Walrus

Introduction

walrus是一个轻量级 olap 查询框架。它支持多源异构数据源(hdfs,mysql,clickhouse,kylin,druid...)，采用 apache spark 作为聚合计算引擎，在雪花模型上通过 JSON 提供 ETL 建模和 ad hoc 数据查询服务。

Background

数据分析、ETL 开发人员的日常工作可能有 60%-80%(猜的)的时间在整合不同的数据源生成特定的数据报表，简单来说可能就是在写这样一条 sql:

SELECT 
    col_1,col_x..,
    AGGREGATE_FUNC(metric_1)..
FROM hdfs_table_1 a
 JOIN mysql_table_1 b ON a.xxx=b.xxx
 JOIN hdfs_table_2 c ON b.xxx=c.xxx
GROUP BY col_1...
UNION
SELECT 
    col_2,col_y..,
    AGGREGATE_FUNC(metric_2)..
FROM hdfs_table_3 a1
 JOIN hdfs_table_4   b1 ON a1.xxx=b1.xxx
GROUP BY col_2...
UNION
...

walrus 的目标就是将这些重复工作配置化，最大限度的减少代码开发。

Architecture

walrus 包含 walrus_server、online_runner、offline_runner 三个进程：

• walrus_server: Spring boot Web 程序，处理用户元数据管理、任务查询等请求。
• online_runner: spark 常驻进程。按需预先申请资源并缓存数据，实时监听、处理 walrus_server 的 online task 请求。当查询满足 online 数据时，任务会优先提交到 online_runner。
• offline_runner: spark 离线任务，由 walrus_server 通过本地(spark-submit)或者 thrift API 提交。

Features

• code-less: 配置化 etl、ad hoc query，可以减少开发、分析等人员 80%(拍脑袋得出的数字)左右的工作量。
• Heterogeneous data source integration: 异构数据源联合查询，高效整合各个数据源。
• High maintainability metadata management: 高可维护性元数据管理，数据口径、计算逻辑统一管理。
• High scalability: 所有节点无状态，支持水平扩展。
• High performance: 通过预缓存数据、合理切割任务、自定义查询计划重写(查询分支合并、数据倾斜优化...)等提供高性能查询服务。

Design

Execution

walrus 的执行过程：先解析查询成查询计划，对查询计划进行优化重写，最后翻译成 spark SQL 树并提交到 spark 执行。

• 解析器(parser): 根据 meta 把 query 解析成查询计划。你也可以定制自己的 parser。

  
  
  • 本文地址：Walrus- 一个轻量级 olap 查询框架
  • 本文版权归作者和AIQ共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出
  
  

• 查询计划(Logic Plan): 一棵 join+union 的嵌套树：
  

• 优化器(optimizer): 对查询计划树进行重写，默认的有分区合并优化器、数据 join 倾斜优化器。您可以根据自身的业务数据特点添加自己的 optimizer。

Metadata

简单来说，Walrus metadata 是对雪花模型的抽象。具体定义可参考 pb 文件。

• 视图(view): 一棵 join+union 的嵌套树，可以做到对事实表和维度表的多层次自由组合。

• 事实表(table)、维度表(dict): 业务事实表和关联维度表。

• 分区(partition)：事实表，维度表根据时间跨度和数据量按全量（A）、年（Y）、月（M）、天（D）、小时（H）分区。分区方式决定了任务的拆分粒度和并行度，所以合理选择分区方式可以提高计算效率。

  • 维度指标等信息各个分区单独存储，能减少历史重跑、业务变更等运维压力。
  • 每个分区数据分版本(tablet)保存，读写分离。

• 维度(dimension)、指标(metric): 除了常规的名称、类型等信息外，维度、指标还可以指定计算逻辑(derivedMode:select[直接 select], derived[派生], virtual[虚拟字段],join[关联])。指标目前支持的聚合函数有 SUM,MIN,MAX,COUNT,COUNT_DISTINCT,COUNT,COLLECT_LIST 等，你也可以在 aggregation 包下实现你自己的聚合函数。

联系我们

非常欢迎参与到 walrus 项目中来： https://github.com/WalrusOlap/walrus