云上 OLAP 引擎查询性能评估框架：设计与实现

作者：南京大学顾荣、吴侗雨

背景

公有云是一种为用户提供经济方便的计算资源的平台。随着云计算技术的快速发展，以及大数据查询需求的日益增加，很多公有云的云计算应用市场中，出现了越来越多云上 OLAP 引擎服务。为了能够根据自己的业务需求选择合适的 OLAP 引擎，并通过合适的配置使引擎在最佳状态运行，用户需要对当前使用的查询引擎性能进行评估。

当前 OLAP 引擎性能评估框架在云上部署使用时面临三个主要挑战：

1、对云环境适应能力弱。传统性能评估框架诞生时，尚未具备云上特有的 PaaS、IaaS、SaaS 特性，也不具备对存算分离的适配支持。使用云上 OLAP 时，需要充分利用云计算特性分析 OLAP 引擎性能。
2、不具备复杂工作负载的复现能力。工作负载由数据集、查询集、查询序列组成。传统的性能评估框架通常采用固定的数据集和查询级，查询序列也主要以线性序列为主。现代 OLAP 查询场景的复杂化，对特定场景下的数据集和查询集的特征刻画、高并发复杂场景支持等，提出了更高的要求。
3、难以全面评估查询性能与上云成本。传统评估体系（如 TPC-H、TPC-DS）不体现成本因素，而在云上资源近乎无限的大环境里，不考虑成本的评估会造成很大的偏见，甚至得出错误的结论。云计算具备自定义租用服务器规模的特性，因此云上成本是可变、可设置的，其单价也随时间波动。用户既希望 OLAP 查询能以最快的速度被执行，又希望能尽可能节省成本，因此需要性能评估框架全面评估查询性能与上云成本，根据用户需求提供最具性价比的云服务器与 OLAP 引擎搭配方式。

针对上述问题，南京大学顾荣老师、吴侗雨博士等人与 Apache Kylin 社区团队联合研究，设计开发一套云上 OLAP 引擎查询性能评估框架，名为 Raven。

Raven 被设计来帮助用户回答一些OLAP引擎上云面临的实际而又重要的问题：

-对于一份真实生产数据中的真实工作负载（数据载入+查询），哪个 OLAP 引擎在云上运行的IT成本更低？
-给定一个查询速度的目标，在能达成的速度目标的前提下，哪个 OLAP 引擎在云上能给出更低的IT成本？
-再加上考虑数据载入速度的因素，情况又会如何？

本文将介绍本团队在设计与实现 Raven 时遇到的问题、对应的解决方案、以及当前的初步研究成果。

适应云架构的性能评估框架设计

OLAP 引擎查询性能评估框架适配云架构时，实际上是在适配云上的 PaaS、IaaS、SaaS 特性。具体而言，云服务器的很多功能都以服务的方式呈现给用户，用户只需要调用对应服务的接口，即可实现不同的目的，如云服务器创建、文件操作、性能指标获取、应用程序执行等。在文件操作中，由于云服务器采用计算存储分离的架构，一些数据可能需要通过服务从远程的云存储服务上拉取。

结合上述需求，Raven 的框架如图 1 所示。其执行步骤如下：

1、用户输入性能测试配置信息，触发性能测试启动模块，该模块负责根据用户配置创建启动云上 OLAP 性能测试所需的云服务器和计算环境。
2、性能测试启动模块将工作负载、数据集、性能指标、引擎参数等信息传递给配置控制与分发模块，该模块负责将上述信息分发到对应的服务接口或模块上。
3、配置控制与分发模块触发工作负载执行模块，工作负载执行模块启动配置好的 OLAP 引擎，并根据工作负载设置随时间向 OLAP 引擎发送查询请求。
4、OLAP 引擎向本地存储或云存储拉取数据集，执行查询。查询执行过程中，工作负载执行模块记录查询开始和结束的时间戳，并启动资源管理服务，监控 OLAP 引擎查询期间的性能指标。查询结束时，工作负载执行模块将时间戳和性能指标信息输出到云存储中。
5、启动性能分析评分模块，从远程云存储中拉取时间戳和性能指标信息，导入用户自定义的评分模型，得到最终的性能评估结果。

