2019年阿里巴巴新一代交互式分析引擎.pdf

《2019年阿里巴巴新一代交互式分析引擎.pdf》由會員分享，可在線閱讀，更多相關《2019年阿里巴巴新一代交互式分析引擎.pdf（29頁珍藏版）》請在三個皮匠報告上搜索。

1、新一代交互式分析引擎hologres阿里云智能-計算平臺事業部-交互式分析目錄一.背景介紹二.基礎架構三.技術亮點四.典型場景介紹五.未來規劃背景介紹背景:典型場景分析（業務需求，數據/計算量與資源消耗的分布）Lambda架構的問題：1.使用多種引擎和系統去組合，開發和維護成本高，學習生成高2.數據在不同的View中存儲多份，空間浪費，數據一致性的問題如何解決3.從使用上來說，Batch,Streaming及Query均使用不同的language，使用起來并不容易背景：典型開源架構 技術源于流計算+數據庫技術，落地于搜索與廣告業務 開源的解決方案無法滿足阿里巴巴復雜的業務場景 實時數據中臺建設

2、的需求：一個入口，一份數據，一種查詢語言 成本，易用性，實時數據中臺架構的統一性 Alibaba Blink(Flink內部版，已開源)創始人量仔老師牽頭打造新一代交互式分析引擎背景：技術和業務背景Hologres架構介紹 新一代海量數據交互式分析引擎 一套引擎支持Point Query(hbase場景)，Ad-hoc Query(Druid場景)，OLAP Query(Impala場景)快 存儲計算分離 支持實時數據與批量數據導入 支持External Storage，與阿里云大數據產品無縫對接Hologres介紹Hologres架構Pangu/FuxiHolo QEHolo SEHolo

3、FEJDBC ServerUser AuthSQL ParserDataWorksBI toolsJDBC DriverOptimizerCoordinatorQuery RewriteQE RuntimeOperatorsIndexBuffer/CacheFileFormat/IndexHolo SMCatalogServiceClusterManagerMetrics SystemWatchDogTraceSystemHologres 存儲計算分離的架構 內置存儲引擎(行存，列存)行存：整行數據連續存放，更新高效，對point query和批量scan更友好(Hbase場景)列存：相關列的

4、數據連續存放，按列做聚合更高效，壓縮更高效，適合分析型場景 External TableStorage Engine(SE)自研QE(性能卓越)異步執行引擎 向量化計算 支持Filter/Agg計算的pushdown PostgreSQL QE(兼容生態)兼容PostgreSQL生態 與生態合作開發Query Engine(QE)PostgreSQL協議及SQL語法的兼容 更加智能的優化器，提供Query Federation的能力 調度，流控，反壓Frontend(FE)Hologres技術亮點 Why？大數據業務Hbase中數據存一份，Druid里存一份，XXX里存一份 浪費！數據一致性怎

5、么保證？學習成本高，成天學習新系統的使用 功能 內置支持兩種存儲格式，創建表的時候選其一或者都選，數據一致有保證 QE提供兩個版本，自研和開源 能夠替換現有業務的Hbase，Druid和impala，且性能更好 阿里巴巴業務已得到驗證 團隊十多名Flink commiter，兩名Hbase PMC，多名Hbase/Druid/Kylin等開源系統commiterhologres技術亮點-統一引擎架構 Why？用戶只關心自己有多少計算資源，根本不關心自已的機器是什么 已經申請的計算資源可否利用，如ODPS/Blink 新的NVME SSD盤可以達到150000IOPS，磁盤IO不再是性能瓶頸，問

6、題轉變為如何把CPU高效利用起來 存儲計算分離是未來大勢所趨，存儲和計算非對齊采購，成本更低，部署運維更方便 功能 存儲使用Pangu 2.0，由存儲團隊維護，QE和SE可運行在K8S及飛天集群中 全異步的存儲和計算引擎，吃盡所有CPU計算能力 靈活擴容，缺存儲擴存儲，缺計算擴計算hologres技術亮點-存儲計算分離 Why？用戶寫好Query如何去調優？一套引擎中支持多套QE，查詢計劃如何去生成？多種文件格式，不同版本的operator多種實現方案，如何去選擇？如何更高效的去生成上述查詢計劃？功能 支持多引擎的查詢優化器，能夠很容易與各種QE結合 基于代價的優化器模型，支持各種index，

