Hologres（中文名互動式分析）是阿裡雲自研的一站式實時數倉，這個雲原生系統融合了實時服務和分析大資料的場景，全面相容PostgreSQL協定并與大資料生态無縫打通，能用同一套資料架構同時支援實時寫入實時查詢以及實時離線聯邦分析。它的出現簡化了業務的架構，為業務提供實時決策的能力，讓大資料發揮出更大的商業價值。從阿裡集團誕生到雲上商業化，随着業務的發展和技術的演進，Hologres也在持續不斷優化核心技術競争力，為了讓大家更加了解Hologres，我們計劃持續推出Hologres底層技術原理揭秘系列，從高性能存儲引擎到高效率查詢引擎，高吞吐寫入到高QPS查詢等，全方位解讀Hologres，請大家持續關注！
往期精彩内容：
- 2020年VLDB的論文《 Alibaba Hologres: A cloud-Native Service for Hybrid Serving/Analytical Processing 》
- Hologres揭秘： 首次公開！阿裡巴巴雲原生實時數倉核心技術揭秘
- 首次揭秘雲原生Hologres存儲引擎
- Hologres高效率分布式查詢引擎
- 高性能原生加速MaxCompute核心原理
- 優化COPY，批量導入性能提升5倍+
本期我們将揭秘Hologres如何支援超高QPS點查。
傳統的 OLAP 系統在業務中往往扮演着比較靜态的角色，以通過分析海量的資料得到業務的洞察（比如說預計算好的視圖、模型等），從這些海量資料分析到的結果再通過另外一個系統提供線上資料服務（比如HBase、Redis、MySQL等）。這裡的服務（Serving）和分析（Analytical）是個割裂的過程。與此不同的是，實際的業務決策過程往往是一個持續優化的線上過程。服務的過程會産生大量的新資料，我們需要對這些新資料進行複雜的分析。分析産生的洞察實時回報到服務，讓業務的決策更實時，進而創造更大的商業價值。
Hologres定位是一站式實時數倉，融合分析能力（Analytical）與線上服務(Serving)為一體，減少資料的割裂和移動。本文的内容将會針對Hologres的服務能力（核心為點查能力），介紹Hologres到底具備哪些服務能力，以及背後的實作原理。
通常我們所說的點查場景是指Key/Value查詢的場景，廣泛用于線上服務。由于點查場景的廣泛需求，市場上存在多種KV資料庫定位于支援高吞吐、低延時的點查場景，例如被大家廣而熟知的HBase，它通過自定義的一套API來提供點查的能力，在許多業務場景都能夠獲得較好的效果。但是HBase在實際使用中也會存在一定的缺點，這也使得很多業務從HBase遷移至Hologres，主要有以下幾點：
- 當資料規模大到一定程度的時候，HBase在性能方面将會有所下降，無法滿足大規模的點查計算，同時在穩定性上也變得不如人意，需要有經驗的運維支援
- HBase提供的是自定義API，上手有一定的成本。Hologres直接通過SQL提供高吞吐、低延時的點查服務。相比于其它KV系統提供自定義API，SQL接口無疑更加的簡單易用。
- HBase采用Schema Free設計，沒有資料類型，對于檢查資料品質，修正資料品質也帶來了複雜度，查錯難，修正難。Hologres具備與Postgres相容的幾乎所有主流資料類型，可以通過Insert/Select/Update/Delete标準SQL語句對資料進行檢視、更新。
- 在Hologres中的點查場景是指行存表基于主鍵（PK）的查詢。
--建行存表
BEGIN;
CREATE TABLE public.holotest (
"a" text NOT NULL,
"b" text NOT NULL,
"c" text NOT NULL,
"d" text NOT NULL,
"e" text NOT NULL,
PRIMARY KEY (a,b)
);
CALL SET_TABLE_PROPERTY('public.holotest', 'orientation', 'row');
CALL SET_TABLE_PROPERTY('public.holotest', 'time_to_live_in_seconds', '3153600000');
