Databend 在数据归档分析中的优秀表现
前言
本篇文章基于 Databend 的用户测试体验整理，详情可戳原文链接查看，正文总体分为四部分：
- Databend 产品简介
- Databend 对 Ceph 的支持
- Databend 在数据归档中的优秀表现
- 产品使用总结
Databend 产品简介
atabend 是一个使用 Rust 研发、开源、完全面向云架构的新式数仓，提供极速的弹性扩展能力，致力于打造按需、按量的 Data Cloud 产品体验。具备以下特点：
- 开源 Cloud Data Warehouse 明星项目
- Vectorized Execution 和 Pull & Push-Based Processor Model
- 真正的存储、计算分离架构，高性能、低成本，按需按量使用
- 完整的数据库支持，兼容 MySQL，Clickhouse 协议，SQL Over HTTP 等
- 具备完善的事务性，支持 Time Travel，Database Clone，Data Share 等功能
- 支持基于同一份数据进行的多租户读写、共享操作
Databend 官方教程：Deploy Databend With Alibaba Cloud OSS | Databend
Databend 对 Ceph 的支持
Databend 部署
产品架构图
- 架构简述：
Query 计算节点：用于协议的解析、SQL的计算下推。
Meta 元数据节点：用于存储元数据信息，存储在本地磁盘。
- 存储节点支持：
公有云：AWS、阿里、腾讯等的 OSS 产品。
私有化支持：Minlo、Ceph 等等的 S3 协议。
- 简述部署步骤：
- 下载最新的二进制包。
- 解压压缩包，并且创建文件夹。
- 修改配置文件。
- 启动。
- 部署环境：
操作系统：Centos7Cpeh 版本：12.2.13Databend 版本：v0.7.65
总的来说，Databend 部署相当简单。
第一步：下载 Databend
[root@testsrv ~]#
wget https://github.com/datafuselabs/databend/releases/download/v0.7.65-nightly/databend-v0.7.65-nightly-x86_64-unknown-linux-musl.tar.gz
第二步：解压缩并创建目录
[root@testsrv ~]#
tar -zxvf databend-v0.7.65-nightly-x86_64-unknown-linux-musl.tar.gz
mkdir /usr/local/databend/{bin,data,etc,logs} -p
mv databend-meta /usr/local/databend/bin/
mv databend-query /usr/local/databend/bin/
第三步：修改启动配置文件
[root@testsrv ~]# meta配置文件修改
cd /usr/local/databend/etc/
cat databend-meta.toml
log_dir = "/usr/local/databend/logs/_logs1"
metric_api_address = "0.0.0.0:28100"
admin_api_address = "0.0.0.0:28101"
grpc_api_address = "0.0.0.0:9191"
[raft_config]
id = 1
raft_dir ="/usr/local/databend/data/_meta1"
raft_api_port = 28103#172.16.16.12#
raft_listen_host = "172.16.16.12"#
raft_advertise_host = "172.16.16.12"
# Start up mode: singlenode cluster
single = true
[root@testsrv ~]# query节点配置文件修改
cat databend-query-node-1.toml
[query]
max_active_sessions = 256
wait_timeout_mills = 5000
# For flight rpc. 写当前机器的 IP 和对应的端口号
flight_api_address = "本机IP:9091"
# Databend Query http address.
# For admin RESET
API.http_api_address = "0.0.0.0:8081"
# Databend Query metrics RESET API.
metric_api_address = "0.0.0.0:7071"
# Databend Query MySQL Handler.
mysql_handler_host = "0.0.0.0"
mysql_handler_port = 3307
# Databend Query ClickHouse Handler.
clickhouse_handler_host = "0.0.0.0"
clickhouse_handler_port = 9001
# Databend Query HTTP Handler.
http_handler_host = "0.0.0.0"
http_handler_port = 8000
tenant_id = "test_tenant"
cluster_id = "test_cluster"
table_engine_memory_enabled = true
table_engine_csv_enabled = true
table_engine_parquet_enabled = true
database_engine_github_enabled = true
table_cache_enabled = true
table_memory_cache_mb_size = 1024
table_disk_cache_root = "/usr/local/databend/data/_cache"
table_disk_cache_mb_size = 10240
[log]
log_level = "DEBUG"
log_dir = "/usr/local/databend/logs/_logs"
[meta]
# To enable embedded meta-store, set meta_address to ""
meta_embedded_dir = "/usr/local/databend/data/_meta_embedded_1"
meta_address = "0.0.0.0:9191"
meta_username = "root"
meta_password = "root"
meta_client_timeout_in_second = 60
# Storage config.
[storage]storage_type = "s3"
