前言：
目前小伙伴们对“beeline f执行sql文件”大约比较关切，朋友们都需要剖析一些“beeline f执行sql文件”的相关内容。那么小编同时在网摘上汇集了一些对于“beeline f执行sql文件””的相关内容，希望咱们能喜欢，朋友们一起来学习一下吧！01
背景
由于业务形式的发展，越来越多的需求需要对交易数据进行实时分析，例如推荐、决策、监控等，传统的处理办法是使用ETL的方式把OLTP业务产生的数据同步到OLAP的数据数据库，导致了数据需要在不同的数据库之间流转，耗费时间成本的同时需要耗费人力成本运维多套数据库产品。
近年来业界开始兴起HTAP的概念，对于数据库，HTAP代表一个数据库既能支持OLTP(在线事务处理)，又能支持OLAP(在线分析处理)，从而满足大部分企业级应用的需求。相比传统使用多款数据库进行不同的业务处理方式，HTAP数据库能够避免传统复杂的ETL过程，省去数据在不同数据库之间的流转时间；同时避免维护多一套用于分析的数据库，从而节省人力和时间的成本，提高数据的价值。
SequoiaDB巨杉数据库采用“计算存储分离”架构，支持MySQL、PostgreSQL与SparkSQL三种关系型数据库实例、类MongoDB的JSON文档类数据库实例、以及S3对象存储与Posix文件系统的非结构化数据实例。在事务场景可以利用SDBAPI、MySQL和PGSQL实例对数据进行操作，在分析场景借助分布式计算框架Spark的并发计算性能，提高计算效率，从而实现HTAP功能
02
技术特性
巨杉数据库作为一款优秀的分布式数据库有着许多技术优势：分布式多节点、支持索引、基于代价的优化器、对应用透明的数据分片、高性能与无限水平弹性扩展能力、分布式事务与 ACID 能力、标准SQL兼容、多种物理与逻辑的资源隔离能力。OLTP业务关注的是实时在线业务，要求是支持事务、低延时、高吞吐量。而OLAP业务主要是报表分析等大规模数据分析场景，所以更关注的是数据库的存储和计算能力。巨杉数据库使用计算-存储分离的架构能够同时搭配多种不同的SQL实例。例如面向联机事务的交易型的MySQL和PostgreSQL实例，面向复杂联机分析的SparkSQL实例。
因此，针对HTAP场景，我们以最简单的3副本举例，把SequoiaDB的副本设置为3，三副本的数据是保持一致的。其中，我们通过业务域的设置，以及巨杉数据库读写分离的功能，使得联机交易型业务访问其中的两个副本，分析型业务访问第三副本。这样，在三副本互相独立的的基础上，分别支撑了联机业务和分析业务的不同负载，避免了抢占资源的情况，极大降低了OLTP和OLAP业务同时运行造成的性能瓶颈。
03
安装部署
3.1 部署环境
服务器分布
服务器
服务名称
192.168.106.151
sdbserver1
192.168.106.152
sdbserver2
192.168.106.153
sdbserver3
服务器配置
虚拟机数量：3台
CPU
4CORE
内存
8GB
磁盘
100GB*3
操作系统
Centos 7.4
2) 软件配置
操作系统：Centos7.4
JDK版本：1.8.0_80 64位
SequoiaDB版本：3.4
MySQL版本：5.7.24
Spark版本：2.3.4
Sysbench版本：1.0.19
TPC-DS_tools版本：2.10.0
3.2 物理架构
本文以三台虚拟服务器进行实践，下图为部署的物理架构：
本部署架构每台服务均部署了MySQL和Spark实例。部署多个MySQL能够均衡联机事务交易请求，同时避免单点故障。Spark计算引擎在每台机器也部署了计算节点，增强其分析能力。但是需要均衡在线事务处理和在线分析处理进程之间资源。
SequoiaDB巨杉数据库在每个磁盘均部署了数据节点，能够充分利用磁盘的读写能力，在Spark计算引擎读写繁忙的情况下，会产生较大的网络传输从而侵占MySQL实例在线事务处理的带宽资源，所以生产环境下Spark和MySQL实例可以配置使用不同的网卡。
3.3 MySQL部署
解压mysql安装包
tar -zxvf sequoiasql-mysql-3.4-linux_x86_64-enterprise-installer.tar.gz
运行安装程序(安装MySQL实例需要root用户)，后根据提示设置。
./sequoiasql-mysql-3.4-linux_x86_64-enterprise-installer.run --mode text
切换用户和目录
su - sdbadmin
进入MySQL安装目录
cd /opt/sequoiasql/mysql
添加实例
bin/sdb_sql_ctl addinst myinst -D database/3306/
查看实例状态
bin/sdb_sql_ctl status
配置 SequoiaDB 连接地址
bin/sdb_sql_ctl chconf myinst --sdb-conn-addr=sdbserver1:11810,sdbserver2:11810,sdbserver3:11810
登录MySQL Shell
bin/mysql -S database/3306/mysqld.sock -u root
设置远程连接
mysql> UPDATE mysql.user SET host='%' WHERE user='root';Query OK, 1 row affected (0.00 sec)Rows matched: 1 Changed: 1 Warnings: 0mysql> FLUSH PRIVILEGES;Query OK, 0 rows affected (0.00 sec)
设置MySQL的root用户密码
ALTER USER root@'%' IDENTIFIED BY 'xxxxxx';
重新登录MySQL Shell
bin/mysql -S database/3306/mysqld.sock -u root -p
设置SquoiaDB 存储引擎的用户密码
mysql> SET GLOBAL sequoiadb_user="sdbapp";Query OK, 0 rows affected (0.00 sec)mysql> SET GLOBAL sequoiadb_password="xxxxxx"; Query OK, 0 rows affected (0.00 sec)
