- 1、本文档共19页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
哔哩哔哩基于Iceberg的智能数
据组织优化实践
杨金德-哔哩哔哩-高级开发工程师
DataFunSummit#2024
目录CONTENT
智能优化背景智能优化成果及规划
智能优化实践方案
01
智能优化背景
DataFunSummit#2024
湖仓一体架构与现状
•Iceberg表数量2K,数据总量40PB,日增100TB
•Trino日查询量3M,P99响应时间3s
Magnus
Icebergon
实时ETL
FlinkHDFS
数据优化
Spar离线ETLIcebergon
kHDFS
Alluxio
SDK
实时ETL交互式分析
Trino
OLAP场景查询加速
•排序
•多维排序:Z-order、HilbertCurve
•索引
•一般场景:BloomFilter、Bitmap、BloomRangeFilter
•日志场景:TokenBloomFilter、NgramBloomFilter、TokenBitmap、NgramBitmap
•预计算:聚合计算优化
用户使用门槛高
•利用这些丰富强大的优化手段实现查询加速,要求用户:
•对业务查询模式有清晰认知
•具备相关基础知识
•如何解决?
•自动分析用户查询,为Iceberg表配置合理的优化手段,透明地实现查询加速
02
智能优化实践方案
DataFunSummit#2024
概览
•查询模式分析
•智能推荐
•数据优化
查询模式分析
•需要分析什么类型的查询模式?
•以排序为例:
•提高字段聚集性,使得Iceberg文件级别MinMax索引可以过滤数据—过滤条件
•在orderby查询中可以省下局部排序的成本—orderby字段及类型
•过滤条件:
•字段
•类型:等值、范围
•是否能下推到Icebergconnector
查询模式分析
•过滤模式:过滤字段及过滤类型组合的集合
•Trino在生成逻辑计划的同时分析查询过滤模式,记录在查询信息中
•Magnus分析模块每天读取前一天的所有查询信息,将过滤模式按表聚合后,为智能推荐模块提供决策
依据
智能推荐
•过滤模式统计信息按字段聚合后,可以得出每个字段出现在过滤条件的百分比,作为排序字段选择依据
•多维排序:如何对比不同排序策略的优劣?
•采样数据,应用排序结果,通过查询对比:结果较准,但成本过高
•搭建估值模型对比:结果取决于模型准确度,成本低
智能推荐
•建立以过滤百分比为主、字段基数为辅的模型,配合经验性规则进行决策
•其他涉及的统计信息:
•最细粒度分区大小/文件数
•查询耗时
•查询读取数据量
智能推荐
•Magnus推荐模块每周对Iceberg表生成一组推荐的配置,同时将推荐配置
文档评论(0)