开源|Moonbox_v0.3_beta重大发布 | Grid全新重构,更快更解耦

王浩 2019-04-23 浏览量:1724

导读:数据虚拟化思想一直以来都是敏捷大数据团队十分关注的一个点,Moonbox则以此为基础而设计,致力于提供批量计算服务解决方案。今天,Moonbox惊喜发布0.3beta版(回顾v0.2请戳这里:#Moonbox# 计算服务平台简介),阅读全文,了解Moonbox,跟小编一起看0.3版本的神奇之处在哪里吧~

  • Project:https://github.com/edp963/moonbox

  • Release:https://github.com/edp963/moonbox/releases/tag/0.3.0-beta

  • Documentation:https://edp963.github.io/moonbox/

Moonbox定位

在了解Moonbox新版本之前,我们先来回忆一下Moonbox的定位。

Moonbox是一个DVtaaS(Data Virtualization as a Service)平台解决方案。它基于数据虚拟化设计思想,致力于提供批量计算服务解决方案。Moonbox负责屏蔽底层数据源的物理和使用细节,为用户带来虚拟数据库般使用体验,用户只需通过统一SQL语言,即可透明实现跨异构数据系统混算和写出。此外Moonbox还提供数据服务、数据管理、数据工具、数据开发等基础支持,可支撑更加敏捷和灵活的数据应用架构和逻辑数仓实践。

Moonbox功能

数据虚拟化思想是Moonbox很重要的一个设计原则,在此基础上,Moonbox实现了多种功能。下面我们具体看一下Moonbox都有哪些功能:

多租户

Moonbox建立了一套完整的用户体系,引入了Organization的概念,用于划分用户空间。系统管理员ROOT账号可以创建多个Organization,并在Organization中指定该Organization的管理者(SA)。SA可以是一个或者多个,SA负责创建管理普通用户。

Moonbox将普通用户的能力抽象出六大属性,分别是是否可以执行Account管理语句,是否可以执行DDL语句,是否可以执行DCL语句, 是否拥有可以授权其他用户执行Account类语句的能力,是否拥有可以授权其他用户执行DDL语句的能力,是否拥有可以授权其他用户执行DCL语句的能力。通过属性的自由组合,可以构建出满足多种角色,多种需求的用户体系模型,并借此实现多租户。

扩展SQL

Moonbox将查询语言统一为Spark SQL,底层使用Spark进行计算,同时扩展了一套DDL、DCL语句。包括对用户的创建删除和授权,数据表或者数据列的访问授权,挂载卸载物理数据源或者数据表,创建删除逻辑数据库,创建删除UDF/UDAF,创建删除定时任务等。

优化策略

Moonbox基于Spark进行混算,Spark SQL是支持多数据源的,但是Spark SQL在从数据源中进行数据拉取的时候只进行了project和filter算子的下推,并没有考虑数据源的算力特性。

比如Elasticsearch对于聚合操作是很友好的,如果聚合操作能下推到Elasticsearch中进行计算会比将数据全部拉回Spark计算快的多。

再比如limit算子如果下推到数据源计算,能大大减少返回的数据量,节省拉取数据和计算的时间。

Moonbox对Spark Optimizer优化后的LogicalPlan作进一步的优化,根据规则拆分出可以进行下推的子树,将子树mapping成数据源查询语言,将下推结果拉回Spark参与进一步的计算。

另外,如果LogicalPlan可以整体下推计算,那么Moonbox将不采用Spark进行计算,而是直接使用数据源客户端运行LogicalPlan mapping出来的查询语句,以减少启动分布式作业的开销,并节省分布式计算资源。

列权限控制

Moonbox定义了DCL语句来实现数据列级别权限控制。Moonbox管理员通过DCL语句将数据表或者数据列授权给用户,Moonbox会将用户和表以及列的权限关系保存到catalog中。当用户在使用SQL查询时会被拦截,分析出SQL被解析后的LogicalPlan中是否引用了未被授权的表或者列,如果有就报错返回给用户。

多种形式的UDF/UDAF

Moonbox除了支持以jar包的形式创建UDF/UDAF外,还支持以源代码的形式创建,包括Java语言和Scala语言,这给UDF开发验证带来了便捷性。

定时任务

Moonbox提供了定时任务的功能,用户使用DDL语句定义定时任务,以crontab表达式的形式定义调度策略,后台内嵌quartz进行任务定时调度。

多种客户端

Moonbox支持以命令行工具, JDBC, Rest, ODBC等方式进行访问。

多种数据源支持

Moonbox支持多种数据源,包括MySQL, Oracle, SQLServer, Clickhouse, Elasticsearch, MongoDB, Cassandra, HDFS, Hive, Kudu等,且支持自定义扩展。

两种任务模式

Moonbox支持Batch和Interactive两种任务模式。Batch模式支持Spark Yarn Cluster Mode,Interactive模式支持Spark Local和Spark Yarn Client Mode。

集群工作模式

Moonbox以master-slave群集方式工作,支持master主备切换。

Moonbox_v0.3 VS v0.2

Moonbox_v0.3在v0.2的基础上做出了几点重要改变,具体包括:

去掉redis依赖

v0.2是将查询结果写入Redis然后客户端从Redis中获取结果;v0.3直接将结果返回给客户端。

改变数据传输方式

v0.2客户端以rest方式获取结果数据;v0.3使用netty加protobuf的方式获取结果数据。

Moonbox Master选主策略重构

将Moonbox Master选主由akka singleton改为使用zk进行选主和信息持久化。

Moonbox Worker与Spark解耦

在v0.2中,直接在Worker中运行Spark APP Driver;v0.3改为在新的进程中运行Spark APP Driver,这样Worker就与Spark进行了解耦,一个Worker节点可以运行多个Spark APP Driver,且可以运行其他APP。

Moonbox典型场景案例

最后,为了让大家更加了解Moonbox,我们来介绍几个典型的Moonbox应用场景案例。

基于DBus、Wormhole、Kudu、Moonbox构建实时ETL

DBus将数据库变更实时写入Kafka,Wormhole消费Kafka进行流式处理,流上lookup其他表形成大宽表,或者执行部分处理逻辑写入Kudu。使用Moonbox对Kudu进行查询将结果保存或者展示。

批量作业

使用Moonbox提供的批量作业脚本,异步rest接口或者定时任务,可以运行批量作业。

基于Davinci、Moonbox即席查询可视化

将Moonbox的JDBC驱动放入Davinci lib中,即可像使用其他数据库一样对Moonbox进行查询,并将结果进行图形化展示。

SAS查询

SAS用户可以使用ODBC的方式连接到Moonbox进行数据查询,并且可以将计算直接推到Moonbox中进行分布式计算。

便捷数据操作工具箱

因为Moonbox可以对接多种数据源,而且可以利用Spark进行多种数据源之间的混合计算,所以可以利用Moonbox进行各种便捷操作。例如利用一条SQL就可以搞定将一种数据源中某张表的数据导入另外一种数据源中,对比两张表有哪些数据不同等等。

更多使用场景,大家可以自行体验挖掘哦!

随着数据虚拟化越来越受到大家的重视,一个靠谱的工具成了大家探索数据虚拟化世界的共同需求。Moonbox就是这样一个工具,还等什么,赶紧用起来吧~

项目开源地址:

DBus

Wormhole

Moonbox

Davinci


作者:王浩

来源:敏捷大数据

发现文章有错误、对内容有疑问,都可以通过关注宜信技术学院微信公众号(CE_TECH),在后台留言给我们。我们每周会挑选出一位热心小伙伴,送上一份精美的小礼品。快来扫码关注我们吧!
分享硬核IT 专注金融