ByConity BSP 解锁数据仓库新未来

在这里插入图片描述

文章目录

- 前言
- BSP 模式简介
- 基于 TPC-DS 的 ELT 活动
- - 测试环境
  - 登录 ECS
  - 数据查询配置
- 执行 02.sql
- - sql解释：
  - - 1. 第一步：创建 wscs 临时表
    - 2. 第二步：创建 wswscs 临时表
    - 3. 第三步：对比 2001 年和 2002 年的数据
    - - 子查询 1：提取 2001 年数据
      - 子查询 2：提取 2002 年数据
      - 主查询：对比相邻年份的销售额
    - 最终输出：
- 测试结果与心得
- 总结

前言

在现代数据分析场景中，实时数仓与离线数仓各有侧重：实时数仓注重低延迟的数据入库与即时分析能力，而离线数仓则强调复杂任务的稳定执行及高效的内存管理。为满足用户多样化的数据需求，ByConity 作为一款开源云原生数据仓库，提供了全新的 BSP 模式，大幅提升了数据仓库的适用场景与性能表现。

BSP 模式简介

BSP 模式（Bulk Synchronous Parallel）为 ByConity 带来了以下关键能力：

Task 级容错：在数据处理过程中实现更高效的错误恢复机制，确保任务的稳定性。
更细粒度的调度：以任务为单位进行资源调度，优化计算资源的使用效率。
资源感知调度：根据当前资源情况动态调整任务分配，提升并行执行的效率。

通过 BSP 模式，ByConity 实现了一站式的数据接入、加工和分析流程，为用户提供了更加便捷、高效的数据分析工具。

基于 TPC-DS 的 ELT 活动

为了让用户直观感受 BSP 模式的强大性能，ByConity 提供了基于 TPC-DS 1TB 数据集 的测试活动。以下是完整的测试过程分享。

测试环境

测试环境基于火山引擎 ECS，采用以下配置：

组件	规格
ByConity 版本	v1.0.1
Worker 节点	4 * 16core 64G
Server 节点	1 * 16core 64G
TSO	1 * 4core 16G
Daemon Manager	1 * 4core 16G
Resource Manager	1 * 8core 32G
存储	对象存储 TOS
FoundationDB	3 * 4core 16G

登录 ECS

根据活动提供的登录凭据，通过 SSH 连接到远程 ECS 服务器。以下为登录过程：

MacOS 用户：
- 打开终端，输入以下命令并回车：
```
ssh -p 23 root@14.103.145.182
```
- 输入 yes 确认连接，并输入提供的登录密码。
避免断连：创建 tmux 会话：
```
tmux new -s your_session_name
```

启动客户端：
```
clickhouse client --port 9010
```

数据查询配置

切换至测试数据库：
```
use test_elt;
```

设置 SQL 方言：
```
set dialect_type = 'ANSI';
```

执行 02.sql

执行 TPC-DS 测试集查询， source 02.sql; 如下：

with wscs as(select sold_date_sk,sales_pricefrom (select ws_sold_date_sk sold_date_sk,ws_ext_sales_price sales_pricefrom web_sales union allselect cs_sold_date_sk sold_date_sk,cs_ext_sales_price sales_pricefrom catalog_sales) x),wswscs as (select d_week_seq,sum(case when (d_day_name='Sunday') then sales_price else null end) sun_sales,sum(case when (d_day_name='Monday') then sales_price else null end) mon_sales,sum(case when (d_day_name='Tuesday') then sales_price else  null end) tue_sales,sum(case when (d_day_name='Wednesday') then sales_price else null end) wed_sales,sum(case when (d_day_name='Thursday') then sales_price else null end) thu_sales,sum(case when (d_day_name='Friday') then sales_price else null end) fri_sales,sum(case when (d_day_name='Saturday') then sales_price else null end) sat_salesfrom wscs,date_dimwhere d_date_sk = sold_date_skgroup by d_week_seq)select d_week_seq1,round(sun_sales1/sun_sales2,2),round(mon_sales1/mon_sales2,2),round(tue_sales1/tue_sales2,2),round(wed_sales1/wed_sales2,2),round(thu_sales1/thu_sales2,2),round(fri_sales1/fri_sales2,2),round(sat_sales1/sat_sales2,2)from(select wswscs.d_week_seq d_week_seq1,sun_sales sun_sales1,mon_sales mon_sales1,tue_sales tue_sales1,wed_sales wed_sales1,thu_sales thu_sales1,fri_sales fri_sales1,sat_sales sat_sales1from wswscs,date_dim where date_dim.d_week_seq = wswscs.d_week_seq andd_year = 2001) y,(select wswscs.d_week_seq d_week_seq2,sun_sales sun_sales2,mon_sales mon_sales2,tue_sales tue_sales2,wed_sales wed_sales2,thu_sales thu_sales2,fri_sales fri_sales2,sat_sales sat_sales2from wswscs,date_dim where date_dim.d_week_seq = wswscs.d_week_seq andd_year = 2001+1) zwhere d_week_seq1=d_week_seq2-53order by d_week_seq1;