上述设计的优点在于：

1、充分利用可自定义的云服务器数量和配置，允许用户自定义其希望创建的集群环境。
2、支持向远程的云存储服务读写数据，适应云环境的存算分离架构。
3、使用云服务提供商的资源管理服务，得以获取大量系统资源使用状况的信息。
4、支持可插拔的引擎接口，用户可任意指定其所需测试的 OLAP 引擎及其配置。

实际使用时，用户的输入以一个.yaml 文件呈现，可仿照如下格式：

engine: kylin
workload: tpc-h
test_plan: one-pass
metrics: all

用户需要的云服务器数量、每台机器的配置、不同的引擎等，均可通过JSON文件配置。

基于事件和时间戳的工作负载设计

传统的 OLAP 查询引擎通常采用固定的数据集和查询集，并执行一系列的查询，查看 OLAP 引擎的查询性能。然而，当前很多行业的工作负载正更加复杂。

1、越来越多的企业意识到自身数据及业务具有鲜明特征，希望能够在给定的数据特征下获得最佳的 OLAP 查询方案。
2、除了传统的OLAP查询外，越来越多的预计算技术，如 ETL、索引、Kylin 的 Cube 等，亟待纳入到 OLAP 引擎性能的考察中。
3、数据量的快速增长使得高并发查询、QPS 可变查询的场景越来越多，传统的线性查询方法很难上述新场景进行准确评估。

Raven 使用了一种基于时间线的事件机制描述复杂的 OLAP 工作场景。该机制下，一个工作负载由多个阶段构成，一个阶段由多个事件构成。在时间线上，一个工作负载被描述为若干个阶段的顺序执行。每个阶段分为线上阶段和线下阶段两种：线上阶段执行实际的查询请求，线下阶段执行预计算等操作。事件是对工作负载中每一个原子执行单元的抽象，可以是查询请求、 shell 命令，或用 Python 等编程语言编写的脚本。

Raven 的工作负载如图 2 所示。其执行步骤如下：

1、启动第一个阶段，加载工作负载配置、引擎配置等；
2、当事件的计时器被触发时，将时间事件生成控制器，读取该事件对应的查询语句或脚本内容，进入事件执行队列，等待执行。
3、出事件执行队列后，进入事件执行控制器，开启线程执行钩子函数，与 OLAP 引擎或命令行执行交互操作，并等待响应，得到响应后将事件插入到资源收集队列中。
4、出资源收集队列后，进入事件资源收集控制器，将操作的时间戳信息输出到云存储服务上。
5、当该阶段内所有时间完成后，启动下一个阶段，然后按顺序执行每个阶段，直到整个工作负载结束。

上述设计的优点在于：

1、支持自定义数据集和查询集，允许用户充分利用其业务特点进行性能评估。
2、支持预计算，允许用户评估预计算和实际查询的整体性能。
3、带时间戳的执行方法和线程管理策略，支持高并发查询，允许模拟 QPS 随时间波动的工作负载。

举个例子，可以使用如下的 .yaml 配置文件，在 AWS 上启动一主四从的 EC2 集群，并部署 Presto 引擎，指定数据集为 SSB（SF=100）且工作负载满足泊松分布（
），工作负载持续时间为 600 秒：

Cloud:
Name: AWS
Description: Amazon Web Service.
Properties:

Region: ap-southeast-1
Ec2KeyName: key_raven
MasterInstaceCount: 1
MasterInstanceType: m5.xlarge
CoreInstanceCount: 4
CoreInstanceType: m5.4xlarge

Engine:
Name: presto
Description: Presto.
Properties:

host: localhost
port: 8080
user: hive
catalog: hive
concurrency: 1

Testplan:
Name: Timeline template.
Properties:

Type: Timeline
Path: config/testplan/template/timeline_template.yaml

Workload:
Name: SSB
Type: QPS
Parameters:

database: ssb_100
distribution: poisson
duration: 600
lam: 3.0

Raven 预置了一些常见工作负载供用户使用，如均匀分布、突发高并发分布等。

基于自定义多元函数的性能评估模型

在性能评估方面，云上机器的一个特点是大小、配置可自定义调节。因此，如果只考虑查询性能，理论上可以通过租用大量的高性能设备提升性能。但是，这样也会造成云上计算成本飙升。因此，需要一套机制实现性能和成本的平衡和综合考虑。

Raven 的性能评估方法是高度自定义的，允许用户根据可以获取的参数指标，使用函数表达式组合起来，得到一个评估分数。

Raven 中可获取的参数指标主要有以下几类：

1、查询质量指标：包括所有查询的总查询时间、平均查询时间、查询时间 95% 分位数、最大查询时间；
2、资源使用效率：内存和 CPU 的平均使用率、负载均衡、资源占用率超过 90% 的时间占总时间的比例；
3、云上金钱成本：可直接通过云服务商提供的应用服务获取，主要包含四个部分的开销：存储、计算、服务调用、网络传输。

Raven 给出的评分是相对的，只能在相同模型的评分之间进行比较。性能评估得分是云上成本和云上开销的乘积，评分越低，OLAP 引擎的性能越好。云上开销可使用线性模型，对上述参数赋予权重计算；也可使用非线性模型，将上述参数代入到一个函数表达式中。

Raven 也为用户提供了一系列模板函数：

这里我们结合回顾下前文提出用户需要关注的几个际问题，不难看出，预算优先模型主要用于评估和回答：哪个 OLAP引擎在云上运行的IT成本更低？速度优先模型、查询效率模型、查询阻塞模型主要用于评估和回答：在满足不同查询响应等约束的情况下，哪个OLAP引擎的云上运行成本更低？综合模型则是通过设置不同权重来综合考虑成本预算和查询响应效率的评估OLAP引擎的云上性能模型。

实现与效果验证

我们在亚马逊AWS上实现了Raven的上述设计，并使用该性能评估框架执行OLAP引擎，查看不同引擎的查询效果。

图 3：不同引擎在不同评分模型下，运行均匀查询 10 分钟的性能评分

图 4：在 Presto 和 Kylin 上运行突发高并发分布的性能评分

从图 3 中可以看出，运行均匀查询时，Athena 和 Kylin 是较好的解决方案。但是，使用不同模型会得到不同的评估结论。当综合考虑查询速度的云上成本时，由于 Athena 直接通过调用服务执行查询，因此云上成本较低，评分也更低。但是，当优先考虑速度时，由于 Kylin 使用预计算技术实现了高速查询，因此使用速度优先模型时，Kylin 的评分更低。

从图4可以看出，运行突发高并发分布时，若采用查询阻塞模型，随着同时输入的查询数量增加，Presto 的性能评分随查询数量增加线性增长；但是，Kylin 并未受到查询数量增加的影响，性能评分保持稳定。这是因为 Kylin 的预计算技术提升了计算效率，当查询大量涌入时，Kylin 能以更高的效率处理这些查询，减少查询在队列中的阻塞，使性能评分更为出色。当然，如果用户集中的查询数量不大，Presto 的性能评分更有优势，因为其没有预计算的相关开销。

未来展望

未来的研究主要考虑以下方面：

1、应用实现更多引擎，尝试兼容云原生引擎，以进行性能评估。
2、优化工作负载的表达形式，使用户可以根据自己的业务需求，更容易地开发出多样化、具代表性的工作负载。
3、形成更多标准化的评分模型，供不同工作负载之间的横向对比。
4、结合当前评分结果，进一步分析不同 OLAP 引擎的性能优劣。