第6.4章:StarRocks查询加速——Colocation Join
目录
一、StarRocks数据划分
1.1 分区
1.2 分桶
二、Colocation Join实现原理
2.1 Colocate Join概述
2.2 Colocate Join实现原理
三、应用案例
注:本篇文章阐述的是StarRocks-3.2版本的Colocation Join
官网文章地址:
Colocate Join | StarRocks
一、StarRocks数据划分
在介绍Colocation Join之前,再回顾下StarRocks的数据划分及tablet多副本机制。
StarRocks支持两层的数据划分,第一层是Range Partition,第二层是Hash Bucket(Tablet)。StarRocks的数据表按照分区分桶规则,被水平切分成若干个数据分片(Tablet,也称作数据分桶 Bucket)存储在不同的be节点上,每个tablet都有多个副本(默认是3副本)。各个 Tablet 之间的数据没有交集,并且在物理上是独立存储的。Tablet 是数据移动、复制等操作的最小物理存储单元。 一个 Tablet 只属于一个数据分区(Partition),而一个 Partition 包含若干个 Tablet。
下图说明 Table、Partition、Bucket(Tablet) 的关系:
-
假设Table 按照 Range 的方式按照 date 字段进行分区,得到了 N 个 Partition
-
每个 Partition 通过相同的 Hash 方式将其中的数据划分为 M 个 Bucket(Tablet)
-
从逻辑上来说,Bucket 1 可以包含 N 个 Partition 中划分得到的数据,比如下图中的 Tablet 11、Tablet 21、Tablet N1
1.1 分区
逻辑概念,分区用于将数据划分成不同的区间,主要作用是将一张表按照分区键拆分成不同的管理单元。查询时,通过分区裁剪,可以减少扫描的数据量,显著优化查询性能。
1.2 分桶
物理概念,StarRocks一般采用Hash算法作为分桶算法。在同一分区内,分桶键哈希值相同的数据会划分到同一个tablet(数据分片),tablet以多副本冗余的形式存储,是数据均衡和恢复的最⼩单位,数据导入和查询最终都下沉到所涉及的 tablet副本上。
二、Colocation Join实现原理
2.1 Colocate Join概述
在数据分布满足一定条件的前提下,计算节点只需做本地 Join,减少跨节点的数据移动和网络传输开销,提高查询性能。Colocate Join 十分适合几张大表按照相同字段分桶的场景,这样可以将数据预先存储到相同的分桶中,实现本地计算。
要理解这个算法,需要先了解以下几个概念:
- Colocation Group(CG):同一 CG 内的表需遵循相同的 Colocation Group Schema(CGS),即表对应的分桶副本具有一致的分桶键、副本数量和副本放置方式。如此可以保证同一 CG 内,所有表的数据分布在相同一组 BE 节点上。
- Colocation Group Schema(CGS):用于描述一个 CG 中的Table,和Colocation相关的通用 Schema 信息。包括分桶列类型,分桶数以及副本数等。
- 分桶编号Bucket Seq:一个表的数据,根据分桶列 Hash、对桶数取模后落在某一个分桶内。假设一个 Table 的分桶数为 8,则共有 [0, 1, 2, 3, 4, 5, 6, 7] 8 个分桶(Bucket)。因此【分桶列 Hash %桶数 】一致的数据会划分到同一个桶中。
2.2 Colocate Join工作原理
Colocation Join 功能,是将一组拥有相同CGS 的 Table 组成一个 CG。并保证这些 Table 对应的数据分片会落在同一个 BE 节点上。使得当 CG 内的表进行分桶列上的 Join 操作时,可以通过直接进行本地数据 Join,减少数据在节点之间的传输耗时。
因此核心问题直接转变成【如果保证这些table对应的数据分片会落在同一个be节点上?】
同一 CG 内的Table必须保证以下属性:
(1)分桶列和分桶数
同一 CG内表的分桶键的类型、数量和顺序完全一致,并且桶数一致,从而保证多张表的数据分片能够一一对应地进行分布控制。
分桶列,即在建表语句中distributed by hash(col1, col2, ...) 中指定的列。分桶列决定了一张表的数据通过哪些列的值进行Hash划分到不同的Tablet 中。同一 CG内的 Table 必须保证分桶列的类型和数量完全一致,并且桶数一致,才能保证多张表的数据分片能够一一对应的进行分布控制。
(2)副本数
同一个 CG内所有表的所有分区(Partition)的副本数必须一致。如果不一致,可能出现某一个 Tablet 的某一个副本,在同一个 BE 上没有其他的表分片的副本对应。不过,同一个 CG 内的表,分区的个数、范围以及分区列的类型不要求一致。
ps:同一个 CG 内所有表的分区键,分区数量可以不同。因为Partition只是一个逻辑上的分区,真正影响数据分布在哪一个BE节点的是由Bucket决定的。
综上,在固定了分桶列和分桶数后,同一个CG内的表会拥有相同的Buckets Seq。而副本数决定了每个分桶内的 Tablet 的多个副本分别存放在哪些 BE 上。假设Buckets Seq为 [0, 1, 2, 3, 4, 5, 6, 7],BE 节点有 [A, B, C, D] 4个。则一个可能的数据分布如下:
CG 内表的一致的数据分布定义和tablet副本映射,能够保证分桶列值相同的数据都在同一个 BE 节点上,可以进行本地数据 Join。其核心思想是「两次映射」,保证相同的 Distributed Key 的数据会被映射到相同的 Bucket Seq,再保证 Bucket Seq对应的 Bucket 映射到相同的 BE 节点:
三、应用案例
Colocation Join的使用案例见官网:
Colocate Join | StarRocks本小节介绍如何使用 Colocate Join。https://docs.starrocks.io/zh/docs/3.1/using_starrocks/Colocate_join/
参考文章:
Apache Doris的Colocation join本地join实现_colocation 怎么做-CSDN博客
Apache Doris的Colocation join本地join实现_colocation 怎么做-CSDN博客
系统架构 | StarRocks
第2.9章:StarRocks表设计--Colocation Join_show colocation_group-CSDN博客
Colocate Join | StarRocks
Apache Doris Join 优化原理介绍 - 掘金
编程小梦|Apache Doris Colocate Join 原理与实践