PieCloudDB Database 3.0 正式发布丨数仓虚拟化流转数据要素

本文主要是介绍PieCloudDB Database 3.0 正式发布丨数仓虚拟化流转数据要素,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

3月14日,拓数派 2024 年度战略暨新产品发布会在上海国际会议中心成功举行。本次大会的主题为「数仓虚拟化 流转数据要素」,吸引了众多业内资深专家和合作伙伴参与,共同探讨数据要素流转和数字技术创新等热门话题。

拓数派创始人兼 CEO 冯雷(Ray Von)携产品团队重磅发布了备受期待的云原生虚拟数仓 PieCloudDB Database 3.0 版本并分享了数仓虚拟化技术的最新成果和在数据要素产业中的最佳实践。 发布会详情请参考官方新闻。

image.png

PieCloudDB 3.0 发布仪式

拓数派创始人兼 CEO 冯雷(Ray Von)在发布会环节分享了公司 2024 年度在数据领域的战略布局:聚焦云原生虚拟数仓引擎,为数据要素价值释放保驾护航。PieCloudDB 采用首创数仓虚拟化技术,在私有/公有云里打造了元数据、数据资产(存储)、计算分离的 eMPP(elastic MPP)架构,能够消除当下传统方案在数据隐私、灵活性和大模型计算延展性等方面存在的挑战,从底层结构上消除结构化数据孤岛,在更大范围内支持数据要素流转,真正实现数据「可用不可见」,让模型更大更快更准,并达到「数据入库不出户:不跑数据,跑计算」的安全状态。

PieCloudDB 内核技术持续突破,进行再一次升级,正式发布 3.0 版本。在这一新版本中,PieCloudDB 在存储、元数据、执行器等各个模块均进行了大量升级。

简墨:自研的数据存储底座

拓数派自研的简墨存储,其目标是利用云原生的设计与现代化的硬件和设施,打造满足不同云场景下的高性能计算系统的数据存储底座。

在大数据时代,数据以特定格式的文件形式存储,各大数据厂商对存储格式和组织形式都进行了深入的创新。拓数派为了追求极致的性能、获取更灵活的数据单元、构建基于文件的统计信息、并紧密支持文件级别的查询优化和上层特性,自研了全新的存储格式 janm。在 PieCloudDB 最新版本,janm 与开源存储格式 parquet 的初步性能对比中,可以看到 janm 在多个方面均比 parquet 有了倍数级的提升。

image.png

janm 与 parquet 文件格式的初步性能对比

此外,为了简化大数据时代数据处理的各个流程,简墨对数据文件进行了更高效的组织。简墨也考虑到云原生的设计和弹性的支持,来避免全局有序,让数据组织更加简单、减少数据移动,提高效率,支持分布式计算,避免数据倾斜,并适用于多集群,可完美支持弹性和最大化集群资源利用率。

简墨会定期自动对数据文件进行自适应管理,快速筛选出需要进行 recluster 的文件,增量式的将数据根据索引列将数据快速聚集到新的文件中。并支持利用数据文件建立新的索引形式来进一步提升对索引列的点查性能。

新一代向量化执行引擎

PieCloudDB 新一代向量化执行器采用插件化执行方式,可根据代价(cost)自适应选择执行引擎,自动匹配最优的执行引擎。执行引擎基于高效内存列存格式,高效转换行列混存的 janm 存储格式到内存中。并支持现有绝大部分类型,做到完备的进行函数处理。

目前,PieCloudDB 向量化执行器已完成 sort, agg, join, scan, motion, filter 等大部分算子的改造,并将在 Runtime filter、低基数等其他优化算法上继续优化。如今,PieCloudDB 向量化执行器已在业内常用的决策支持基准测试 TPC-H 中展现了令人瞩目的性能提升。此外,执行器还搭配上 trace 系统,做到查询可视化和查询链路可追踪。

image.png

SIMD 执行引擎性能提升

PieCloudDB 向量化执行器将不断迭代,并在不久的未来在 pipeline、Serverless、软硬结合、调度方面有更多的提升。

木牍:下一代元数据管理系统

PieCloudDB 原有的元数据管理系统将元数据进行分离,采用开源 KV 数据库 FoundationDB 来存储元数据、事务和锁数据,并利用全局缓存系统 GMEMOS 来缓存元数据、事务 ID 和快照等数据。原有的系统中,元数据被持久化存储,可支持多集群多租户等特性。

为了能够进一步对齐 πDataCS「一份存储,多引擎计算」的使命,PieCloudDB 进一步演进,打造了下一代元数据管理系统木牍。新一代的元数据管理系统全自研打造,可进一步释放 PieCloudDB 存算分离架构的优势,在数据要素流转中发挥更大的价值。

