导读：数据虚拟化思想一直以来都是敏捷大数据团队十分关注的一个点，Moonbox则以此为基础而设计，致力于提供批量计算服务解决方案。今天，Moonbox惊喜发布0.3beta版（回顾v0.2请戳这里：#Moonbox# 计算服务平台简介：http://college.creditease.cn/detail/154），阅读全文，了解Moonbox，跟小编一起看0.3版本的神奇之处在哪里吧~

  • Project：https://github.com/edp963/moonbox

  • Release：https://github.com/edp963/moonbox/releases/tag/0.3.0-beta

  • Documentation：https://edp963.github.io/moonbox/

一、Moonbox定位

在了解Moonbox新版本之前，我们先来回忆一下Moonbox的定位。

Moonbox是一个DVtaaS（Data Virtualization as a Service）平台解决方案。它基于数据虚拟化设计思想，致力于提供批量计算服务解决方案。Moonbox负责屏蔽底层数据源的物理和使用细节，为用户带来虚拟数据库般使用体验，用户只需通过统一SQL语言，即可透明实现跨异构数据系统混算和写出。此外Moonbox还提供数据服务、数据管理、数据工具、数据开发等基础支持，可支撑更加敏捷和灵活的数据应用架构和逻辑数仓实践。

二、Moonbox功能

数据虚拟化思想是Moonbox很重要的一个设计原则，在此基础上，Moonbox实现了多种功能。下面我们具体看一下Moonbox都有哪些功能：

多租户

Moonbox建立了一套完整的用户体系，引入了Organization的概念，用于划分用户空间。系统管理员ROOT账号可以创建多个Organization，并在Organization中指定该Organization的管理者（SA）。SA可以是一个或者多个，SA负责创建管理普通用户。

Moonbox将普通用户的能力抽象出六大属性，分别是是否可以执行Account管理语句，是否可以执行DDL语句，是否可以执行DCL语句, 是否拥有可以授权其他用户执行Account类语句的能力，是否拥有可以授权其他用户执行DDL语句的能力，是否拥有可以授权其他用户执行DCL语句的能力。通过属性的自由组合，可以构建出满足多种角色，多种需求的用户体系模型，并借此实现多租户。

扩展SQL

Moonbox将查询语言统一为Spark SQL，底层使用Spark进行计算，同时扩展了一套DDL、DCL语句。包括对用户的创建删除和授权，数据表或者数据列的访问授权，挂载卸载物理数据源或者数据表，创建删除逻辑数据库，创建删除UDF/UDAF，创建删除定时任务等。

优化策略

Moonbox基于Spark进行混算，Spark SQL是支持多数据源的，但是Spark SQL在从数据源中进行数据拉取的时候只进行了project和filter算子的下推，并没有考虑数据源的算力特性。

比如Elasticsearch对于聚合操作是很友好的，如果聚合操作能下推到Elasticsearch中进行计算会比将数据全部拉回Spark计算快的多。

再比如limit算子如果下推到数据源计算，能大大减少返回的数据量，节省拉取数据和计算的时间。

Moonbox对Spark Optimizer优化后的LogicalPlan作进一步的优化，根据规则拆分出可以进行下推的子树，将子树mapping成数据源查询语言，将下推结果拉回Spark参与进一步的计算。

另外，如果LogicalPlan可以整体下推计算，那么Moonbox将不采用Spark进行计算，而是直接使用数据源客户端运行LogicalPlan mapping出来的查询语句，以减少启动分布式作业的开销，并节省分布式计算资源。

列权限控制

Moonbox定义了DCL语句来实现数据列级别权限控制。Moonbox管理员通过DCL语句将数据表或者数据列授权给用户，Moonbox会将用户和表以及列的权限关系保存到catalog中。当用户在使用SQL查询时会被拦截，分析出SQL被解析后的LogicalPlan中是否引用了未被授权的表或者列，如果有就报错返回给用户。

多种形式的UDF/UDAF

Moonbox除了支持以jar包的形式创建UDF/UDAF外，还支持以源代码的形式创建，包括Java语言和Scala语言，这给UDF开发验证带来了便捷性。

定时任务

Moonbox提供了定时任务的功能，用户使用DDL语句定义定时任务，以crontab表达式的形式定义调度策略，后台内嵌quartz进行任务定时调度。

多种客户端

Moonbox支持以命令行工具, JDBC, Rest, ODBC等方式进行访问。

多种数据源支持

Moonbox支持多种数据源，包括MySQL, Oracle, SQLServer, Clickhouse, Elasticsearch, MongoDB, Cassandra, HDFS, Hive, Kudu等，且支持自定义扩展。

两种任务模式

Moonbox支持Batch和Interactive两种任务模式。Batch模式支持Spark Yarn Cluster Mode，Interactive模式支持Spark Local和Spark Yarn Client Mode。

集群工作模式

Moonbox以master-slave群集方式工作，支持master主备切换。

三、Moonbox_v0.3 VS v0.2

Moonbox_v0.3在v0.2的基础上做出了几点重要改变，具体包括：

去掉redis依赖

v0.2是将查询结果写入Redis然后客户端从Redis中获取结果；v0.3直接将结果返回给客户端。

改变数据传输方式

v0.2客户端以rest方式获取结果数据；v0.3使用netty加protobuf的方式获取结果数据。

Moonbox Master选主策略重构

将Moonbox Master选主由akka singleton改为使用zk进行选主和信息持久化。

Moonbox Worker与Spark解耦

在v0.2中，直接在Worker中运行Spark APP Driver；v0.3改为在新的进程中运行Spark APP Driver，这样Worker就与Spark进行了解耦，一个Worker节点可以运行多个Spark APP Driver，且可以运行其他APP。

四、Moonbox典型场景案例

最后，为了让大家更加了解Moonbox，我们来介绍几个典型的Moonbox应用场景案例。

基于DBus、Wormhole、Kudu、Moonbox构建实时ETL

DBus将数据库变更实时写入Kafka，Wormhole消费Kafka进行流式处理，流上lookup其他表形成大宽表，或者执行部分处理逻辑写入Kudu。使用Moonbox对Kudu进行查询将结果保存或者展示。

批量作业

使用Moonbox提供的批量作业脚本，异步rest接口或者定时任务，可以运行批量作业。

基于Davinci、Moonbox即席查询可视化

将Moonbox的JDBC驱动放入Davinci lib中，即可像使用其他数据库一样对Moonbox进行查询，并将结果进行图形化展示。

SAS查询

SAS用户可以使用ODBC的方式连接到Moonbox进行数据查询，并且可以将计算直接推到Moonbox中进行分布式计算。

便捷数据操作工具箱

因为Moonbox可以对接多种数据源，而且可以利用Spark进行多种数据源之间的混合计算，所以可以利用Moonbox进行各种便捷操作。例如利用一条SQL就可以搞定将一种数据源中某张表的数据导入另外一种数据源中，对比两张表有哪些数据不同等等。

更多使用场景，大家可以自行体验挖掘哦！

随着数据虚拟化越来越受到大家的重视，一个靠谱的工具成了大家探索数据虚拟化世界的共同需求。Moonbox就是这样一个工具，还等什么，赶紧用起来吧~

项目开源地址：

DBus：https://github.com/BriData/DBus

Wormhole：https://github.com/edp963/wormhole

Moonbox：https://github.com/edp963/moonbox

Davinci：https://github.com/edp963/davinci

作者：王浩

来源：敏捷大数据

宜信技术学院