当前位置:首页 > 报告详情

陈梁-腾讯大数据实时湖仓智能优化实践.pdf

上传人: 张** 编号:169096 2024-07-06 24页 3.03MB

1、DataFunCon#2024腾讯大数据实时湖仓智能优化实践演讲:陈梁-腾讯-级程师Contents目录湖仓架构智能优化服务场景化能力总结与展望湖仓架构HDFSCOSAuto OptimizeServiceSDK API易性 实时性能 查询性能 存储成本 运维成本智能优化服务CompactionServiceClusteringServiceExpirationServiceCleaningServiceIndexServiceAuto EngineService智能优化服务任务调度1.分钟/小时表Streaming 调度持续触发优化配置2.天/周/月表Commit Event事件触发按需触发

2、任务管理1.失败作业监控&自动恢复调度2.优化状态同步用户,明确优化&待优化表详情Compaction Service-old wayColumnarRowColumnarDecompressDecodeColumn to RowRow to ColumnEncodeCompress时效性资源消耗服务稳定性Compaction Service-new wayApache Parquet File Format Structure Magic Number:PAR1Row Group 0Column Column1Page 0Page 1Column Column2Page 0Page 1Row

3、 Group 1Column Column1Page 0Page 1FileMetaData(Version,Schema)FooterRow Group1 metadataColumn Colmn1 metadataType,encoding,offsetsColumn Colmn2 metadataType,encoding,offsetsRow Group2 metadataColumn Colmn1 metadataType,encoding,offsetsCompaction Service-new wayMagic Number:PAR1Row Group 0Column Colu

4、mn1Page 0Page 1Column Column2Page 0Page 1Magic Number:PAR2Row Group 0Column Column1Page 0Page 1Column Column2Page 0Page 1Magic Number:PAR3Row Group 0Column Column1Page 0Page 1Column Column2Page 0Page 1Row Group 1Column Column1Page 0Page 1Column Column2Page 0Page 1Magic Number:PAR1Row Group 0Column C

5、olumn1Page 0Page 1Column Column2Page 0Page 1Magic Number:PAR2Row Group 0Column Column1Page 0Page 1Column Column2Page 0Page 1Page CopyReCompressRowGroupCopy ReCompressCompaction Service-new wayPage Level 小文件合并大文件未开启BloomFilter列未发生变化 RowGroup Level 大文件合并更大文件仅涉及列裁剪仅涉及重新压缩智能优化服务落效果Compaction Service-更多优

6、化增量rewrite策略根基manifest/data file modify time 按时间线切分根据modify time 进行Partition级别增量Delete FilesLEFT ANTI JOIINData Files with Delete Files Delete FilesData Files without Delete Files UNION ALLJOIN POS DF and EQ DF,仅Open1次,避免频繁串行Apply增加Remove Dangling deletes Action,删除残留无引用的DELETE FILES Apply Bloom Inde

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文介绍了腾讯在2024年的大数据实时湖仓智能优化实践。主要内容包括湖仓架构、智能优化服务、Compaction Service的优化、Index Service、Clustering Service和Auto Engine Service。湖仓架构通过HDFS和COS实现Auto Optimize,提升实时性能和存储成本。智能优化服务包括Compaction、Clustering和Index Service,通过新的优化策略和任务调度,提高服务稳定性。Compaction Service通过新的方法提高了时效性和资源消耗。Index Service通过Framework同步和异步创建索引,提升查询性能。Clustering Service通过Zorder和Data Skipping优化数据存储和查询效率。Auto Engine Service通过Merge Partial Updates Action和异步Compaction实现多流拼接和主键表优化。最后,文章展望了未来的优化方向,包括湖仓格式、分布式dataFrame和智能化感知等。
"腾讯大数据实时湖仓实践如何优化性能?" "湖仓架构下,腾讯如何实现智能优化服务?" "腾讯大数据如何通过Compaction Service提升存储效率?"
客服
商务合作
小程序
服务号
折叠