7、predicted pushdownhologres技術亮點-更加聰明的Optimizer Why？近幾年硬件性能提升的很快，N年前的技術方案不一定能夠很好的利用現在的硬件性能發揮到極致 技術追求，沒有最好，只有更好 功能 全異步框架(Thread-per-core架構)，把CPU利用到極致 vectorization(細節很多坑)，集團內大規模使用向量化計算技術加速計算(1個量級)各種Index的實現 精細化的Cachehologres技術亮點-新技術傳統存儲系統/數據庫系統資源瓶頸？最新硬件發展性能指標？Open大量線程(大于core數的2倍)會帶來什么副作用?技術亮點舉例-為什么要用全異

8、步架構?傳染性，系統整體執行流程需要全部異?；幊谈訕O致的利用cpu？cpu調度,thread-per-core代碼中不能有blocker，tracing，debugging技術亮點舉例-全異步架構實現有何難點Flynn分類法:SISD,SIMD,MISD,MIMD技術亮點舉例-向量化計算Flynn分類法:SISD,SIMD,MISD,MIMDSIMD：intel MMX-SSE-AVX并非新技術，但對于大數據處理卻非常有用如何更多的實現向量化版本的function？重劍無鋒，大巧不工。細節技術亮點舉例-向量化計算operater實現可能同時存在行存版本，列存版本，向量化版本query如何高

9、效的執行，如何去選擇不同的operater實現如何去支持各種 index如何去支持多種QE重劍無鋒，大巧不工技術亮點舉例-優化器典型業務場景介紹 用戶需求 大數據復雜準實時分析 T+1（億級別）對latency敏感 但可以接受資源消耗的成本 查詢復雜，需要支持完善的SQL語義(join/distinct/topk/window)以及方便的接入協議（jdbc）優勢 完備的SQL支持 支持實時和批量導入，性能遠超同類產品 便捷性+性能 與MaxCompute共享資源(計算/存儲)，錯峰調度服務場景-海量數據復雜查詢 用戶需求 海量數據 PB級別存儲+Billion級記錄 高頻寫入，高頻查詢，計算簡

10、單 典型客戶，搜索廣告，集團安全部，支付寶風控（平臺型用戶）現有方案（Hbase)導入任務難以維護+浪費存儲+導入性能極低（5-8個小時）無SQL接口 海量存儲成本極高 優勢 統一存儲，無需導入操作 提供SQL接口，方便開發集成服務場景 海量數據點查詢(Hbase)用戶需求 需要完備SQL，并支持JDBC以及開源BI工具，方便開發 報表展現，Latency敏感，數據量可以控制到非常小，如百萬級別 當前解決方案 MaxCompute做好處理，產出報表需要的結果表 將結果表通過datax/dts導入到rds，后續通過rds查詢 問題 維護多套服務的同步任務太復雜，且數據時效性一致性不好保證，浪費存

11、儲 阿里云 odps.pop 日均查詢 2w+阿里體育 直接通過PHP接入 對對業務侵入小 云賬號打通 數據安全服務場景-小表直讀(RDS)未來規劃一.Hologres是alibaba Blink創始人蔣曉偉(量仔)老師牽頭研發的交互式分析產品，團隊集結了眾多在分布式存儲計算深耕多年資深工程師。目標是打造一款高性能低成本的交互式分析產品。二.Hologres從誕生到現在，已經在集團內服務近4年，積累了非富的生產經驗。在2019年6月將正式登陸阿里云，為云上客戶提供一站式的實時數倉解決方案三.在此次Qcon會上首次對外公開Hologres，后續將有其它方式，陸續揭露更多的技術細節四.https:/