【巨杉数据库SequoiaDB】巨杉Tech |巨杉数据库的HTAP场景实践

01

背景

 

由于业务形式的发展,越来越多的需求需要对交易数据进行实时分析,例如推荐、决策、监控等,传统的处理办法是使用ETL的方式把OLTP业务产生的数据同步到OLAP的数据数据库,导致了数据需要在不同的数据库之间流转,耗费时间成本的同时需要耗费人力成本运维多套数据库产品。

近年来业界开始兴起HTAP的概念,对于数据库,HTAP代表一个数据库既能支持OLTP(在线事务处理),又能支持OLAP(在线分析处理),从而满足大部分企业级应用的需求。相比传统使用多款数据库进行不同的业务处理方式,HTAP数据库能够避免传统复杂的ETL过程,省去数据在不同数据库之间的流转时间;同时避免维护多一套用于分析的数据库,从而节省人力和时间的成本,提高数据的价值。

SequoiaDB巨杉数据库采用“计算存储分离”架构,支持MySQL、PostgreSQL与SparkSQL三种关系型数据库实例、类MongoDB的JSON文档类数据库实例、以及S3对象存储与Posix文件系统的非结构化数据实例。在事务场景可以利用SDBAPI、MySQL和PGSQL实例对数据进行操作,在分析场景借助分布式计算框架Spark的并发计算性能,提高计算效率,从而实现HTAP功能

 

02

技术特性

巨杉数据库作为一款优秀的分布式数据库有着许多技术优势:分布式多节点、支持索引、基于代价的优化器、对应用透明的数据分片、高性能与无限水平弹性扩展能力、分布式事务与 ACID 能力、标准SQL兼容、多种物理与逻辑的资源隔离能力。OLTP业务关注的是实时在线业务,要求是支持事务、低延时、高吞吐量。而OLAP业务主要是报表分析等大规模数据分析场景,所以更关注的是数据库的存储和计算能力。巨杉数据库使用计算-存储分离的架构能够同时搭配多种不同的SQL实例。例如面向联机事务的交易型的MySQL和PostgreSQL实例,面向复杂联机分析的SparkSQL实例。

因此,针对HTAP场景,我们以最简单的3副本举例,把SequoiaDB的副本设置为3,三副本的数据是保持一致的。其中,我们通过业务域的设置,以及巨杉数据库读写分离的功能,使得联机交易型业务访问其中的两个副本,分析型业务访问第三副本。这样,在三副本互相独立的的基础上,分别支撑了联机业务和分析业务的不同负载,避免了抢占资源的情况,极大降低了OLTP和OLAP业务同时运行造成的性能瓶颈。

 

03

安装部署

3.1 部署环境

服务器分布

服务器

服务名称

192.168.106.151

sdbserver1

192.168.106.152

sdbserver2

192.168.106.153

sdbserver3

 

服务器配置

虚拟机数量:3台

CPU

4CORE

内存

8GB

磁盘

100GB*3

操作系统

Centos 7.4

 

2) 软件配置

操作系统:Centos7.4

JDK版本:1.8.0_80 64位

SequoiaDB版本:3.4

MySQL版本:5.7.24

Spark版本:2.3.4

Sysbench版本:1.0.19

TPC-DS_tools版本:2.10.0

 

3.2 物理架构

本文以三台虚拟服务器进行实践,下图为部署的物理架构:

本部署架构每台服务均部署了MySQL和Spark实例。部署多个MySQL能够均衡联机事务交易请求,同时避免单点故障。Spark计算引擎在每台机器也部署了计算节点,增强其分析能力。但是需要均衡在线事务处理和在线分析处理进程之间资源。

 

SequoiaDB巨杉数据库在每个磁盘均部署了数据节点,能够充分利用磁盘的读写能力,在Spark计算引擎读写繁忙的情况下,会产生较大的网络传输从而侵占MySQL实例在线事务处理的带宽资源,所以生产环境下Spark和MySQL实例可以配置使用不同的网卡。

