哪个网站可以做房产信息群发,商标注册网官网查询,自己做网站制作需要多少钱,wordpress页脚计时简介#xff1a; MaxCompute 通过流式数据高性能写入和秒级别查询能力(查询加速)#xff0c;提供EB级云原生数仓近实时分析能力#xff1b;高效的实现对变化中的数据进行快速分析及决策辅助。当前Demo基于近实时交互式BI分析/决策辅助场景#xff0c;实现指标卡近实时BI分析…简介 MaxCompute 通过流式数据高性能写入和秒级别查询能力(查询加速)提供EB级云原生数仓近实时分析能力高效的实现对变化中的数据进行快速分析及决策辅助。当前Demo基于近实时交互式BI分析/决策辅助场景实现指标卡近实时BI分析、近实时市场监测、近实时趋势分析、近实时销量拆分功能。
本文作者 隆志强 阿里云智能 高级产品专家
一、产品功能介绍
基于查询加速的数仓架构
当前比较盛行的实时数仓基本都是基于Flink来做的。今天分享的内容不是把 MaxCompute 定义为一个实时数仓我们讲的是基于当前数据的实时处理流程在MaxCompute中是怎么去做支持的怎么在 MaxCompute 中做实时数据的接入、查询、应用。开源的实时数仓是基于Flink来做的Flink本质是实时计算支持流批一体所以比较实时的场景都是基于FlinkKafka存储来做的。本次分享主要不是讲计算环节本次主要讲解基于BinLog、Flink、Spark Streaming的实时流数据是怎么写入到 MaxCompute 中的。
通过实时流通道实时写入MaxCompute写入即可见这是 MaxCompute 的产品特点。目前市场的数仓产品写入查询绝大多数都有延时存在 MaxCompute 是做到了高QPS的实时写入写入即可查。可以通过查询加速(MCQA)实时查询写入进 MaxCompute 的数据。对接到BI工具即席查询可以实时访问到实时写入的数据。
Binlog写到到MaxCompute是通过DataX支持增删改查的合并后续在产品功能迭代中MaxCompute会支持upsert支持业务数据库数据的新增、修改、删除。Flink数据计算完之后写入到 MaxCompute 时直接使用Streaming Tunnel插件写入MaxCompute中这个过程不需要做代码开发Kafka也支持了插件。
实时写入目前没有做写入数据的计算处理环节只是快速的把现在流式数据包括消息服务的数据直接通过Streaming Tunnel服务写入到MaxCompute中。当前Streaming Tunnel支持了主流消息服务如Kafka、Flink做了插件支持。以及Streaming Tunnel SDK当前只支持Java SDK。可以通过Streaming Tunnel SDK做一些应用读取之后的逻辑处理再调取Streaming Tunnel SDK写入到MaxCompute中。写入MaxCompute之后目前主要的处理环节是针对写入的数据进行直读查询也可以把写入的数据关联到MaxCompute中的离线数据做联合查询分析。在查的过程中如果是通过SDK或者JDBC接入时可以打开查询加速MCQA)功能。如果是通过web console或DataWorks是默认开启查询加速MCQA功能。当前主要是BI分析工具和第三方应用层分析工具通过SDK或JDBC链接MaxCompute时是可以打开查询加速MCQA功能这样可以做到接近秒级查询实时写入的数据。
整体来看现在的场景主要是数据的实时流式写入写入之后可以结合离线数据做联合分析查询通过查询加速MCQA功能。在数据进入MaxCompute后是没有做计算的只是做查询服务。这是目前基于MaxCompute实时数据处理场景。 流式数据写入功能介绍
当前流式数据写入功能已经在中国区商业化发布。当前此功能是免费使用。
功能特定
支持高并发、高QPSQueries-per-second场景下流式数据写入写入即可见。提供流式语义API通过流式服务的API可以方便的开发出分布式数据同步服务。支持自动创建分区解决数据同步服务并发创建分区导致的并发抢锁问题。支持增量数据异步聚合Merge提升数据存储效率。支持增量数据异步zorder by排序功能zorder by详情请参见插入或覆写数据INSERT INTO | INSERT OVERWRITE。
性能优势
更优化的数据存储结构解决高QPS写入导致的碎片文件问题。数据链路与元数据访问完全隔离解决高并发写入场景下元数据访问导致的抢锁延迟和报错问题。提供了增量数据异步处理机制可以在使用过程中无感知情况下对新写入的增量数据做进一步处理已经支持的功能包括
数据聚合Merge 提升存储效率。zorder by排序提升存储、查询效率。
