社区首页 >专栏 >可路由计算引擎实现前置数据库

可路由计算引擎实现前置数据库

石臻臻的杂货铺[同名公众号]

发布于 2023-03-11 09:24:43

5040

很多大机构都会有个中央数据仓库负责向应用提供数据服务。随着业务的发展，中央数据仓库的负载在持续增加。一方面，数仓是前端应用的数据后台，而前端应用不断增多，用户访问的并发数也不断增长。另一方面，数仓还要承担原始数据的批量离线处理，而批量任务不断增加，其数据量和计算量也在不断增大。所以，常常会出现中央数据库不堪重负的情况。表现出来的现象是：批量处理任务耗时过长，远远超过业务可以容忍的时限；在线数据查询响应太慢，用户长时间等待，满意度越来越差。特别是月末或者年末，计算量达到高峰的时候，这些问题会更加严重。

解决这个问题最容易想到的方法是提高中央数据仓库的负载能力，也就是对现有数仓进行扩容或者更换其他数仓产品。但是，数仓扩容涉及的软硬件成本都很高，频繁扩容意味着无法承受的巨大投入。而且，数据仓库一旦达到容量上限，这个办法也就不可行了。

将现有的数据仓库换成其他数仓产品的可行性也不高，这牵扯到多个部门、多种应用，更换的综合成本太高，风险也很大。即使真的换了，也不能保证很好的解决这个问题。

我们发现，现实中的很多应用都有这样一个特点：有一部分小量（热）数据访问频率远高于其它的大量（冷）数据，比如对最近几天数据的查询可能占全部查询的 80% 到 90%。我们可以利用这个特点来解决问题，具体做法是：在中央数据库和前端应用之间增加前置数据库，存放访问频次高的少量热数据。前端应用的查询请求统一提交给前置数据库，由前置库判断查询的是热数据还是冷数据，相应的访问本地数据，或将请求转发给中央数据仓库。最后，将热、冷数据计算结果整合后，统一返回给前端。前置库方案大致是下图这样：

这个方案中，数据流动的路径要遵循一定的数据路由规则：频繁出现的针对少量热数据的查询由前置数据库负责，偶尔出现的针对大量冷数据的查询由中央数仓负责。这样，中央数仓的负载大大降低，不再成为拖累性能的瓶颈。

但是，传统数据库或数仓软件却很难实现这种前置库方案。这是因为，数据库的计算能力是封闭的，只能计算库内的数据，很难实施计算路由规则、查询转发和结果整合等。而且，前置数据库和数据仓库一般是不同类型的软件产品，这时候会更难以实现这类跨库的运算。

按照我们设想的方案，前置库中只会存储少量热数据。如果将传统数据库用作前置库，就只能计算这些热数据，不能计算冷数据，更无法实现冷热数据整合。显然，我们也不可能让前置数据库存储全量数据，这会变成第二个中央数据仓库，不仅带来巨大的成本，也会造成重复建设。

如果不能在前置数据库上实现计算路由，就只能在前端应用上想办法。比如在界面上让用户自己选择数据源，但这会降低应用程序的易用性，影响用户满意度。再比如修改应用程序来实现路由和数据整合，但应用程序端并不擅长处理这类运算，结果会导致代码量会很大，开发维护成本高，还很难通用。

esProc SPL 是专业的结构化、半结构化计算引擎，提供开放的计算能力，数据可以从本地存储读取，也可以来自于各种异构数据源，能够轻松实现上述方案中的各种计算需求，非常适合承担前置数据库的作用。SPL 实现前置数据库的架构图大致是下图这样：

SPL 是轻量级计算引擎，热数据量不大时，可以单机部署，甚至可以直接嵌入前端应用中，系统建设成本相对于传统数据库要低很多。

SPL 实现数据路由规则的代码非常简捷。假设前端应用要按客户分组统计，输入参数是开始和结束年份。前端应用的请求中 90% 以上都是计算今年和去年的数据，所以将这两年的热数据存放在 SPL 的组表 sales.ctx 中，全量数据存仍放在中央数据库的 sales 表中。这时，前端应用的请求提交给前置库后，SPL 实现数据路由的代码大致是这样：

	A	B
1	=begin_year=2021	=end_year=2022
2	if begin_year>=year(now())-1	=file(“sales.ctx”).open().cursor@m(…;year(sdate)<=end_year)
3		return B2.groups(customer;sum(…),avg(…),…)
4	else	=connect(“DW”).query(“select customter,sum(…),avg(…) from sales where year(sdate)>=? And year(sdate)<=? group by customer”,begin_year,end_year)
5		return B4