1 数据分析平台的挑战

在智能数据时代多样性应用、海量数据、实时处理对数据平台提出挑战

数据应用快速发展，现阶段主要矛盾是数据的供需矛盾

数据平台建设重心转向支撑业务应用上线，现阶段的主要矛盾是

数据平台无法满足业务部门日益增长的==数据消费==需求的无法处理多样化==数据供给==之间的矛盾

1.1 当前典型的数据架构

1.2 主要痛点

• 七国八制，组件多，开发方式不统一，数据格式不统一，需要反复转换;

• 组件间数据流转开发复杂，流转效率不高;跨集群，跨组件数据一致性差;

• 依赖于 Oracle 提供实时数据接入和交互式查询，分析的扩展性差;

1.3 GaussDB(DWS)整体解决方案

1.3.1 解决思路:

—套架构支撑实时、此量和交互式查询

与 Kafka/Flink 等组件联合提供批比流合—能力与 Hadoop、OBS 联合提供历史数据存储、归档、数钢交换和查询能力

1.3.2 周边配套的云服务:

数据接入：Kafka:做流式弋规接入;DRS:从业务数据库中实时同步增量数据;CDM:从业务数据库或者文本数据同步批量数据。

数据存储：DWS 本地存储:数据有存储在 DWS 的数据盘;HDFS:与大数 MRS 配合方案时，大数据加口工后的数据可以使用 DWS 外表方式读取;OBS:大量数热导入到 DWS 时，可以先放到 OBS 上，再以 DWS 外表方式写入到 DWS;或者是历史数据可以归档到 OBS 中，使用是可以以 DWS 外表方式读取。数据治理：DAYU:做数据加工、数据治理、业务调度。

数据展示：BI 工具:专业 BI 工具可以使用严选中的永洪、帆软。

2GaussDB(DWS)如何支撑实时、批量和交互式查询的

2.1 GaussDB(DWS)产品策略:一套架构支撑实时、批量和交互式查询

产品目标:围绕==企业级内核==（高性能，高扩展，高可用，融合分析，智能运维)、==实时分析==、==云原生==三大方向构筑业界第一数据仓库关键竞争力:

• 架构归一:一套架构支撑标准数仓、实时数仓、云数仓，支持一站式实时、批量和交互式查询

• 业界首创:实时数仓、2048 节点大集群、逻辑集群（流程 IT)

• 持续领先:大规模集群（G 行，480 节点上线)、性能领先，非对称容灾(RTO<30min)、在线扩容、Cloud-Native 运维

2.2 GaussDB(DWS)实时处理技术:实时数据接入+实时分析

方案价值实时数据接入:支持 lot 数据接入和交易数据实时接入，lot 时序数据接入 10w/s/节点，流数据接入 60w/s/节点;数据更新秒级同步:交易数据实时接入，支持增删改数据实时数据和维度数据、历史数据关联分析:实时数仓可以存储维度数据、历史数据，并支持关联分析，负载隔离。关键技术数据复制:交易数据实时接入，支持增删改数据流引擎:流数据接入、持续计算

时序引擎:时序数据接入、实时合并

Delta 引擎:微批数据接入、实时合并

应用举例：

某国有保险实时系统:40+节点，~500TB 数据，3W+表分钟级实时接入，整体替换掉 100+单机 SQL server 库。

2.3 GaussDB(DWS)批量处理技术:高性能+大集群

应用举例：

某国有大行 EDW 系统:480 节点，3PB+数据，3W+批处理作业

2.4 GaussDB(DWS)交互式查询技术

核心问题:如何处理高并发点查询;如何如何处理 Adhoc 复杂 SQL;如何防止烂 SQL 搞跨整集群

分布式查询优化核心技术

• 分布式查询重写: 30+查询重写技术，10+项分布式查询重写，查询重写相关专利 4 篇

• 分布式查询优化:基于 Poisson 的估算模型、全局/单点 cOst 估算模型

• —健式 SQL 调优:简易 SQL 调优

异常资源实时监控核心技术

• 运行态实时视图:实时监控运行状态和资源消耗

• 基于规则的异常资源实时监控

应用举例

某国有大行分析师平台:480 节点，3PB 数据，每天支撑 10w+笔查询，1w+分析师。

3 实时、批量和交互式查询一站式分析的开发实践及案例

3.1 GaussDB(DWS)一站式技术负载感知的优化执行技术，实现多种负载混合管理

多种技术提升混合负载并发能力 1．优化器动态感知系统负载，根据资源状况生成最优执行计划。

2. CN 队列控制全局并发，资源池队列控制局部并发，利用资源池优先级管理混合负载复杂场景。

3. 分时复用机制，限额配额分酉配机制保证资源的隔离的基础上实现充分利用。

4. 快慢车道实现复杂查询和简单查询的混合运行。

5. 资源限额保证资源绝对隔离，资源配额保证系统充分利用。

3.2 GaussDB(DWS)—站式技术逻辑集群，支持多业务统一管理和隔离，实现纵向扩展

在企业传统的数据分析系统中，各系统烟囱式建设、资源无法池化共享，各个业务分散部署，缺乏统—管理。

将不同用户的数据存放在不同的物理节点组（逻辑集群)，元数据统―管理，实现数据共桌的同时实现资源的绝对隔离。

3.3 GaussDB(DWS)—站式技术融合分析，互联互通，支持直接读写 HDFS/OBS 数据

多种互联互通:

• 通过 Extension Connector 和 Oracle、Hive 等数据源互联互通

• 通过 FDW 外表机制实现和 HDFS、oBS 数据读写，支持 HDFS 外表、OBS 外表、MPP 外表

• HDFS 外表支持 ORC/txt/csv/Parquet 文件格式，OBS 外表支持 ORC/txt/csv 文件格式

应用透明，兼容标准 SQL:

• 标准 ANSI SQL2003

• 标准开发接口 JDBC、ODBC

• 支持 SQL2003 标准访问 HDFS、OBS

3.4 场景一:分时复用资源，实现实时、交互式查询一站式

资源池队列实现资源隔离与负载管理，解决业务核心痛点:

• 业务高峰期，批量作业一启动，实时查询大量排队等待，影响使用

• 某业务部门上线烂 SQL，吃光所有系统资源，影响其他部门正常使用

• 多 ISV 合作，互相抢占集群资源，影响作业性能指标

• 利用资源池分时计划，合理规划不同类型作业执行时间，充分使用系统资源

3.5 场景二:多逻辑集群实现实时、批量、交互式查询的库内数据流转

系统特点

• 在一套集群内，规划不同的节点，分别承载实时数据接入，批量处理以及高并发查询

• T+0 数据接入实时集群，提供实时分析和微批运算

• T+0 数据根据时间戳，采用 Insert into ... Select 的方式定时导入到批量集群

• 批量计算后的分析汇总数据根据时间戳，采用 Insert into ... Select 的方式定时导入到交互式查询逻辑集群

优缺点分析

• 系统资源完全隔离，各业务可无干扰并行运行

• 数据同步可使用 SQL，方便高效，不需要额外数据存储空间

• 数据同步需拷贝数据

3.6 场景三:多集群互联互通，分别承载实时、批量、交互式查询，实现集群间数据流转

系统特点

• 规划不同的物理集群，分别承载实时数据接入，批量处理以及高并发查询

• T+0 数据接入实时集群，提供实时分析和微批运算

• 实时集群 T+0 数据根据时间戳，采用 OBS 外表导出的方式导出到 OBS，批量集群采用 OBS 外表导入的方式导入到批量集群

• 批量计算后的分析汇总数据根据时间戳，采用 OBS 外表导出的方式导出到 OBS，查询集群采用 OBS 外表导入的方式导入交互式查询逻辑集群

• 

优缺点分析

• 系统资源完全隔离，各业务可无干扰并行运行

• 数据同步可使用 SQL，方便高效

• 需要设计外表，并有额外空间存储同步数据

3.7 典型案例(RY)︰批量与查询业务一站式

按照数仓设计模型，将业务数据加工链路映射至读写分离的逻辑集群

1. 业务领域需要加工，清洗，汇总的贴源数据、明细数据，从数据湖直接抽取入库批量逻辑集群

2. 公共维数据，从数据湖抽取到批量和查询逻辑集群

3. 在批量集群中进行指标计算、汇总计算，加工成各类指标维数据、集巿数据

4. 面向业务对象萃取标签（事实规则类、统计类、算法类）汇总数据，通过 ETL 导入到查询逻辑集群。

5. 分析师、业务人员从查询逻辑集群中进行联机分析

3.8 典型案例(SD 城商)︰一套系统分时实现批量和交互式查询

系统特点:混合负载

批量作业和实时查询，集群规模:12 节点 4*12DN,5CN 数据量 12OT+

**批量系统 **完成数据归档，数据加工，五大会计报表作业，共 17W/天

1. 数据归档，xx 家商业银行，xxx 家村镇银行的曰增量数据批量入库，每日 23:00 -- 1:00;

2. 数据加工，核心作业 7W 个 2h 内加工完成。

实时系统 手机银行终端 7×24 小时实时查询业务

1. 个人用户量 1xxxW+,企业用户量 xxW+，交易量 xxxW+笔/天，并行日间批量作业 10W+个;

2. 实时查询在批量高峰期 3s 内响应，跑批和实时作业互不影响。

4 一站式分析的未来规划

4.1 GaussDB(DWS)云数仓，基于云存储实现冷热数据，跨集群数据共享，数据同步

基于本地盘进行性能加速，OBS 作为冷数据区、共享交换区，备份数据区，实现一体化的数据仓库

4.2 GaussDB(DWS)云数仓，基于云存储实现跨集群数据共享

关键技术：

• 文件级多版本，实现多集群读写不冲突基于云存储实现一份

• 数据跨集群共享访问，并保证数据一致性

4.3 GaussDB(DWS)云数仓，基于云存储实现跨集群数据同步

关键技术

• 单 SQL 实现跨集群数据同步，透明访问

• 流水线文件读写，异步传输，性能高;