创建数据库实例
mysql> CREATE DATABASE company;Query OK, 1 row affected (0.00 sec)mysql> USE company;Database changed
创建表
CREATE TABLE employee(id INT AUTO_INCREMENT PRIMARY KEY, name VARCHAR(128), age INT);
插入数据
mysql> INSERT INTO employee(name, age) VALUES("Jacky", 36);
查询数据
mysql> SELECT * FROM employee;+----+-------+------+| id | name | age |+----+-------+------+| 1 | Jacky | 36 |+----+-------+------+1 row in set (0.01 sec)
使用巨杉数据库shell模式查询数据
sdb> db.company.employee.find(){ "_id": { "$oid": "5e06e9fe9e042335be553af6" }, "name": "Jacky", "age": 36, "id": 1}Return 1 row(s).Takes 0.000794s.三台服务器均安装MySQL实例后需要进行元数据同步配置
请参考巨杉数据库官网进行配置
3.4 Spark部署
从spark官网下载使用(sdbadmin用户)
wget
解压到opt目录下
tar -zxvf spark-2.4.4-bin-hadoop2.7.tgz -C /opt
进入配置文件conf目录
cd /opt/spark-2.4.4-bin-hadoop2.7/conf
设置spark-env.sh
SPARK_WORKER_INSTANCES=2SPARK_MASTER_IP=192.168.106.151
设置spark-defaults.conf
spark.sql.cbo.enabled truespark.sql.cbo.joinReorder.dp.star.filter true spark.sql.cbo.joinReorder.dp.threshold 1024spark.sql.cbo.joinReorder.enabled true spark.sql.cbo.starSchemaDetection truespark.sql.crossJoin.enabled true
设置slaves
sdbserver1sdbserver2sdbserver3
创建设置元数据数据库配置文件hive-site.xml
<configuration> <property> <name>hive.metastore.schema.verification</name> <value>false</value> </property> <property> <name>javax.jdo.option.ConnectionURL</name> <value>jdbc:mysql://sdbserver1:3306/metastore</value> <description>JDBC connect string for a JDBC metastore</description> </property> <property> <name>javax.jdo.option.ConnectionDriverName</name> <value>com.mysql.jdbc.Driver</value> <description>Driver class name for a JDBC metastore</description> </property> <property> <name>javax.jdo.option.ConnectionUserName</name> <value>root</value> </property> <property> <name>javax.jdo.option.ConnectionPassword</name> <value>xxxxxx</value> </property> <property> <name>datanucleus.autoCreateSchema</name> <value>true</value> <description>creates necessary schema on a startup if one doesn't exist. set this to false, after creating it once</description> </property></configuration>
拷贝驱动到spark的jars目录下
拷贝sequoiadb 和spark的连接驱动
cp /opt/sequoiadb/spark/spark-sequoiadb_2.11-3.4.jar /opt/spark-2.4.4-bin-hadoop2.7/jars/
拷贝mysql驱动(mysql驱动需要到mysql官网下载)
cp /home/sdbadmin/mysql-connector-java-5.1.47.jar /opt/spark-2.4.4-bin-hadoop2.7/jars/
拷贝sequoiadb的java驱动
cp /opt/sequoiadb/java/sequoiadb-driver-3.4.jar /opt/spark-2.4.4-bin-hadoop2.7/jars/
进入MySQL Shell，创建元数据库
mysql> CREATE DATABASE metastore CHARACTER SET 'latin1' COLLATE 'latin1_bin';
设置免密
三台机器均执行ssh-keygen生成公钥和密钥
ssh-keygen
在sdbserver1机器执行ssh-copy-id，把公钥拷贝到其他两台机器
