「PostgreSQL」用MapReduce的方式思考,但使用SQL
对于那些考虑使用Citus的人来说,如果您的用例看起来很合适,我们通常愿意花一些时间与您一起帮助您了解Citus数据库及其可以提供的性能类型。我们通常与我们的一位工程师进行大约两个小时的配对,以完成此操作。我们将讨论架构,加载一些数据并运行一些查询。如果最后有时间,将相同的数据和查询加载到单节点Postgres中并查看我们如何进行比较总是很有趣。在看了多年之后,我仍然很高兴看到单节点数据库的性能提高了10到20倍,在高达100倍的情况下也是如此。
最好的部分是,它不需要对数据管道进行大量的重新架构。它所要做的只是一些数据建模以及与Citus的并行化。
第一步是分片
我们之前已经讨论过这一点,但是获得这些性能提升的首要关键是Citus将您的数据隐藏在更小的,更易于管理的部分。这些碎片(是标准Postgres表)分布在多个物理节点上。这意味着您可以从系统中获得更多的集体能力。当您定位单个分片时,它非常简单:查询被重新路由到基础数据,一旦获得结果,它就会返回它们。
用MapReduce的方式思考
MapReduce已经存在了很多年,并由Hadoop普及。关于大规模数据的问题是为了从中获得及时的答案,您需要对问题进行分解并并行进行操作。或者,您会找到一个非常快的系统。使用更大,更快的设备的问题在于,数据增长超过了硬件改进的速度。
MapReduce本身是一个框架,用于拆分数据,根据需要将数据改组到节点,然后在重新组合结果之前对数据的子集执行工作。让我们举一个例子,例如累计总浏览量。如果我们想在此基础上利用MapReduce,我们会将浏览量分成4个单独的存储桶。我们可以这样做:
for i = 1 to 4:
for page in pageview:
bucket[i].append(page)
现在,我们将有4个存储桶,每个存储桶都具有一组网页浏览量。从这里我们可以执行许多操作,例如搜索以找到每个存储桶中最近的10个,或计算每个存储桶中的综合浏览量:
for i = 1 to 4:
for page in bucket:
bucket_count[i]++
现在,通过合并结果,我们可以获得页面浏览总数。如果将工作分配到四个不同的节点,则与使用一个节点的所有计算来执行计数相比,可以看到性能大约提高了4倍。
MapReduce作为一个概念
MapReduce在Hadoop生态系统中广为人知,但您不必跳入Java来利用。Citus本身有多个不同的执行器来处理各种工作负载,我们的实时执行器实质上与成为MapReduce执行器是同义的。
如果您在Citus中有32个分片并运行SELECT count(*),我们将其拆分并运行多个计数,然后将最终结果汇总到协调器上。但是,除了计数(*)以外,您还可以做更多的事情,而平均值呢。对于平均值,我们从所有节点和计数中获得总和。然后,我们将总和与计数加在一起,并在协调器上进行最终数学运算,或者您可以将每个节点的平均值求和。实际上,它是:
SELECT avg(page), day FROM pageviews_shard_1 GROUP BY day; average | date ---------+---------- 2 | 1/1/2019 4 | 1/2/2019 (2 rows) SELECT avg(page), day FROM pageviews_shard_2 GROUP BY day; average | date ---------+---------- 8 | 1/1/2019 2 | 1/2/2019 (2 rows)
当我们将以上结果输入表中,然后取它们的平均值时,我们得到:
average | date ---------+---------- 5 | 1/1/2019 3 | 1/2/2019 (2 rows)
请注意,在Citus中,您实际上不必运行多个查询。在后台,我们的实时执行器可以处理它,实际上就像运行一样简单:
SELECT avg(page), day FROM pageviews GROUP BY day; average | date ---------+---------- 5 | 1/1/2019 3 | 1/2/2019 (2 rows)
对于大型数据集,MapReduce中的思路为您提供了无需费力即可获得出色性能的途径。最好的部分可能是您不必编写数百行来完成它,您可以使用与编写相同的SQL来完成。在幕后,我们负责繁重的工作,但是很高兴知道它在幕后如何工作。
- Geoserver + postgresql 中通过WFS获取数据时,使用PeropertyName 方式限制列数量,出现多余的列
- SQL——使用ADO方式连接sql server2000总出现连接不上的问题
- 使用navicat读取sql文件的方式远程复制网站数据库
- SQl CASE 语句的嵌套使用方式
- 比较使用sql*loader的直接加载方式和传统加载方式的性能差异
- SQL分页查询,纯Top方式和row_number()解析函数的使用及区别
- Spark SQL 编程API入门系列之Spark SQL的作用与使用方式
- C# 使用SqlDataReader方式使用数据做查询的例子
- PostgreSQL中使用SQL查询表结构(转自:http://deepfuture.iteye.com/blog/588758)
- MySQL数据库的迁移——使用*.sql文件操作方式
- PostgreSQL 使用psql插入参数到sql脚本文件中
- SQL游标的基本使用方式
- spring data jpa 想使用EntityManager 对sql 进行处理四种方式(第四种本人改写的)
- mybatis和spring整合的几种方式及使用注解简化sql(不使用xml方式写sql)
- 3.Spark SQL:使用反射方式、编程方式,将RDD转换为DataFrame
- 采用HADOOP的MAPREDUCE使用其他文件系统或数据库系统的方式
- 64位环境中使用SQL查询excel的方式解决
- django 的 ORM 单独使用 - vkill'blog - “技术本身没有太多价值,掌握了新的思考方式才是真的收获”
- Mybatis3.2.1使用例二:Mapper方式集成Spring、注解提供SQL
- hibernate使用jtds数据库驱动类利用windows认证方式连接remote sql server