COMMIT;
-- Hologres通過SQL進行點查
select * from table where pk = ?; -- 一次查詢單個點
select * from table where pk in (?, ?, ?, ?, ?); -- 一次查詢多個點 點查場景技術實作難點
正常情況下，一條SQL語句的執行，需要經過SQL Parser進行解析成AST（抽象文法樹），再由Query Optimizer處理生成Plan（可執行計劃），最終通過執行Plan拿到計算結果。而要想通過SQL做到高吞吐、低延時、穩定的點查服務，則必須要克服如下困難：
- 在不破壞PostgreSQL生态的情況下，SQL接口如何做到高QPS？
- 如何做低甚至避免SQL解析與優化器的開銷
- 一套高效的Client SDK如何與後端存儲進行互動？
- 如何在低消耗的情況下，做到高并發的互動
- 如何減少消息傳遞過程中的開銷
- 如何感覺後端的壓力、配合做到最好的吞吐與延遲
- 後端存儲如何在高性能的情況下更加穩定？
- 如何最大化利用cpu資源
- 如何減少各種記憶體的配置設定與拷貝、避免熱點key等問題對系統帶來的不穩定性
- 如何減少冷資料IO的影響
在克服上述3大類困難後，整體的工作方式就可以非常的簡潔：在接入層(FrontEnd)上直接通過Client SDK與後端存儲通信。
下面将會介紹Hologres是如何克服以上3大困難，進而實作高吞吐低延時的點查。
降低、避免SQL解析與優化器的開銷
Query Optimizer進行Short Cut
由于點查的Query足夠簡單，Hologres的Query Optimizer進行了相應的short cut，點查Query并不會進入Opimizer的完整流程。Query進入FrontEnd後它會交由Fixed Planner進行處理，并由其生成對于的Fixed Plan（點查的實體Plan），Fixed Planner非常輕，無需經過任何的等價變換、邏輯優化、實體優化等步驟，僅僅是基于AST樹進行了一些簡單的分析并建構出對應的Fixed Plan，進而盡量規避掉優化器的開銷。
Prepared Statement
盡管Query Optimizer對點查Query進行了short cut，但是Query進入到FrontEnd後的解析開銷依然存在、Query Optimizer的開銷也沒有完全避免。
Hologres相容Postgres，Postgres的前、後端通信協定有extended協定與simple協定兩種：
- simple協定：是一次性互動的協定，Client每次會直接發送待執行的SQL給Server，Server收到SQL後直接進行解析、執行，并将結果傳回給Client。simple協定裡Server無可避免的至少需要對收到的SQL進行解析才能了解其語義。
- extended協定：Client與Server的互動分多階段完成，整體大緻可以分成兩大階段。
- 第一階段：Client在Server端定義了一個帶名字的Statement，并且生成了該Statement所對應的generic plan(不與特定的參數綁定的通用plan)。
- 第二階段：使用者通過發送具體的參數來執行第一階段中定義的Statement。第二階段可以重複執行多次，每次通過帶上第一階段中所定義的Statement名字，以及執行所需要的參數，使用第一階段生成的generic plan進行執行。由于第二階段可以通過Statement名字和附帶的參數來反複執行第一個階段所準備好的generic plan，是以第二個段在Frontend的開銷幾乎等同于0。
為此Hologres基于Postgres的extended協定，支援了Prepared Statement，做到了點查Query在Frontend上的開銷接近于0。
高性能的内部通信
BHClient是Hologres實作的一套用于與後端存儲直接通信的高效Private Client SDK，主要有以下幾個優勢：
1）Reactor模型、全程無鎖的異步操作
