vertica列式分析数据库汇总Word格式文档下载.docx
- 文档编号:13918233
- 上传时间:2022-10-15
- 格式:DOCX
- 页数:6
- 大小:261.57KB
vertica列式分析数据库汇总Word格式文档下载.docx
《vertica列式分析数据库汇总Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《vertica列式分析数据库汇总Word格式文档下载.docx(6页珍藏版)》请在冰豆网上搜索。
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Sharednothing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
vertica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
oracle
vertica
加载方法
SQLLOADER
LOADSCRIPTS
耗时
约6mins
1min20s
cpu使用
约15%
约100%
OS
windows
linux
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
操纵语句
insert
19.9s
约2mins
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:
selectcount(*)asB5
fromCfcs_B1_Alla
leftjoinDIM_T_HY1b
on(a.HY_DM=b.HYW_DM)
where(b.HYML_DM='
02'
)
约4s
约2s
约10%
案例2sql如下:
selectsum(a.zb1)asB2,'
1'
asA2
where(a.HY_DMLIKE'
A%'
约3s
约1s
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vertcia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Sharednothing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下的测试结果
报表期
月度
数据量
约15w
占全表数据比率
约3%
总耗时
26.7s
3.9s
其中:
delete当月数据
15.7s
2.6s
load加载
11s
1.3s
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:
年度
约180w
约36%
178s
21.8s
82s
2.8s
96s
19s
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:
UPDATEcfcs_b1_alltSETt.zb1=zb1-1WHEREt.bbq_LIKE'
2007%'
这个update语句影响行数大约180w,以下是结果:
137s
26s
没有想到vertica在update操作上也有如此好的表现,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Sharednothing架构的集群技术,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
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- vertica 分析 数据库 汇总