流式数据写入-技术架构
Stream API无状态并发数据实时可见
技术架构分为三个部分数据通道、流计算数据同步、自研应用。
当前数据通道支持的有Datahub、Kafka、TT、SLS
流计算数据同步支持的有Blink、Spark、DTS、DataX、kepler/DD
数据写入MaxCompute中在计算集群前会有Tunnel集群存在提供Stream Tnnel服务来完成从客户端到Tunnel服务端数据的写入。写入过程是一个文件最佳的过程最后会有一个文件的合并。这个过程是消耗了数据通道过程中的计算资源服务但这一消耗是免费的。 查询加速功能介绍
实现数据实时写入与基于查询加速的交互式分析
目前查询加速功能可以支持日常查询80%-90%的场景。查询加速功能的语法与MaxCompute内置语法完全一致。
MaxCompute查询加速 – 针对实时性要求高的查询作业全链路加快 MaxCompute 查询执行速度
使用MaxComputeSQL语法和引擎针对近实时场景进行优化系统自动进行查询优化选择同时支持用户选择延时优先还是吞吐优先的执行方式针对近实时场景使用不同的资源调度策略latencybased针对低延时要求的场景进行全链路优化独立执行资源池多层次的数据和metaCaching交互协议优化
收益
简化架构查询加速与海量分析自适应的一体化方案对比普通离线模式快几倍甚至数十倍结合MaxCompute流式上传能力支持近实时分析支持多种接入方式易集成支持自动识别离线任务中的短查询后付费模式是默认开启。预付费当前支持为使用包年包月资源的实例下SQL扫描量在10 GB以内的查询作业提供免费查询加速服务。低成本免运维高弹性
查询加速-技术架构
自适应执行引擎、多层次缓存机制
当SQL提交到MaxCompute计算引擎时会分为两个模式离线作业(吞吐量优化和短查询(延迟优化。两个模式从技术底层来说查询加速作业做了执行计划的缩减和优化计算资源是预拉起资源是向量化执行会基于内存/网络shuffle以及多层次的缓存机制。相比于离线作业的代码生产到磁盘shuffle再进行资源排队申请。查询加速会进行识别作业如果符合条件则直接进入预拉起资源。在数据缓存部分基于Pangu分布式文件系统对表跟字段会有一个缓存机制。 查询加速-性能比对
TPCDS测试集与某业界领先竞品的性能比较
100GB超越30%以上1TB规模性能不相上下二、应用场景
流式数据写入-应用场景 查询加速-应用场景
固定报表快速查询
数据ETL处理为面向消费的聚合数据满足固定报表/在线数据服务需求秒级查询弹性并发/数据缓存/易集成
通过数据应用工具或者是BI分析工具通过JDBC/SDK接入到MaxCompute可以直读到MaxCompute内的表数据。 Ad-hoc数据探索分析
自动识别作业特征根据数据规模、计算复杂度选择不同的执行模式简单查询跑的快、复杂查询算得动配合存储层建模优化如分区、HashClustering等进一步优化查询性能近实时运营分析
支持批量和流式数据接入历史数据和近实时数据融合分析产品级别集成消息服务
Datahub-日志/消息DTS-数据库日志SLS-行为日志Kafka-物联网/日志接入三、工具及接入
流式数据写入-接入
消息服务
消息队列Kafka插件支持Logstash的输出插件插件支持Flink版内置插件DataHub实时数据通道(内部插件
SDK类新接口-Java
简单上传示例多线程上传示例异步化IO多线程上传示例
参考上述示例可以自己封装相应的业务逻辑。
查询加速-接入
工具类
DataWorks默认开启ODPS CMD需要配置MaxCompute Studio需要配置
SDK类接口
ODPS JavaSDKODPS PythonSDKJDBC
老接口兼容
自动识别模式四、Demo总结
基于MaxCompute的实时数据处理实践
实现对变化中的数据进行快速高性能分析及决策辅助10亿条数据查询秒级获取。
本次Demo实践是通过MaxComputeQuickBI实现。QuickBI现在已支持直连的MaxCompute查询加速模式QuickBI本身已有加速引擎如DLA、CK等。当前最优的模式直连MaxCompute走查询加速模式是最快的。 实践总结
优点
Streaming Tunnel: 实时写入可见,解决了高QPS写入导致的碎片文件问题查询加速低延迟-多级缓存快速资源调度、易用-一套SQL语法、弹性-存储计算分离
提升
目前下游应用消费/汇总时每次只能全量查询无法做进一步实时流计算处理实时入库不支持修改、删除后续MC提供流式SQL引擎运行实时流作业做到流批一体
原文链接 本文为阿里云原创内容未经允许不得转载。
