ByConity BSP 解锁数据仓库新未来

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：

1. 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。
2. 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。
3. 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：

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_price
  from (select ws_sold_date_sk sold_date_sk
              ,ws_ext_sales_price sales_price
        from web_sales 
        union all
        select cs_sold_date_sk sold_date_sk
              ,cs_ext_sales_price sales_price
        from 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_sales
 from wscs
     ,date_dim
 where d_date_sk = sold_date_sk
 group 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_sales1
  from wswscs,date_dim 
  where date_dim.d_week_seq = wswscs.d_week_seq and
        d_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_sales2
  from wswscs
      ,date_dim 
  where date_dim.d_week_seq = wswscs.d_week_seq and
        d_year = 2001+1) z
 where d_week_seq1=d_week_seq2-53
 order 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_price
  from (select ws_sold_date_sk sold_date_sk, ws_ext_sales_price sales_price
        from web_sales 
        union all
        select cs_sold_date_sk sold_date_sk, cs_ext_sales_price sales_price
        from 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：

1. web_sales 表：
   • 提取 ws_sold_date_sk（销售日期）和 ws_ext_sales_price（销售额）。
2. catalog_sales 表：
   • 提取 cs_sold_date_sk（销售日期）和 cs_ext_sales_price（销售额）。
3. 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_sales
 from wscs
     ,date_dim
 where d_date_sk = sold_date_sk
 group 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：

1. 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。
2. 按周聚合：
   • 利用 d_week_seq 对每周数据分组。
3. 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_sales1
  from wswscs, date_dim 
  where date_dim.d_week_seq = wswscs.d_week_seq and
        d_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_sales2
  from wswscs, date_dim 
  where date_dim.d_week_seq = wswscs.d_week_seq and
        d_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 - 53
 order by d_week_seq1;

功能：

• 对比 2001 年每周与对应的 2002 年同一周（相差 53 周）的销售额。

逻辑：

1. 字段匹配：
   • 根据 d_week_seq1 = d_week_seq2 - 53 确保对比的是相邻年份的同一周。
2. 字段计算：
   • 利用 round(sun_sales1 / sun_sales2, 2) 等公式计算每周日到周六的销售额变化比率。
3. 排序：
   • 按周编号（d_week_seq1）从小到大排序。

最终输出：

表格展示 2001 年相较于 2002 年的每周每天销售额变化百分比。

执行后截图如下：

测试结果与心得

通过执行 TPC-DS 的模拟查询，实际验证了 ByConity 在 ELT 任务中的强大表现：

1. 性能提升：BSP 模式在任务分解与调度上表现优异，查询任务耗时显著减少。
2. 任务稳定性：在高并发与复杂场景下依旧保持出色的容错能力。
3. 一站式体验：用户无需额外切换工具即可完成数据加工与分析，全流程高效流畅。

总结

ByConity 的 BSP 模式为实时数仓和离线数仓之间架起了一座桥梁，其灵活性与高效性让企业能够更好地应对多变的数据分析需求。本次测试验证了其在 ELT 场景中的实际效果，也展示了 ByConity 在未来数据仓库领域的潜力与前景。

如果您也想体验 ByConity 的强大功能，欢迎参与测试活动，亲自感受开源数据仓库的无限可能！