華為PB級時序數(shù)據(jù)庫Gauss DB，助力海量數(shù)據(jù)處理

??近年來，時序數(shù)據(jù)的應(yīng)用更為廣泛，包括物聯(lián)網(wǎng)、金融領(lǐng)域、監(jiān)控領(lǐng)域、醫(yī)學(xué)領(lǐng)域、農(nóng)業(yè)生產(chǎn)領(lǐng)域等各方面，都在大量使用時序數(shù)據(jù)，通過數(shù)據(jù)來研究對象的趨勢性、規(guī)律性、異常性；并且在 5G 與人工智能的浪潮下，時序數(shù)據(jù)作為大數(shù)據(jù)、機器學(xué)習、實時預(yù)測的基礎(chǔ)數(shù)據(jù)，作用更加顯著。因此，對時序數(shù)據(jù)的研究與應(yīng)用應(yīng)當更為深入。

??近 5 年來，時序數(shù)據(jù)庫發(fā)展十分迅猛，各大互聯(lián)網(wǎng)企業(yè)包括 Google、阿里、Amazon 都推出自己的時序數(shù)據(jù)。

圖 1 DB-Engines 統(tǒng)計不同類別數(shù)據(jù)庫關(guān)注度趨勢

??圖 1 為 DB-Engines 統(tǒng)計從2018年1月到2019 年 12 月截至 24 月各類數(shù)據(jù)庫的關(guān)注度趨勢，可以看到時序數(shù)據(jù)庫關(guān)注度同比 2017 年 12 月上漲 77.3%，相比第二名的圖形數(shù)據(jù)庫上漲近兩倍。圖 2 為 DB-Engines 統(tǒng)計從2013年12月到2019 年 12 月截至 6年來業(yè)內(nèi)流行的時序數(shù)據(jù)庫的關(guān)注度和使用度排名。

圖 2 DB-Engines 統(tǒng)計時序數(shù)據(jù)庫關(guān)注度趨勢

??從圖中可以看到，從 2015 年開始，各種時序數(shù)據(jù)庫如雨后春筍般涌現(xiàn)。

??GaussDB(for Influx)時序數(shù)據(jù)庫依靠華為在數(shù)據(jù)存儲領(lǐng)域多年的實踐經(jīng)驗，整合華為云的計算、存儲、服務(wù)保障和安全等方面的能力，在架構(gòu)、性能和數(shù)據(jù)壓縮等方面進行了突破性的技術(shù)創(chuàng)新，達到了較好的效果，對內(nèi)支撐了華為云基礎(chǔ)設(shè)施服務(wù)，對外以服務(wù)的形式開放，幫助上云企業(yè)解決相關(guān)業(yè)務(wù)問題。

??GaussDB(for Influx) 具有支持億級時間線、極致寫入性能、低存儲成本、高性能多維聚合查詢和極致彈性擴縮容等5大特性。以下為特性的大致介紹：

??由于在時序數(shù)據(jù)庫系統(tǒng)中，無時無刻存在大量并發(fā)查詢和寫入操作，因此合理控制內(nèi)存的使用量就顯得十分重要。而GaussDB(for Influx)便在這一問題上做了進一步優(yōu)化：

??l 在內(nèi)存分配與回收上，使用內(nèi)存池復(fù)用技術(shù)降低內(nèi)存碎片，并實現(xiàn)算法動態(tài)調(diào)整GC頻率，加快內(nèi)存回收。

