1、vertica列式分析数据库汇总 0 Table of ContenTsvertica简介vertica试用o数据装载oDML操纵o查询分析o集群o增量加载案例测试小结与心得vertica简介1.vertica是一种整合了MapReduce能力的商业化数据库2.基于列的存储架构,高效的数据压缩能力3.基于Shared nothing架构,高度灵活的扩展能力4.集成的高可用性,采用分布式集群,支持大规模并行处理5.支持混合存储模型,高速装载和高速查询可同时进行6.与主流db和bi工具无缝集成,是dw的超级加速器7.符合工业标准,支持SQL,ACID,JDBC,ODBC,可与流行的ETL工具集成v
2、ertica试用在一台普通的赛扬d单核、内存2g的pc机上对oracle10g和vertica5进行了一些简单的对比测试,测试数据量约500w+数据装载oraclevertica加载方法SQLLOADERLOAD SCRIPTS耗时约 6mins1min20scpu使用约15%约100%OSwindowslinux平台物理机虚拟机两者在平面文件导入方面看,有明显的差距,vertica的效率大约是oracle 的4倍左右,并且vertica在cpu的使用上已经满负荷了,测试机上的cpu性能可能也限制了vertica的发挥,按照官方公布的数据,早在2008年12月,HP 和Vertica 一起工作
3、打破了一下数据仓库数据加载的世界记录,在57分钟21秒的情况下加载了5.4TB的数据进入Vertica数据库,系统运行在HP的C7000刀片机架上。所以我们完全可以相信vertica在数据装载方面的性能是非常出色的,只要cpu足够强劲。需要注意的是,vertica和oracle都不支持增量装载,一个平面文件只能全量装载。ps:oracle在数据传输上,效率最高的是表空间传输技术,其次是数据泵+外部表(数据格式为二进制)技术,最后才是sqlload,不过由于前2种技术依赖的文件格式是oracle独占性的,并不具备通用性。DML操纵oraclevertica操纵语句insertinsert耗时19
4、.9s约2minscpu使用约15%约20%在dml语句使用上,vertica和oracle表现出的性能与数据装载测试中的效果恰好相反,这是列式存储的架构决定的,行存储架构下,一行记录存储在连续的数据块上,而列架构则是在连续的数据块上存储多行的同一列,这就造成了在列存储架构下一行记录不能顺序写而只能离散写。sybaseiq同样存在这样的效率问题,如果存在较复杂的ETL时,那T环节的实现方案可能需要仔细考虑。查询分析案例1sql如下:select count(*) as B5from Cfcs_B1_All aleft join DIM_T_HY1 bon (a.HY_DM=b.HYW_DM)w
5、here (b.HYML_DM = 02)oraclevertica耗时约4s约2scpu使用约10%约100%案例2sql如下:select sum(a.zb1) as B2,1 as A2from Cfcs_B1_All awhere (a.HY_DM LIKE A%)oraclevertica耗时约3s约1scpu使用约10%约100%从两个查询案例的测试结果来看,vertica在测试中表现出的效率大约高出oracle一倍,当然oracle通过创建索引也能将查询时间缩短到与vertica相差无几,不过我们也要考虑到测试的台式机cpu已经是vertcia发挥的瓶颈。测试的目的不是为了证明v
6、ertcia的速度是oracle的2倍。而是有助于我们想象当数据量上升到tb甚至pb级时,当cpu性能或者集群性能足够好时,基于Shared nothing架构可无限扩展集群节点的vertica所表现出来的性能。集群测试环境不具备,缺少vertica安装程序(rpm包),未做测试不过从vertica的文档和试用感受来看,它的集群部署应该比较简单(比oracle简单得多)增量加载案例测试模拟一个增量加载的例子,假设一张事实表为月度主题表,里面已存有3年的历史数据,总计约500w+,每天跑批量增量加载当月的最新数据,加载前先删除当月的旧数据,再加载新数据。我们来看看在oracle和vertica下
7、的测试结果oraclevertica报表期月度月度数据量约15w约15w占全表数据比率约3%约3%总耗时26.7s3.9s其中:delete当月数据15.7s2.6s其中:load加载11s1.3s然后,我们将数据区间拉大到一年,增量加载一年的数据,再来看看结果:oraclevertica报表期年度年度数据量约180w约180w占全表数据比率约36%约36%总耗时178s21.8s其中:delete当月数据82s2.8s其中:load加载96s19s我的结论如下:1.不论是delete还是load,vertica的效率都比oracle高出好几倍2.对于delete删除操作,vertica表现出
8、来的性能不但稳定,效率也高,耗时浮动很小,而oracle的delete耗时随数据量的增大而增加3.完全可以预测在面对海量数据时,vertica在增量加载上的性能优势会更加突出PS:vertica在删除操作上表现出来的效率是我完全没有预料到的,我觉得有必要对两个db再进行一次update操作的测试,来看看他们有何区别。测试语句如下:UPDATE cfcs_b1_all t SET t.zb1=zb1-1 WHERE t.bbq_ LIKE 2007%这个update语句影响行数大约180w,以下是结果:oraclevertica耗时137s26s没有想到vertica在update操作上也有如此
9、好的表现,之前比较担忧在vertica上如何ETL,现在来看,这种担忧可能有点多余了。尽管insert操作,vertica的性能不是特别好,但这个环节可以通过平面文件加载的方进行替代,然后在数据库内执行update等数据清洗工作。小结与心得1.vertica有着高效数据压缩能力,数据量越大,磁盘越省2.数据装载具有巨大的优势3.专门针对数据仓库和统计分析环境,擅长聚集汇总类查询,尤其是大数据量甚至是海量数据4.不存储物理表,仅存储列,每一列都是一个索引,而传统数据库需要存储表,然后根据查询维护相应的索引,不仅磁盘开销增加,同时维护与优化难度加大5.基于Shared nothing架构的集群技术
10、,通过简单增加一些廉价的计算机可获取几乎无限的扩展,且数据分布在各个节点上,而传统数据库则不行,以oracle为例,通常采用rac或者dataguard技术,rac需要各节点都在同一个本地环境内,且节点过多共享锁竞争更严重,通常node都不超过2个,dg可以异地,但是各节点数据完全一致,都是全局数据,且只有主节点提供服务。oracle11g开始推出exadata,不过价格不便宜。6.部署维护简单,无需专职dba,oracle则不行,离不开dba的维护7.使用vertica的解决方案会更加便宜8.ETL可在vertica中实现,只要运用合理,了解vertica特性,对于效率不高的dml,寻找替代方法,一样可以保证etl的效率
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1