 

3.3 MySQL部署

 

解压mysql安装包

tar -zxvf sequoiasql-mysql-3.4-linux_x86_64-enterprise-installer.tar.gz

 

运行安装程序(安装MySQL实例需要root用户),后根据提示设置。


 

./sequoiasql-mysql-3.4-linux_x86_64-enterprise-installer.run --mode text

 

切换用户和目录


 

su - sdbadmin

 

进入MySQL安装目录


 

cd /opt/sequoiasql/mysql

 

添加实例

 

 

bin/sdb_sql_ctl addinst myinst -D database/3306/

 

查看实例状态


 

bin/sdb_sql_ctl status

 

配置 SequoiaDB 连接地址


 

bin/sdb_sql_ctl chconf myinst --sdb-conn-addr=sdbserver1:11810,sdbserver2:11810,sdbserver3:11810

 

登录MySQL Shell

​​​​​​​

 

bin/mysql -S database/3306/mysqld.sock -u root

 

设置远程连接

mysql> UPDATE mysql.user SET host='%' WHERE user='root';Query OK, 1 row affected (0.00 sec)Rows matched: 1  Changed: 1  Warnings: 0mysql> FLUSH PRIVILEGES;Query OK, 0 rows affected (0.00 sec)

 

设置MySQL的root用户密码

 


 

ALTER USER root@'%' IDENTIFIED BY 'xxxxxx';

 

重新登录MySQL Shell

 


 

bin/mysql -S database/3306/mysqld.sock -u root -p

 

设置SquoiaDB 存储引擎的用户密码

mysql> SET GLOBAL sequoiadb_user="sdbapp";Query OK, 0 rows affected (0.00 sec)mysql> SET GLOBAL sequoiadb_password="xxxxxx"; Query OK, 0 rows affected (0.00 sec)

 

创建数据库实例

mysql> CREATE DATABASE company;Query OK, 1 row affected (0.00 sec)mysql> USE company;Database changed

 

创建表

 


 

CREATE TABLE employee(id INT AUTO_INCREMENT PRIMARY KEY, name VARCHAR(128), age INT);

 

插入数据

 


 

mysql> INSERT INTO employee(name, age) VALUES("Jacky", 36);

 

查询数据

mysql> SELECT * FROM employee;+----+-------+------+| id | name  | age  |+----+-------+------+|  1 | Jacky |   36 |+----+-------+------+1 row in set (0.01 sec)

 

使用巨杉数据库shell模式查询数据

sdb> db.company.employee.find(){  "_id": {    "$oid": "5e06e9fe9e042335be553af6"  },  "name": "Jacky",  "age": 36,  "id": 1}Return 1 row(s).Takes 0.000794s.

 

三台服务器均安装MySQL实例后需要进行元数据同步配置

请参考巨杉数据库官网进行配置

 

http://doc.sequoiadb.com/cn/sequoiadb-cat_id-1572505575-edition_id-0

 

3.4 Spark部署

 

从spark官网下载使用(sdbadmin用户)

 


 

wget http://mirrors.tuna.tsinghua.edu.cn/apache/spark/spark-2.4.4/spark-2.4.4-bin-hadoop2.7.tgz

 

解压到opt目录下

 


 

tar -zxvf spark-2.4.4-bin-hadoop2.7.tgz -C /opt

 

进入配置文件conf目录

 


 

cd /opt/spark-2.4.4-bin-hadoop2.7/conf

 

设置spark-env.sh

 

SPARK_WORKER_INSTANCES=2SPARK_MASTER_IP=192.168.106.151

 

设置spark-defaults.conf

 

spark.sql.cbo.enabled  truespark.sql.cbo.joinReorder.dp.star.filter true spark.sql.cbo.joinReorder.dp.threshold  1024spark.sql.cbo.joinReorder.enabled true spark.sql.cbo.starSchemaDetection truespark.sql.crossJoin.enabled true