sql解释：

这段 SQL 语句实现了对比两个年份（2001年和2002年）的每周日到周六的销售数据的相对变化。以下是对其结构和逻辑的详细解析：

1. 第一步：创建 wscs 临时表

with wscs as(select sold_date_sk, sales_pricefrom (select ws_sold_date_sk sold_date_sk, ws_ext_sales_price sales_pricefrom web_sales union allselect cs_sold_date_sk sold_date_sk, cs_ext_sales_price sales_pricefrom catalog_sales) x)

功能：

将 web_sales 和 catalog_sales 两个表的数据合并到一个统一的临时表 wscs 中。
提取销售日期键 (sold_date_sk) 和销售价格 (sales_price) 两列。

逻辑：

web_sales 表：
- 提取 ws_sold_date_sk（销售日期）和 ws_ext_sales_price（销售额）。
catalog_sales 表：
- 提取 cs_sold_date_sk（销售日期）和 cs_ext_sales_price（销售额）。
union all：
- 不去重地合并两表的记录。

2. 第二步：创建 wswscs 临时表

 wswscs as (select d_week_seq,sum(case when (d_day_name='Sunday') then sales_price else null end) sun_sales,sum(case when (d_day_name='Monday') then sales_price else null end) mon_sales,sum(case when (d_day_name='Tuesday') then sales_price else  null end) tue_sales,sum(case when (d_day_name='Wednesday') then sales_price else null end) wed_sales,sum(case when (d_day_name='Thursday') then sales_price else null end) thu_sales,sum(case when (d_day_name='Friday') then sales_price else null end) fri_sales,sum(case when (d_day_name='Saturday') then sales_price else null end) sat_salesfrom wscs,date_dimwhere d_date_sk = sold_date_skgroup by d_week_seq)

功能：

按照每周的编号（d_week_seq）计算每周每天（周日到周六）的总销售额。

逻辑：

关联 wscs 和 date_dim 表：
- 利用 d_date_sk = sold_date_sk，将销售日期与日期维表匹配。
按周聚合：
- 利用 d_week_seq 对每周数据分组。
case when 语句：
- 对每天的销售额分别求和，忽略不属于该天的数据。

结果：
wswscs 包含每周每天的销售额字段，例如 sun_sales、mon_sales 等。

3. 第三步：对比 2001 年和 2002 年的数据

子查询 1：提取 2001 年数据

 (select wswscs.d_week_seq d_week_seq1,sun_sales sun_sales1,mon_sales mon_sales1,tue_sales tue_sales1,wed_sales wed_sales1,thu_sales thu_sales1,fri_sales fri_sales1,sat_sales sat_sales1from wswscs, date_dim where date_dim.d_week_seq = wswscs.d_week_seq andd_year = 2001)

提取 2001 年的每周每天销售额，并标记为 *_sales1。
d_week_seq1 表示 2001 年的周编号。

子查询 2：提取 2002 年数据

 (select wswscs.d_week_seq d_week_seq2,sun_sales sun_sales2,mon_sales mon_sales2,tue_sales tue_sales2,wed_sales wed_sales2,thu_sales thu_sales2,fri_sales fri_sales2,sat_sales sat_sales2from wswscs, date_dim where date_dim.d_week_seq = wswscs.d_week_seq andd_year = 2002)

提取 2002 年的每周每天销售额，并标记为 *_sales2。
d_week_seq2 表示 2002 年的周编号。

主查询：对比相邻年份的销售额

 select d_week_seq1,round(sun_sales1/sun_sales2,2),round(mon_sales1/mon_sales2,2),round(tue_sales1/tue_sales2,2),round(wed_sales1/wed_sales2,2),round(thu_sales1/thu_sales2,2),round(fri_sales1/fri_sales2,2),round(sat_sales1/sat_sales2,2)from ...where d_week_seq1 = d_week_seq2 - 53order by d_week_seq1;