BHClient工作方式類似reactor模型，每個目标shard對應一個eventloop，以“死循環”的方式處理該shard上的請求。由于HOS對排程執行單元的抽象，即使是shard很多的情況下，這種工作方式的基礎消耗也足夠低。
2）高效的資料交換協定binary row
通過自定義一套内部的資料通信協定binary row來減少整個互動鍊路上的記憶體的配置設定與拷貝。
3）反壓與湊批
BHClient可以感覺後端的壓力，進行自适應的反壓與湊批，在不影響原有Latency的情況下提升系統吞吐。
穩定可靠的後端存儲
1）LSM(Log Structured Merge Tree)
Hologres的行存表采取LSM進行存儲，相比于傳統的B+樹，LSM能夠提供更高的寫吞吐，因為它不會出現任何的随機寫，Append Only的操作保證了其隻會順序的寫盤。
- 一個行存tablet上會存在一個memtable，和多個immutable memtable。
- 資料更新都會寫入到memtable中，當memtable寫滿後會轉變為immtable memtable，immutable memtable會Flush成Key有序的SST（Sorted String Table）檔案，SST檔案一旦生成則不能修改，是以不會發生随機寫的操作。
- SST檔案在檔案系統裡面按層組織，除了level 0上的SST檔案間無序，且存在overlap外，其它level上的SST檔案間有序，且無overlap。是以查詢的時候，對于level 0上的檔案需要逐個周遊，而其它level的檔案可以二分查找。底層的SST檔案通過Compaction成新的SST檔案去到更高層，是以低層的資料要比高層的新，是以一旦在某層上找到了滿足條件的key則無需往更高層去查詢。
2）基于C++純異步的開發
采用LSM對資料進行組織存儲的系統并不僅僅隻有Hologres，LSM在谷歌的"BigTable"論文中被提出後，很多的系統都對其進行了借鑒采用，例如HBase。Hologres采用C++進行開發，相較于Java，native語言使得我們能夠追求到更極緻的性能。同時基于HOS（Hologres Operation System）提供的異步接口進行純異步開發，HOS通過抽象ExecutionContext來自我管理CPU的排程執行，能夠最大化的利用硬體資源、達到吞吐最大化。
3）IO優化與豐富的Cache機制
Hologres實作了非常豐富的Cache機制row cache、block cache、iterator cache、meta cache等，來加速熱資料的查找、減少IO通路、避免新記憶體配置設定。當無可避免的需要發生IO時，Hologres會對并發IO進行合并、通過wait/notice機制確定隻通路一次IO，減少IO處理量。通過生成檔案級别的詞典及壓縮，減少檔案實體存儲成本及IO通路。
總結
Hologres緻力于一站式實時數倉，除了具備處理複雜OLAP分析場景的能力之外，還支援超高QPS線上點查服務，通過使用标準的Postgres SDK接口，就能通過SQL獲得低延時、高吞吐的線上服務能力，簡化學習成本，提升開發效率。
作者：周思華（花名：思召），阿裡巴巴技術專家，現從事互動式分析引擎Hologres研發工作。
後續我們将會陸續推出有關Hologres的技術底層原理揭秘系列，具體規劃如下，敬請持續關注！
- 深度解析高效率分布式查詢引擎
- Hologres揭秘：如何支援超高QPS線上服務（點查）場景
- Hologres揭秘：如何支援高吞吐Upsert
- Hologres揭秘：如何支援高并發查詢
- Hologres揭秘：如何支援高可用架構
- Hologres揭秘：如何支援資源隔離，支援多種負載
- Hologres揭秘：向量檢索引擎Proxima原理與使用實踐
- Hologres揭秘：讀懂執行計劃，查詢性能翻十倍
- Hologres揭秘：分布式系統如何設計Shard與Table Group
- Hologres揭秘：如何支援更多Postgres生态擴充包
- Hologres揭秘：高吞吐寫入Hologres的N種姿勢
- ......
感謝您的閱讀，也歡迎使用體驗Hologres，可以參考
使用手冊，同時也歡迎掃碼加入釘群進行技術交流：