草庐IT

使用 Rust 实现的现代化实时开源数据仓库

码农世界 2023-03-28 原文

一、简单介绍

TensorBase 是使用 Rust 实现的现代化实时开源数据仓库。

二、特性

  1. All in Rust。TensorBase 称已经在日常测试中经历数十 TB 的数据注入锤炼，是目前 Rust 社区中，面向用户特别是中小企业实际场景深度优化的、生产完成度最高的通用数据仓库类项目。
  2. 开箱即用。TensorBase 已经支持从数据插入或导入到查询完整数据仓库流程，具备了较高的早期完成度，用户可以从 TensorBase 的 Release 页下载相关 Linux 环境下的二进制文件，进行尝试。（Windows 10 的 WSL2 目前应该也可以使用）
  3. 兼容 ClickHouse 协议。ClickHouse 是一个 C++ 编写的数据仓库。TensorBase 则使用 Rust 语言从头开始实现了一个高性能的 ClickHouse SQL 方言解析器和 TCP 通讯协议栈。ClickHouse TCP 客户端可以无缝连接 TensorBase。
  4. 性能为先。TensorBase 期望通过新的软件和系统设计将现代硬件的所有潜力发挥出来。TensorBase 首次在核心链路代码上实现了 “F4”：Copy-free，Lock-free，Async-free，Dyn-free（无动态对象分发）。初步的性能评估显示：在 14.7 亿行的纽约出租车数据集上，TensorBase 的简单查询的性能上已经领先 ClickHouse。
  5. 化繁为简。目前的大数据系统使用非常复杂，即使想运行一个最简单的系统，都需要配置大量难以理解的参数或者安装大量第三方依赖。
  6. 对于用户，除了现在已经达成的开箱即用，TensorBase 希望系统在运行时能在自治运行，而不是依赖运维管理员。
  7. 对于开发者，TensorBase 希望将贡献门槛降低。整个项目架构设计简洁高效（更多信息参见后文），项目外依赖很少，完全重新编译（cargo clean 到 cargo build）的单机时间在 1 分钟之内。（大数据系统或者 C++ 数据库的完整构建时间往往以小时计。）
  8. 互联未来。TensorBase 在核心上改造了 Apache Arrow 和 DataFusion，无缝支持 Arrow 格式查询、分析和传输。Arrow 格式作为越来越广泛采用的大数据交换中间格式，已经被多个数据库及大数据生态平台所支持。TensorBase 在引擎上兼容 Arrow，未来可以同时支持云原生和云中立场景下的数据仓库体验，提供存储中立的数据湖服务。

三、架构

  • Base Server
  • TensorBase 服务接口层。对外提供数据的接口服务，比如数据的写入和查询入口。TensorBase 创造性的实现了世界上第一个非 C++ 的 ClickHouse TCP 协议服务栈，可以支持 ClickHouse 客户端（clickhouse-client 命令行）以及 native 协议语言驱动的直接连接。同时，Base Server 是第一个 async 中立的 Rust 高性能服务器。Base Server 基于改造的 Actix 事件循环，在服务的实现中完全不使用 async，在提供绝佳的可调试性的同时，评测性能也大幅超过基于 tokio 默认 async 表达层的实现。未来可以引入非 tokio 的网络 io 层实现。
  • Base Meta/Runtime/Storage
  • TensorBase 的元数据层、运行时层和存储层。在存储层，TensorBase 非经典的列式存储。这其中最重要的，我们给出了一个反重力设计：No LSM。我们不再使用在目前开源数据库及大数据平台流行的 LSM Tree（Log Structured Merge Tree）数据结构。而是使用一种我们自己称之为 Partition Tree 的数据结构，数据直接写入分区文件，在保持 append only 写入性能的同时，避免了 LSM 结构的后续 compact 开销。得益于现代 Linux 内核的支持和巧妙的写入设计，我们在用户态（User-space）核心读写链路上不使用任何锁（Lock-free），最大程度的发挥了高并发网络服务层所提供的能力，可以提供超高速数据写入服务。
  • Base Engine
  • TensorBase 的引擎层。TensorBase 使用改造过的 Apache Arrow 和 DataFusion，并创造性的将底层存储适配到 Arrow 格式，实现了 Zero Copy 的数据查询。当然，目前的适配性存储策略，还只算是一个现在进行中的次优解，TensorBase 未来会对存储层进行持续迭代，提供更多与时俱进的优化。同时，TensorBase 也将进一步地优化帮助 Arrow/DataFusion 社区优化其查询引擎的性能，和社区一起成长。
  • 其他
  • TensorBase 还有一些基础性的组件，比如：
  • base，通用工具库；
  • lang，语言层（目前主要实现一个 ClickHouse 兼容解析和表示层）。
  • lightjit，类表达式 JIT 引擎，未来可扩展至高性能和安全可控的用户定义函数 UDF（User Defined Functions）层。 TensorBase 未来将进一步开发和开放自己的高性能基础件，为 Rust 社区贡献一些独特的高性能可复用基础设施。
注意，架构图中的虚线连接尚未实现，这是一个全景式的架构蓝图。


Rust使用spanTensorBasedata-id开源$Rust数据仓库

有关使用 Rust 实现的现代化实时开源数据仓库的更多相关文章

  1. ruby - 如何使用 Nokogiri 的 xpath 和 at_xpath 方法 - 2

    我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div

  2. ruby - 使用 RubyZip 生成 ZIP 文件时设置压缩级别 - 2

    我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看ruby​​zip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d

  3. ruby - 为什么我可以在 Ruby 中使用 Object#send 访问私有(private)/ protected 方法？ - 2

    类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc

  4. ruby-on-rails - 使用 Ruby on Rails 进行自动化测试 - 最佳实践 - 2

    很好奇，就使用ruby​​onrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提

  5. ruby - 在 Ruby 中使用匿名模块 - 2

    假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于

  6. ruby - 使用 ruby​​ 和 savon 的 SOAP 服务 - 2

    我正在尝试使用ruby​​和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我

  7. python - 如何使用 Ruby 或 Python 创建一系列高音调和低音调的蜂鸣声？ - 2

    关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。

  8. ruby-on-rails - 'compass watch' 是如何工作的/它是如何与 rails 一起使用的 - 2

    我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t

  9. ruby - 使用 ruby​​ 将 HTML 转换为纯文本并维护结构/格式 - 2

    我想将html转换为纯文本。不过，我不想只删除标签，我想智能地保留尽可能多的格式。为插入换行符标签，检测段落并格式化它们等。输入非常简单，通常是格式良好的html(不是整个文档，只是一堆内容，通常没有anchor或图像)。我可以将几个正则表达式放在一起，让我达到80%，但我认为可能有一些现有的解决方案更智能。 最佳答案 首先，不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案，它会随着HTML的变化而崩溃，或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h

  10. ruby - 在 64 位 Snow Leopard 上使用 rvm、postgres 9.0、ruby 1.9.2-p136 安装 pg gem 时出现问题 - 2

    我想为Heroku构建一个Rails3应用程序。他们使用Postgres作为他们的数据库，所以我通过MacPorts安装了postgres9.0。现在我需要一个postgresgem并且共识是出于性能原因你想要pggem。但是我对我得到的错误感到非常困惑当我尝试在rvm下通过geminstall安装pg时。我已经非常明确地指定了所有postgres目录的位置可以找到但仍然无法完成安装:$envARCHFLAGS='-archx86_64'geminstallpg--\--with-pg-config=/opt/local/var/db/postgresql90/defaultdb/po

随机推荐