阿里云ACP认证-数据仓库

数据仓库

Kappa架构：将实时和离线代码统一（优化lambda架构），但是不好修正数据，开发周期长，成本浪费，对于历史数据的高吞吐量力不从心 原一代数据仓库：

• 离线：hive+maxcompute
• 实时：clickhouse+driud
• 整合离线和实时：drill+presto
• 保存：mysql+redis
• 最后API

下一代：

• 要实时，很实时
• 离线和实时一体化，减少数据移动
• 通用性，要解耦
• 云原生，标准且生态

既可以支持分析也可以支持事务：HTAP混合事务分析系统

• 需要事务机制保证ACID + 适合模型简单，简单分析场景，TP解决AP问题

既可以分析也可以服务：HSAP服务/分析一体化：Hologres

• 无事务开销（分布式锁、同步）
• 以数据仓库模型（抽象、服用、标准）解决数据服务问题

Hologres

产品特性：

• 分析服务一体化：point（点查询hbase/redis遇到的） /Ad-hoc（即席分析clickhouse）/OLAP（联机分析） 分析
• 以实时为中心：很快，数据实时写入和更新，与Flink原生集成，写入即可见
• 计算存储分离：存储资源和计算资源分离部署并独立扩展+和Maxcompute无缝打通
• 开放生态：兼容PF生态+对接PG开发工具+对接BI

Flink+hologres组合：实时大屏等 hologres：报表等离线加速

Flink+hologres+maxcompute：数据中台+精准营销+多维分析

Hologres架构原理

计算和存储相分离 计算:

• 接入节点Frontend（FE）：SQL认证解析和优化，可以包含多个，兼容postgres11
• worker：执行引擎HQE（hologres query engine，极致查询）/PQE（postgres query engine，兼容postgres）/SQE（对接maxcompute，本地兼容访问maxcompute）+存储引擎（SH，shard，CURD）+缓存+调度（HOS轻量级）
• MetraService（管理元数据信息，同时提供给FE）+Holo Master（拉起Worker）

存储：

• 盘古文件系统
• 数据湖

SQL发送请求-frontend解析分发-worker执行-走不同路径-SE存储获取数据，合并后返回给FE （点查直接搜Fixed FE）

HSAP挑战和Hologres应对策略

存储计算分离：三种 存储使用盘古 流批统一：底层支持行（PK）、列（OLAP）、行列共存 执行引擎+优化器 名词解释：

hologres开发工具：

PSQL客户端 JDBC连接hologres

数据同步

支持多种异构数据源的离线、实时写入

实时写入数据到hologres 进入hologres控制台–建库建表（1）-进入实时计算Flink控制台-作业开发-新建作业-创建原表和目标表（2）-执行-上线-运维-进入作业运维可以看到提交的作业-启动作业即可-在holoweb控制台查看是否成功（3） （1）create table if not exists test1(a int ,b bigint ,c text,d timestamp); （2_1）create temporary table datagen_source(a int ,b bigint,c string,proctime as proctime()) with ('connector'='datagen')flink随机源 （2_2）create temporary table holo_sink(a int,b bigint,c varchar,d timestamp) with ('connector'='hologres','endpoint'='XXX（hologres实例列表控制台查看）','username'='XX','password'='XX','dbname'='XX','tablename'='test1（上面建的表）')holo目标表 （2_3）insert into holo_sink select * from datagen_source;数据实时写入目标表 （3）select * from test1 order by d limit 2;/select count(1) from test1;

Maxcompute离线加速查询

单表创建/批量外表创建 dataworks控制台

• 数据开发
• 临时查询-新建数据源
• 创建表并插入数据

create table if not exists odps_test(
shop_name string,
customer_id string,
total_price int
)
partitioned by (
sale_date string
)
#插入数据
insert into odps_test partition(sale_date='20221111') values('a','张三',50),('b','李四',55);

# 查看数据
read odps_test；

• 创建holoweb外部表（元数据管理可视化创建/sql创建）

create foreign table t_odps(
shop_name text,
customer_id text,
total_price int8,
sale_date text
)
server odps_server
options(project_name 'XXX项目空间名',table_name 'odps_test');

# 验证是否创建,相应会很快，dataworks慢，hologres加速查询！
select * from t_odps;

• 外表完成加速查询完成

COPY命令导入导出数据

在psql里面，连接后测试copy命令

#\\d查看数据表
#建表
create table copy_test(
id int,
age int,
name text
);
# 从控制台（stdin）输入数据并复制到表
copy copy_test from stdin with delimiter as ',' null as '';
# 验证
select * from copy_test;

#从txt文件导入数据
cmd
psql –U XXX –p 80 –h XX –d X数据库名X –c "copy copy_test from stdin with delimiter ','; " < X文件路径X

#COPY N,代表写入了多少条数据

# 下载数据到本地
psql
\\copy (select * from copy_test) to '本地路径/写入OSS';

#下载数据到OSS
psql/HoloWEB SQL编辑器
\\copy (select * copy_test limit 2) to program '
hg_dump_to_odd
–AccessKeyId XX
–AccessKeySecret XX
–BucketName XX
–DirName X路径X
–FileName X文件名X
–BatchSize X多少记录X
'
# 最后到OSS查看验证即可

Hologres数据开发

数据类型：

Maxcompute与Hologres数据类型映射： Flink与Hologres数据类型映射：

PG参考文档-函数

Hologres扩展函数 DDL（表操作）和DML、DQL（表数据操作） Hologres建表语法：（和PG一致，但是表属性有差异（CALL set_table_property）） 分区表

静态分区 只能向子表插入数据 attach：绑定父表 detach：解绑父表 动态分区

自动创建删除分区 外部表 视图操作 插入insert操作： 删除和更新操作 insert on conflict 插入数据的时候，主键有重复值，选择更新还是跳过 truncate清空目标表 countinue identity 加上代表继续排序，序号不清空

HologresSQL高阶语法

SQL-partition-Shard-Segment-Row-Block 存储属性 行存：主键点查询 列存：数据分析OLAP 行列共存：都有但存储开销大，也需要主键

分布键 分段键 聚簇索引

字典编码 位图索引 向量进行高效计算 生命周期

Binlog操作

binglog格式

查询binlog

性能调优

更新统计信息 analyze hologres数据存在盘古上面，一张表数据存储在固定一组表下，根据键分发在不同shard上面