Databend Roadmap in 2023
Databend 经历了 2022 年一整年的研发，Databend 的功能性和稳定性得到了显著增强，一些用户开始在生产中使用。Databend 帮助他们极大地 降低 了成本和操作的复杂性问题。
下面是 Databend Roadmap in 2023 (讨论)。
早期的 Roadmap:
主要任务
v1.0 (计划 Release 时间：2023.3.5)
在 Databend v1.0 版本中，主要本着生产中用户一些反馈把 Databend 进一步的增强：
增加 Decimal 类型， 在 new expression 直接增加新类型；
支持直接查询外部 parquet 的文件；
主要 Array 函数支持；
支持：alter table 增加删除列的操作，update 进一步增强，支持 CDC 相关操作；
引入 Block data cache 用于节省对象存储上的查询请求费用，同时也启到加速作用；
目前 CDC 及数据迁移工作这块对接了：
支持 Addax 数据迁到到 Databend 中 [done]
支持 DataX 到 Databend & Databend Cloud 的数据迁移对接中 [IN PROGRESS]
对接 Tapdata 到 Databend & Databend Cloud 的 CDC 数据写入 [IN PROGRESS]
对接 Airbyte & DBT 到 Databend & Databend Cloud 的数据写入 [IN PROGRESS]
v1.1 (计划 Release 时间：2023.4.5)
在 Databend v1.1 也许你已经发现 json indexing, fulltext index 这样的功能，这也是 v1.1 版本的主要目标，目前挺多用户使用 Databend 替代 ES 做日志相关的服务，这样也就要求 Databend 对 json 字段的处理能力要求非常高了。概括来讲 v1.1 需要具备：
具备替换 ES 初步能力
支持分布式调用 copy 数据加载能力
支持 cluster key，让数据按某个字段排序
支持 segment tree 让数据写入及缓存更加的高效，单表 PB 级别就非常轻松了
Databend 开发是以对象存储为基础，用户需求为核心，2023 年整体上以小步快跑的方式进行开发，经团队和用户的沟通功能需求大概如下：
Query 功能
在 Query 规划中有一些特别的功能
基础部分：
update 实现上的优化 [v1.0]
alter table 表结构秒级变更的实现 [v1.0]
read parquet 文件
进阶部分：
Windows Function 窗口函数支持，这个跑通 TPC-DS 必备条件
物化视图，这块是让 Databend 支持更加复杂的 ETL
DataFrame 这块是新型数据工作者比较喜欢的方式
高级部分：
数据共享，这是构建 Data market 一个基础
并发访问控制
分布式的 copy 数据装载控制
改进
New expression 是 2023 年开年之初合并进来最大的一个功能。基于 New expression 有了完善的类型推导机制，在 SQL 的编译期能尽可能推断出表达式的执行方式，极简的表达式函数注册逻辑，以及在数据库类型级别实现了泛型的推导。在新的类型系统基础上，常量折叠，类型推导，函数的注册，查询数据裁剪 等模块都能享受到新类型系统带来的红利。
优化 错误 信息提示，让使用者更容易定位到问题。
Resource Quota
限制 Query & User 使用最大资源，这块特别是一些复杂的 Query 在资源有限的情况下，需要通过一些控制来降低内存的使用，减少 OOM 问题。
Planner
在 2022 年 Databend 支持复杂的 join 运算，跑通了 TPCH，现在需要通过 CBO 增强后，进一步提升 join 的智能优化。
Cache
对于 Cache 有三块明确的需求
减少 Query 节点和对象存储的交互，降低费用;
让数据库在 Query 节点存储直接命中，提升性能;
通过更优的格式存储提升查询能力，目前测试 databend nagive engine 在本地盘情况下，可以和 Clickhouse 对齐。
Data Storage
存储这块目前来看有几个比较明确的功能需求：
支持 re-clustering，让数据按某些列有序的存储，减少排序和区间查询的扫描范围
清理计算及使用中产生的孤儿数据（v1.0 版本就完成）
进一步优化 PB 级别的表，降低资源使用
Distributed Query Execution
分布式执行是 Databend 在追求的方向，执行计划可视化增强，同时也要在分布式执行上引入 spilling 策略，用于支持离线环境使用较小的资源来计算较大的数据的场景。
Schema-Less Search
Databend 在 json 支持引，利用 Rust 实现 mongodb 的 jsonb 实现，让 Databend 的 json 支持上有了进一步的提升。今年计划进一步的增强 json 的地实现，使期可以满足 ES 的一部分功能。
LakeHouse
原生大数据生态对接，Databend 给现有大数据生态加速。目前已经上生产环境的有：Databend + Hive，也在不断的优化中。
Integrations
生态对接方面，目前 Databend 主要集中 ETL 及数据迁移相关的工具，同时也会也对接分析及可视化类工具。
Meta
Databend meta 是 Databend 非常核心的一个组件。主要用于 Databend 中定义的 meta 信息，事务，锁，一致性信息的管理。
Testing
Databend 目前测试从 Python 的 SQLlogic Test 切换到了 Rust SQLlogic Test 测试性能有了显著的提升，同时集成了 SQLancer Test 让 Databend 也有了更强的稳定性。后期还是需要增加更多的测试用例。
如果以上有你特别需要，还没包含进来的，也欢迎来 Databend repo 讨论区交流。如果你想参与其中某个功能的开发也欢迎参与进来。
Releases
[ ] v1.0#9604
[x] v0.9#7052
[x] v0.8 #4591
[x] v0.7 #3428
[x] v0.6 #2525
[x] v0.5 #2257
还未添加个人签名 2022-08-25 加入
还未添加个人简介
评论