+张表，占用约100T存储空间，查问并发量100-500+。

零碎运维

数据接入

StarRocks反对的数据导入形式很丰盛，例如本地文件、HDFS、Kafka(反对csv、json格局)、表面、批量SQL等。数据接入时有以下须要留神的问题：

  • HDFS导入须要提供Namenode的信息，有些不不便提供就反对不了。
  • 表面模式，创立表面后，能够应用insert into select 的形式，循环导入到StarRocks的本地表，能比拟不便的从MySQL、TiDB导入数据。

  • 日常最罕用的是Kafka的Json格局的数据，须要开发提供：

    • 表字段、字段类型及模型( 明细模型, 聚合模型和更新模型 )。
    • Kafka信息：kafka_broker_list，kafka_topic，client.id等。
  • Kafka的形式，DBA创立表及导入工作就能够导入数据了；日常须要留神的是：最好写个小工具，查看下Kafka的数据信息，而后指明字段，这样来保障成功率。
  • 查看导入工作：SHOW ROUTINE LOAD\G; 关注Statistic，ErrorLogUrls。

集群架构

目前为单套集群，3个FE，3个BE ，Broker按需建设，搭建1套监控(Prometheus+Grafana)，举荐应用kafka来接入数据。

运维及自动化

因为StarRocks标准版无治理组件，须要DBA本人实现：

  • 规范制订，例如：运维规范、开发接入规范等；
  • 自动化部署；
  • 自动化扩缩容；
  • 自动化降级；
  • 拓扑展现、登录；
  • 搭建开源监控；
  • 本人实现报警，例如存活报警、性能报警；
  • 相干运维报表，例如表大小、集群磁盘应用状况、流量状况、SQL状况等。

目前咱们本人曾经实现了局部运维标准的制订，例如集群端口、目录、拓扑架构等，并开发了拓扑工具：qstarrocks，能够查看所有集群、指定集群、登录、展现监控节点信息等。

前期咱们会开发相干自动化管理工具，并整合至咱们外部的CDB平台，开发相干报表、工单等，不便开发人员应用。

【查看指定集群拓扑】：

【查看所有集群】：

服务器

以后咱们应用如下机器进行部署，前期会思考将FE节点应用虚拟机部署。

发现的问题及注意事项

  • 如果想混合部署，须要提前打算好端口，集群间须要有肯定距离；
  • StarRocks降级比拟快，如果遇到bug能够征询官网，及时降级避开；

  • 查问报错：2021-05-09 11:38:56 - WARN com.mysql.jdbc.PacketTooBigException:Packet for query is too large (1095400 > 1048576). You can change this value on the server by setting the max_allowed_packet’ variable；

    • 解决：set global max_allowed_packet=102410248;
  • 账号受权跟MySQL不同，须要留神；
  • 标准版的周边较少，心愿能不断丰富，让更多的人用起来；
  • Json格局数据导入，字段没法复用，举荐官网增加上，例如：求最大最小工夫，须要开发写入Kafka 两个工夫字段，无奈复用一个；
  • 导入数据须要肯定的调试教训，例如Kafka，能够本人写个工具，查看下Kafka外面的数据，再进行测试；

场景及定位

StarRocks是优良的剖析型数据库，能够满足多种数据分析场景的需要。但还有不少业务场景须要用其余数据库来服务，目前58DBA提供了多种数据库，不便业务方依据本身的场景进行抉择。

总结

目前，咱们曾经落地了两套StarRocks集群，还有1-2套正在测试阶段，后续会进行进一步推广和落地更多利用。最初，非常感激StarRocks鼎石科技团队业余的反对服务，心愿咱们能一起把StarRocks建设得更好。