手把手体验Hologres的OLAP数据分析

Hologres是阿里云自研一站式实时数仓，统一数据平台架构，支持海量结构化/半结构化数据的实时写入、实时更新、实时加工、实时分析，支持标准SQL（兼容PostgreSQL协议），无缝对接主流BI工具，支持OLAP查询、即席分析、在线服务、向量计算多个场景，分析性能打破TPC-H世界记录，与MaxCompute、Flink、DataWorks深度融合，提供离在线一体化全栈数仓解决方案。

DataWorks基于阿里云ODPS/EMR/CDP等大数据引擎，为数据仓库/数据湖/湖仓一体等解决方案提供统一的全链路大数据开发治理平台。作为阿里巴巴数据中台的建设者，DataWorks从2009年起不断沉淀阿里巴巴大数据建设方法论，同时与数万名政务/金融/零售/互联网/能源/制造等客户携手，助力产业数字化升级。

本方案基于阿里云实时数仓Hologres和DataWorks数据集成，通过简单的产品操作即可完成数据库RDS实时同步数据到Hologres，并通过Hologres强大的查询分析性能，完成一站式高性能的OLAP数据分析。

整体方案的体验手动部署如下：

1、创建专有网络VPC和交换机

为确保后续任务的网络连通，请务必保证Hologres与DataWorks资源组使用同⼀个VPC。

在创建专有网络页面，您可查看到创建的专有网络VPC和交换机的ID、实例名称等信息。

2、试用实时数仓Hologres。新用户可以有3个月免费试用期。

在实时数仓Hologres面板，根据如下参数说明进行配置，未提及的参数保持默认即可，单击立即试用。

大概需要5-10分钟，在实例列表页面，等待运行状态变为运行正常，即可正常使用。

3、开通DataWorks

创建工作空间列表。注意需要类似XXXX_123这种格式，即字母、数字、下划线都用到才可以。

在资源组列表页面，等待目标资源组的状态变为运行中，即可正常使用资源组。

4、创建公网NAT

首次使用NAT网关时，在创建公网NAT网关页面关联角色创建区域，单击创建关联角色。角色创建成功后即可创建NAT网关。

返回如下页面，表示您已创建成功，可以查看到创建的弹性公网IP、NAT网关等资源的资源ID。

5、创建Hologres表

在实例列表页面，但是实例ID。

在实例详情页面，单击登录实例，进入HoloWeb。

在顶部菜单栏中，单击SQL编辑器。

新建SQL查询

新建Hologres内部表。

将如下命令复制并粘贴至临时Query查询页签中，单击执行，创建Hologres内部表hologres_dataset_github_event.hologres_github_event，后续会将数据实时写入至该表中。

-- 新建schema用于创建内表并导入数据
CREATE SCHEMA IF NOT EXISTS hologres_dataset_github_event;

DROP TABLE IF EXISTS hologres_dataset_github_event.hologres_github_event;

BEGIN;
CREATE TABLE hologres_dataset_github_event.hologres_github_event (
 id bigint PRIMARY KEY,
 actor_id bigint,
 actor_login text,
 repo_id bigint,
 repo_name text,
 org_id bigint,
 org_login text,
 type text,
 created_at timestamp with time zone NOT NULL,
 action text, 
 commit_id text,
 member_id bigint,
 language text
);
CALL set_table_property ('hologres_dataset_github_event.hologres_github_event', 'distribution_key', 'id');
CALL set_table_property ('hologres_dataset_github_event.hologres_github_event', 'event_time_column', 'created_at');
CALL set_table_property ('hologres_dataset_github_event.hologres_github_event', 'clustering_key', 'created_at');

COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.id IS '事件ID';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.actor_id IS '事件发起⼈ID';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.actor_login IS '事件发起⼈登录名';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.repo_id IS 'repoID';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.repo_name IS 'repo名称';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.org_id IS 'repo所属组织ID';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.org_login IS 'repo所属组织名称';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.type IS '事件类型';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.created_at IS '事件发⽣时间';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.action IS '事件行为';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.commit_id IS '提交记录ID';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.member_id IS '成员ID';
COMMENT ON COLUMN hologres_dataset_github_event.hologres_github_event.language IS '编程语⾔';

COMMIT;

执行结束

6、实时同步数据至Hologres

在管理中心页面，在下拉框中选择默认⼯作空间，单击进入管理中心。

在左侧导航栏中，选择数据源 > 数据源列表。

创建MySQL数据源。

配置完成后，在连接配置区域，找到您创建的资源组，单击其右侧的测试连通性。

创建Hologres数据源。

创建实时同步任务。

在数据集成页面，在创建同步任务中，选择来源与去向数据源，单击开始创建。

来源：选择MySQL。去向：选择Hologres

在基本信息区域中，配置任务信息。 新任务名称：data_test。 同步类型：选择整库实时。

在网络与资源配置区域中，配置任务网络连通。

实时同步任务设置。在选择要同步的库表区域的源端库表中，勾选github_public_event表，然后右移。

在目标表映射区域，勾选github_public_event表，单击批量刷新映射。基于上述已创建的Hologres内部表，将目标Schema名改为hologres_dataset_github_event，目标表名改为hologres_github_event，单击完成配置。

在任务列表页面，单击启动。

在任务详情页面，您可查看到任务的执行情况，请耐心等待任务执行完成。

进度如下：

7、实时OLAP分析

返回至SQL编辑器·HoloWeb页签。在临时Query查询页签中，执行如下命令，查询实时更新的过去24小时GitHub最活跃项⽬。

SELECT
  repo_name,
  COUNT(*) AS events
FROM
  hologres_dataset_github_event.hologres_github_event
WHERE
  created_at >= now() - interval '1 day'
GROUP BY
  repo_name
ORDER BY
  events DESC
LIMIT 5;

查看同步的相关监控数据

8、清除资源

删除实时数仓Hologres。

删除实时同步任务、数据源、资源组和工作空间。

在数据集成页面，找到目标同步任务，单击其右侧操作列下的停止。

任务停止以后，选择其右侧操作列下的更多 > 删除。

在工作空间列表页面，找到目标工作空间，单击其右侧操作列下的管理。

在数据源页面，分别单击Hologre和MySQL数据源右侧操作列下的删除。

在DataWorks控制台左侧导航栏中，单击资源组列表，找到您创建的资源组

删除工作空间列表

删除公网NAT和弹性公网IP。

删除VPC及交换机。

9、体验总结

1）手动部署的需要操作配置的产品有VPC、NAT、RDA、Hologres、Dataworks，而一键部署就省去了很多繁琐的操作。

2）因为体验的数据量比较小，希望文档可以增加在大数据量迁移时的性能调优策略。

3）文档中针对Hologres中设置细粒度的访问控制和数据加密的说明较为简略，但生产环境中确保数据安全至关重要，建议增加这部分的详细说明。

4）在多用户或多部门共享平台时，如何进行多租户管理和资源隔离机制。

5）对于不同规模的数据和分析需求，如何更精细地控制成本（如存储计算分离、按需付费优化）缺乏具体指导。

本方案为搭建轻量OLAP分析平台提供了坚实的基础，但在大数量分析、多租户管理、成本优化及用户支持方面还有提升空间。通过针对性的改进和补充，可以更好地满足不同用户复杂多变的数据分析需求。