 

设置slaves

​​​​​​​

sdbserver1sdbserver2sdbserver3

 

创建设置元数据数据库配置文件hive-site.xml

<configuration>   <property>     <name>hive.metastore.schema.verification</name>     <value>false</value>   </property>   <property>      <name>javax.jdo.option.ConnectionURL</name>      <value>jdbc:mysql://sdbserver1:3306/metastore</value>      <description>JDBC connect string for a JDBC metastore</description>   </property>   <property>      <name>javax.jdo.option.ConnectionDriverName</name>      <value>com.mysql.jdbc.Driver</value>      <description>Driver class name for a JDBC metastore</description>   </property>   <property>      <name>javax.jdo.option.ConnectionUserName</name>      <value>root</value>   </property>   <property>      <name>javax.jdo.option.ConnectionPassword</name>      <value>xxxxxx</value>   </property>   <property>      <name>datanucleus.autoCreateSchema</name>      <value>true</value>      <description>creates necessary schema on a startup if one doesn't exist. set this to false, after creating it once</description>   </property></configuration>

 

拷贝驱动到spark的jars目录下

拷贝sequoiadb 和spark的连接驱动

 


 

cp /opt/sequoiadb/spark/spark-sequoiadb_2.11-3.4.jar /opt/spark-2.4.4-bin-hadoop2.7/jars/

 

拷贝mysql驱动(mysql驱动需要到mysql官网下载)

 


 

cp /home/sdbadmin/mysql-connector-java-5.1.47.jar /opt/spark-2.4.4-bin-hadoop2.7/jars/

 

拷贝sequoiadb的java驱动

 


 

cp /opt/sequoiadb/java/sequoiadb-driver-3.4.jar /opt/spark-2.4.4-bin-hadoop2.7/jars/

 

进入MySQL Shell,创建元数据库

 

mysql> CREATE DATABASE metastore CHARACTER SET 'latin1' COLLATE 'latin1_bin';

 

设置免密

三台机器均执行ssh-keygen生成公钥和密钥

 


 

ssh-keygen

 

在sdbserver1机器执行ssh-copy-id,把公钥拷贝到其他两台机器

ssh-copy-id  sdbadmin@sdbserver1ssh-copy-id  sdbadmin@sdbserver2ssh-copy-id  sdbadmin@sdbserver3

 

分发Spark到另外两台机器

 

scp  -r /opt/spark-2.4.4-bin-hadoop2.7  sdbadmin@sdbserver2:/opt/scp  -r /opt/spark-2.4.4-bin-hadoop2.7  sdbadmin@sdbserver3:/opt/

 

启动Spark


 

/opt/spark-2.4.4-bin-hadoop2.7/sbin/start-all.sh

 

启动thriftserver


 

/opt/spark-2.4.4-bin-hadoop2.7/sbin/start-thriftserver.sh --master spark://sdbserver1:7077 --executor-cores 2 --total-executor-cores 12 --executor-memory 2g

 

进入beeline测试sql


 

/opt/spark-2.4.4-bin-hadoop2.7/bin/beeline

 

连接thriftserver


 

beeline> !connect jdbc:hive2://localhost:10000

 

创建Spark-sql映射表

​​​​​​​

0: jdbc:hive2://localhost:10000> create database company;0: jdbc:hive2://localhost:10000>create table company.employee(id int,name string,age int) using com.sequoiadb.spark OPTIONS ( host 'sdbserver1:11810,sdbserver2:11810,sdbserver3:11810' ,collectionspace 'company', collection 'employee', username 'sdbapp',password 'xxxxxx');

 

运行分析类SQL,测试是否部署对接成功。

​​​​​​​

0: jdbc:hive2://localhost:10000> select avg(age) from company.employee;+-----------+--+| avg(age)  |+-----------+--+| 36.0      |+-----------+--+1 row selected (1.838 seconds)

 

04

性能对比

 