ssh-copy-id sdbadmin@sdbserver1ssh-copy-id sdbadmin@sdbserver2ssh-copy-id sdbadmin@sdbserver3
分发Spark到另外两台机器
scp -r /opt/spark-2.4.4-bin-hadoop2.7 sdbadmin@sdbserver2:/opt/scp -r /opt/spark-2.4.4-bin-hadoop2.7 sdbadmin@sdbserver3:/opt/
启动Spark
/opt/spark-2.4.4-bin-hadoop2.7/sbin/start-all.sh
启动thriftserver
/opt/spark-2.4.4-bin-hadoop2.7/sbin/start-thriftserver.sh --master spark://sdbserver1:7077 --executor-cores 2 --total-executor-cores 12 --executor-memory 2g
进入beeline测试sql
/opt/spark-2.4.4-bin-hadoop2.7/bin/beeline
连接thriftserver
beeline> !connect jdbc:hive2://localhost:10000
创建Spark-sql映射表
0: jdbc:hive2://localhost:10000> create database company;0: jdbc:hive2://localhost:10000>create table company.employee(id int,name string,age int) using com.sequoiadb.spark OPTIONS ( host 'sdbserver1:11810,sdbserver2:11810,sdbserver3:11810' ,collectionspace 'company', collection 'employee', username 'sdbapp',password 'xxxxxx');
运行分析类SQL，测试是否部署对接成功。
0: jdbc:hive2://localhost:10000> select avg(age) from company.employee;+-----------+--+| avg(age) |+-----------+--+| 36.0 |+-----------+--+1 row selected (1.838 seconds)
04
性能对比
HTAP场景测试
为了测试 OLTP 和 OLAP 同时运行时对集群性能的影响，使用 MySQL 基准测试工具 Sysbench 进行测试 MySQL，使用 TPC-DS 决策支持系统测试基准测试 Spark-sql。本次 Sysbench 测试场景有：读写(oltp_read_write)、点查(oltp_point_select)、索引更新(oltp_update_index)三个场景。TPC-DS 测试场景选取99条SQL中的前30条进行测试，测试案例包含了较高的 IO 负载和 CPU 计算需求，同时具有利用巨杉数据库的特性对数据进行优化的特点。
测试结果如下：
通过上面图表展示的测试结果，可以看到 OLTP 与 OLAP 和 HTAP 场景下的对比，可以出 SequoiaDB 巨杉数据库在 HTAP 混合场景下依然能表现优异性能，对各自场景性能影响较小。
05
相关优化
5.1 数据存储规划
根据复制组和域的概念实现的资源隔离与分区方式结合，可以把不同的数据类型使用域的逻辑概念把复制组进行隔离，然后使用适当的分区方式把数据打散到不同的复制组。
基于多租户架构规划：一个数据库通常承载着多种业务系统，为了避免不同业务之间的性能影响，根据业务系统的存储量、并发大小、数据生命周期等划分不同的数据域承载相应的数据读写。
基于数据分区方式规划：结合当前表的数据特性选择合适的分区方式，如：
1）档案类数据类数据 ，可以使用水平分区按ID散列到不同的数据组保证数据均衡无热点。
2）流水类数据选择混合分区的方式创建多维分区表进行存放，把不同时间段的数据分布在不同的数据组。多维分区表的好处有：1、当访问某时间范围的数据能够直接定位到子分区，避免扫描全表数据从而降低IO。2、在集群扩容时，把扩展的子表创建在新的机器，无需执行rebalance的操作即可完成表存储空间的扩容。
5.2 SequoiaSQL-MySQL优化
1）高可用。集群的MySQL实例均可以提高读写操作，由于各实例的元数据均只存储在该实例本身，SequoiaSQL-MySQL 提供了元数据同步工具，用来保证 MySQL 服务的高可用。同步工具及部署操作可以参考官网。
2）提高MySQL实例最大连接数。
3）为每个MySQL实例配置多个协调节点，均衡协调节点压力，防止单个协调节点失效，引发MySQL实例单点故障。
4）其他优化项详细可参照巨杉数据库官网的配置项列表。
5.3 Spark计算引擎优化
1）Spark开启CBO基于代价的优化，根据数据的特点选择代价最小的物理执行计划，决定是否进行广播优化。
2）适当增大WORKER的数量，设置合理的WORKER核数和内存。
3）选择高效的序列化方式。默认为org.apache.spark.serializer.JavaSerializer，但是为了提升性能，应该选择org.apache.spark.serializer.KryoSerializer 序列化。
4）设置合理的shuffle分区数，使shuffle后的数据能够加入更多的的task数量，从而提高SQL执行的并行度。
5）设置Spark读取数的节点为从节点，避免从主节点读取大量数据造成压力。
06
小结
SequoiaDB巨杉数据库采用计算存储分离架构，在计算层可以创建多种实例以满足同一集群不同场景的业务需要。本文讲述了MySQL和SparkSQL实例的部署和SequoiaDB巨杉数据库进行对接操作，并利用Sysbench和TPC-DS工具分别在OLTP、OLAP和HTAP场景下进行性能测试，我们可以看到在HTAP场景下，SequoiaDB针对不同业务的性能表现没有受到影响，保证业务的正常高效。
标签： #beeline f执行sql文件