# DISK storage.
[storage.disk]
data_path = "/usr/local/databend/data/stateless_test_data"
# S3 storage. If you want you s3 ,please storage type : s3
[storage.s3]
bucket="databend"
region="region"
endpoint_url="Ceph S3的地址"
access_key_id="Ceph S3的key"
secret_access_key="Ceph S3的access"
# Azure storage
[storage.azure_storage_blob]
[root@testsrv ~]# #启动文件修改
/usr/local/databend/bin
[root@testsrv ~]#cat start.sh
ulimit -n 65535cd /usr/local/databend/nohup /usr/local/databend/bin/databend-meta --config-file=/usr/local/databend/etc/databend-meta.toml 2>&1 >meta.log &
sleep 3
nohup /usr/local/databend/bin/databend-query --config-file=/usr/local/databend/etc/databend-query-node-1.toml 2>&1 >query.log &
cd -
echo "Please usage: mysql -h127.0.0.1 -P3307 -uroot
第四步：启动 Databend
[root@testsrv ~]#
bash start.sh&
第五步：验证 Databend 并支持 Ceph
[root@testsrv ~]# mysql -h127.0.0.1 -P3307 -uroot #默认没密码主要看参数
执行SQL'root'@127.0.0.1 18:59: [(none)]>
select * from system.configs;
显示正常的ceph地址和key等信息表示正常
s3.region
s3.endpoint_url
s3.access_key_id
s3.secret_access_key
s3.bucke
Databend 在数据归档中的优秀表现
- 数据归档选型
线上的大量的历史数据，比如日志数据，交易流水，如果持续存在 MySQL 中，会占用大量的存储空间，对线上业务性能造成抖动。但是业务还有读取的需求，不能彻底删除，甚至还有一定的分析需求。
例如：业务想计算一下 2000 年某个月某个条件的总数等等，就要考虑对数据进行定期归档，现在归档数据库类型的选择也有很多，可以使用 pt-archiver 工具进行归档，或者利用 DBA 自己写的小程序进行归档。 我们对于归档数据的选择，首先要满足以下条件：
-
兼容 MySQL 协议，这样业务的改动最小。如果选择其他的协议，业务改动较大。
-
高性能的压缩比，可以节省存储成本。
-
有一定的计算分析能力。
那么在归档库的选型中就有几种可以参考：MySQL（单独归档集群）、Databend 等。
- 数据压缩对比
产生 2 亿的数据分别导入到 MySQL、Databend 看一下数据的压缩情况。
| 物理大小 | |
|---|---|
| SQL | 88 G |
| CSV | 84 G |
| Databend | 8 G |
| MySQL | 47 G |
其中 Databend 的压缩比看起来优势还是很大的。
- 数据分析类型查询测试
主要测一下 MySQL、Databend 对于一些计算类型的 SQL 查询响应时间。
环境描述：
服务器硬件配置：40 C，256 G，SSD硬盘。
MySQL：Innodb buffer pool 设置 100 G，SSD 硬盘。
Databend：默认配置，但 S3 是机械硬盘。
| select count(*) from ontime; | |
|---|---|
| 执行时间 | |
| Databend-hdd | 0.02 sec |
| Databend-ssd | 0.04sec |
| MySQL | 4 min 9.05 sec |
| select count(*),Year from ontime group by Year;（没索引） | |
|---|---|
| 执行时间 | |
| Databend | 1.89 sec |
| MySQL | 5 min 19.20 sec |
| select count(*),Year from ontime group by Year;（year索引） | |
|---|---|
| 执行时间 | |
| Databend-ssd | 0.56 sec |
| Databend-hdd | 1.89 sec |
| MySQL | 2 min 46.72 sec |
测试结论：Databend 对比 MySQL 在进行分析类型的 SQL 响应时间上还是略有优势的。\
- MySQL 协议兼容性
Databend 支持 MySQL 协议、Clickhouse 协议、HTTP 协议。使用 MySQL 程序基本上可以无缝兼容 Databend。
产品使用总结
- 归档方面：
在数据库归档上 Databend 相对 MySQL 还是很有优势的，比如数据压缩方面以及数据分析类型 SQL 查询方面。
且 Databend 可以使用机械硬盘，不需要太好的硬件就能跑出很好的效果。 如果大家有归档分析场景的场景，也推荐大家尝试一下 Databend。单纯归档的话，成本可以降很多。如果后面需要计算了 ， 还可以利用 Databend 优秀的特性：比如可以轻松的扩展。
- 部署相关：
Databend 的部署和支持 Ceph 方面相对简单，主要针对云原生，云数仓等场景，对比传统数据库更有优势。
- Databend 高可用性：
Query 节点，属于无状态节点。只需要保证 Mate 也就是元数据不丢失即可。可以通过多设置副本的方式。（个人想法，Meta 可以实时保存到存储层一份，做实时备份，只用于紧急恢复使用。）
- 存储层：
云场景会保证 OSS 层的高可用。私有云环境就需要保证 Ceph、MinIo 的高可用行。私有化的场景在完善对 k8s 的支持，完全可以做到开箱即用， 真正实现按需计费，按计算能力计费。
作者信息：田帅萌，高级 DBA
关于 Databend
Databend 是一款开源、弹性、低成本，基于对象存储也可以做实时分析的新式数仓。期待您的关注，一起探索云原生数仓解决方案，打造新一代开源 Data Cloud。
-
Databend 文档：Databend - Activate your Object Storage for real-time analytics | Databend
-
Twitter：https://twitter.com/Datafuse_Labs
-
Slack：Slack
-
Wechat：Databend
-
GitHub ：GitHub - datafuselabs/databend: A modern Elasticity and Performance cloud data warehouse, activate your object storage for real-time analytics. Cloud at https://app.databend.com/
文章首发于公众号：Databend