 

HTAP场景测试

为了测试 OLTP 和 OLAP 同时运行时对集群性能的影响,使用 MySQL 基准测试工具 Sysbench 进行测试 MySQL,使用 TPC-DS 决策支持系统测试基准测试 Spark-sql。本次 Sysbench 测试场景有:读写(oltp_read_write)、点查(oltp_point_select)、索引更新(oltp_update_index)三个场景。TPC-DS 测试场景选取99条SQL中的前30条进行测试,测试案例包含了较高的 IO 负载和 CPU 计算需求,同时具有利用巨杉数据库的特性对数据进行优化的特点。

 

测试结果如下:

 

 

通过上面图表展示的测试结果,可以看到 OLTP 与 OLAP 和 HTAP 场景下的对比,可以出 SequoiaDB 巨杉数据库在 HTAP 混合场景下依然能表现优异性能,对各自场景性能影响较小。

 

05

相关优化

 

5.1 数据存储规划

根据复制组和域的概念实现的资源隔离与分区方式结合,可以把不同的数据类型使用域的逻辑概念把复制组进行隔离,然后使用适当的分区方式把数据打散到不同的复制组。

 

基于多租户架构规划:一个数据库通常承载着多种业务系统,为了避免不同业务之间的性能影响,根据业务系统的存储量、并发大小、数据生命周期等划分不同的数据域承载相应的数据读写。

 

基于数据分区方式规划:结合当前表的数据特性选择合适的分区方式,如:

1)档案类数据类数据 ,可以使用水平分区按ID散列到不同的数据组保证数据均衡无热点。

2)流水类数据选择混合分区的方式创建多维分区表进行存放,把不同时间段的数据分布在不同的数据组。多维分区表的好处有:1、当访问某时间范围的数据能够直接定位到子分区,避免扫描全表数据从而降低IO。2、在集群扩容时,把扩展的子表创建在新的机器,无需执行rebalance的操作即可完成表存储空间的扩容。

 

5.2 SequoiaSQL-MySQL优化

1)高可用。集群的MySQL实例均可以提高读写操作,由于各实例的元数据均只存储在该实例本身,SequoiaSQL-MySQL 提供了元数据同步工具,用来保证 MySQL 服务的高可用。同步工具及部署操作可以参考官网。

 

2)提高MySQL实例最大连接数。

 

3)为每个MySQL实例配置多个协调节点,均衡协调节点压力,防止单个协调节点失效,引发MySQL实例单点故障。

 

4)其他优化项详细可参照巨杉数据库官网的配置项列表。

 

5.3 Spark计算引擎优化

1)Spark开启CBO基于代价的优化,根据数据的特点选择代价最小的物理执行计划,决定是否进行广播优化。

 

2)适当增大WORKER的数量,设置合理的WORKER核数和内存。

 

3)选择高效的序列化方式。默认为org.apache.spark.serializer.JavaSerializer,但是为了提升性能,应该选择org.apache.spark.serializer.KryoSerializer 序列化。

 

4)设置合理的shuffle分区数,使shuffle后的数据能够加入更多的的task数量,从而提高SQL执行的并行度。

 

5)设置Spark读取数的节点为从节点,避免从主节点读取大量数据造成压力。

 

06

小结

SequoiaDB巨杉数据库采用计算存储分离架构,在计算层可以创建多种实例以满足同一集群不同场景的业务需要。本文讲述了MySQL和SparkSQL实例的部署和SequoiaDB巨杉数据库进行对接操作,并利用Sysbench和TPC-DS工具分别在OLTP、OLAP和HTAP场景下进行性能测试,我们可以看到在HTAP场景下,SequoiaDB针对不同业务的性能表现没有受到影响,保证业务的正常高效。

 

 

发布了132 篇原创文章 · 获赞 27 · 访问量 40万+
展开阅读全文

没有更多推荐了,返回首页

分享到微信朋友圈

×

扫一扫,手机浏览