??l 在單查詢上，實行Quota控制，避免單查詢耗盡內(nèi)存。

??l 在緩存中，針對不同節(jié)點規(guī)格提供不同最優(yōu)配置。

2 、極致寫入性能

??GaussDB(for Influx)支持每天萬億條數(shù)據(jù)寫入，在工程實現(xiàn)上有以下優(yōu)化：

??l 利用所有節(jié)點并行寫入，充分發(fā)揮集群優(yōu)勢。

??l Shard節(jié)點采用針對場景優(yōu)化的LSM-Tree布局

??l 在大規(guī)模寫入場景下，GaussDB(for Influx)的寫入性能線性擴展度大于80%。

3 、低存儲成本

??GaussDB(for Influx)對數(shù)據(jù)采用列式存儲，相同類型的數(shù)據(jù)被集中存儲，更有利于數(shù)據(jù)壓縮。采用自研的時序數(shù)據(jù)自適應(yīng)壓縮算法，在壓縮前對數(shù)據(jù)進行抽樣分析，根據(jù)數(shù)據(jù)量、數(shù)據(jù)分布以及數(shù)據(jù)類型選擇最合適的數(shù)據(jù)壓縮算法。同時提供了時序數(shù)據(jù)的分級存儲，支持用戶自定義冷熱數(shù)據(jù)，實現(xiàn)數(shù)據(jù)的冷熱分離。熱數(shù)據(jù)相對數(shù)據(jù)量小，訪問頻繁，被存儲在性能更好、成本較高的存儲介質(zhì)上；冷數(shù)據(jù)相對數(shù)據(jù)量大，訪問概率低，保存時間較久，被存儲在成本較低的存儲介質(zhì)上，進而達到節(jié)約存儲成本的目的。

4 、高性能多維聚合查詢

??在提升聚合查詢整體性能方面，GaussDB(for Influx)做了如下優(yōu)化：

??l 采用MPP架構(gòu)：一條查詢語句可以在多節(jié)點及多核并發(fā)執(zhí)行。

??l 向量化查詢引擎：在查詢結(jié)果數(shù)據(jù)量很大時，GaussDB(for Influx)內(nèi)部實現(xiàn)了向量化查詢引擎，每次迭代批量返回數(shù)據(jù)，大大減少了額外開銷。

??l 增量聚合引擎：基于滑動窗口的聚合查詢，大部分從聚合結(jié)果緩存中直接命中，僅需要聚合增量數(shù)據(jù)部分即可。

??l 多維倒排索引：支持多維多條件組合查詢，加快數(shù)據(jù)查詢中過濾無關(guān)數(shù)據(jù)。

5 、極致彈性擴縮容

??在時序數(shù)據(jù)庫的運行過程中，隨著業(yè)務(wù)量的增加，常常需要對數(shù)據(jù)庫進行在線擴容，以滿足業(yè)務(wù)的要求。

??l 傳統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)存儲在本地，擴容后往往需要遷移數(shù)據(jù)。當數(shù)據(jù)量達到一定規(guī)模時，數(shù)據(jù)遷移所耗費的時間往往按天計算，給運維帶來了很大的困難。

??l GaussDB(for Influx)相比于傳統(tǒng)的數(shù)據(jù)庫，最大的特點就是將計算與存儲分離，能夠輕松實現(xiàn)分鐘級擴容。

??此外，在能源、制造、IOT、互聯(lián)網(wǎng)等行業(yè)的監(jiān)控統(tǒng)計及分析的應(yīng)用場景中，時序洞察提供了針對時序數(shù)據(jù)的可視化功能。在監(jiān)控領(lǐng)域，我們?？吹侥軐崟r反映整個系統(tǒng)運行情況的絢麗監(jiān)控大屏，這便是數(shù)據(jù)庫的監(jiān)控看板功能，可以高效地運用監(jiān)控數(shù)據(jù)輔助定位故障、性能調(diào)優(yōu)、容量規(guī)劃；可以查看各產(chǎn)品的監(jiān)控數(shù)據(jù)走勢及對比；跨產(chǎn)品展示關(guān)鍵指標的實時數(shù)據(jù)、歷史數(shù)據(jù)和整體走勢。業(yè)務(wù)人員可以根據(jù)該信息對業(yè)務(wù)進行及時調(diào)整。

??通過對時序數(shù)據(jù)庫的發(fā)展分析，時序數(shù)據(jù)庫的發(fā)展空間巨大，但也存在很多問題，GaussDB(for Influx)針對其存在的問題，都進行了針對性的創(chuàng)新與發(fā)展，可以說GaussDB(for Influx)為時序數(shù)據(jù)庫的發(fā)展提供了巨大推動力。

審核編輯 黃昊宇