对比上一代元数据管理系统,木牍性能达到倍数级提升,整体 DDL 性能上升了 40 多倍,DML 元数据查询延迟降低了 60%,并发连接数提升达 20+ 倍。

image.png

对比上一代 Mstore 的性能提升

架构上,新一代元数据管理系统木牍使用全新设计的 M(meta)节点替换了 FoundataionDB,采用全模块化设计,具备更高的性能。并完全兼容 PostgreSQL 生态的各类工具,更加开放包容。

M 节点被用来统一管理元数据和 PieCloudDB 状态信息,接入了简墨存储底座,所有存储统一化,用于存储 catalog 数据。打造了独立的锁、事务和快照管理器,进一步提高并发性能。此外,木牍支持高可用和增量备份,统一缓存支持多个集群使用,并支持执行器直接查询元数据和事务信息,减少执行器查询延迟,降低系统负载。

image.png

木牍元数据管理系统架构

而木牍的协调节点(C节点)负责将查询分发至执行器,从元数据缓存收集所需要的信息。简化了原有 QD 的功能,降低了主节点的负载。

生态和平台演进

除了存储底座、元数据管理系统和执行器模块的迭代,PieCloudDB 生态和平台也发布了大量功能和更新,包括:

  • 开源表格式 Iceberg 查询
  • csv, json, parquet, orc 文件可做直接 SQL 查询
  • PieCloudVector 的增强(性能、HA、GPU)
  • Flink Connector
  • Spark Connector
  • 数据源一致性校验
  • 全链路 arm 支持
  • 数据库系统、查询更完备的可视化检测

未来,拓数派将持续深入探索数据领域,加强核心技术攻关能力,与行业与生态伙伴紧密合作,共同探索数据要素产业的最佳实践。通过产品的不断创新,期待为客户提供更强大、可靠的数据技术支持。

这篇关于PieCloudDB Database 3.0 正式发布丨数仓虚拟化流转数据要素的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/829329

相关文章

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

Mysql表的简单操作(基本技能)

《Mysql表的简单操作(基本技能)》在数据库中,表的操作主要包括表的创建、查看、修改、删除等,了解如何操作这些表是数据库管理和开发的基本技能,本文给大家介绍Mysql表的简单操作,感兴趣的朋友一起看... 目录3.1 创建表 3.2 查看表结构3.3 修改表3.4 实践案例:修改表在数据库中,表的操作主要

SpringKafka消息发布之KafkaTemplate与事务支持功能

《SpringKafka消息发布之KafkaTemplate与事务支持功能》通过本文介绍的基本用法、序列化选项、事务支持、错误处理和性能优化技术,开发者可以构建高效可靠的Kafka消息发布系统,事务支... 目录引言一、KafkaTemplate基础二、消息序列化三、事务支持机制四、错误处理与重试五、性能优

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

mysql出现ERROR 2003 (HY000): Can‘t connect to MySQL server on ‘localhost‘ (10061)的解决方法

《mysql出现ERROR2003(HY000):Can‘tconnecttoMySQLserveron‘localhost‘(10061)的解决方法》本文主要介绍了mysql出现... 目录前言:第一步:第二步:第三步:总结:前言:当你想通过命令窗口想打开mysql时候发现提http://www.cpp

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

MySQL错误代码2058和2059的解决办法

《MySQL错误代码2058和2059的解决办法》:本文主要介绍MySQL错误代码2058和2059的解决办法,2058和2059的错误码核心都是你用的客户端工具和mysql版本的密码插件不匹配,... 目录1. 前置理解2.报错现象3.解决办法(敲重点!!!)1. php前置理解2058和2059的错误

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

MySQL INSERT语句实现当记录不存在时插入的几种方法

《MySQLINSERT语句实现当记录不存在时插入的几种方法》MySQL的INSERT语句是用于向数据库表中插入新记录的关键命令,下面:本文主要介绍MySQLINSERT语句实现当记录不存在时... 目录使用 INSERT IGNORE使用 ON DUPLICATE KEY UPDATE使用 REPLACE

MySQL Workbench 安装教程(保姆级)

《MySQLWorkbench安装教程(保姆级)》MySQLWorkbench是一款强大的数据库设计和管理工具,本文主要介绍了MySQLWorkbench安装教程,文中通过图文介绍的非常详细,对大... 目录前言:详细步骤:一、检查安装的数据库版本二、在官网下载对应的mysql Workbench版本,要是