时序数据库连载系列: RISElab的大杀器Confluo

挑战

随着越来越多的应用达到每秒千万级的数据点采集能力，比如终端IoT网络监控，智能家居，数据中心等等。 并且这些数据被应用于在线查询展示，监控，离线根因分析和系统优化。 这些场景要求系统具备高速写入，低延迟的在线查询以及低开销的离线查询的能力。 然而已有的数据结构很难满足这些要求。有些数据结构侧重与高速的写入和简单的查询， 有些则侧重于复杂的查询，比如即席查询，离线查询，雾化视图等等，增加了维护开销，牺牲了写入的性能。

 

前提和典型应用场景

• write-once: 数据追加写,无更新和删除
• 定长的数据类型
• 并发场景下没有事务，只保证原子性

特性

1. 百万级数据点高并发写入
2. 毫秒级在线查询
3. 占用很少的的CPU资源实现即席查询

实现概要

• AM是无锁并发日志集合，可以用来存储原始数据，聚合统计，雾化视图。每一个日志记录writeTail和readTail并发读写。
• 日志更新采用现代CPU硬件支持的原子指令集：AtomicLoad，AtomicStore，FetchAndAdd，CompareAndSwap

Confluo 数据模型

• Confluo的数据模型是强类型集合。
• 原生数据类型：BOOL, CHAR, SHORT, INT, LONG, FLOAT, DOUBLE, STRING.

   {
      timestamp: ULONG,
      op_latency_ms: DOUBLE,
      cpu_util: DOUBLE,
      mem_avail: DOUBLE,
      log_msg: STRING(100)
   }

   

  • 时间戳8个字节，如果应用没有写入时间戳，Confluo会内置添加时间戳。
  • 指标数据包含double类型以及string类型。
• 自定义类型。自定义类型通过实现属性字段，注册接口，类型获取接口后，就可以作为schema的成员建立数据模型，追加数据以及执行filter，trigger等操作。

写入

• 创建存储数据的Store File
• 创建具有固定Schema的AM AM有3种存储模式：IN_MEMORY， DURABLE， DURABLE_RELAXED

  • IN_MEMORY：所有的数据存储在内存中。
  • DURABLE：类似写穿的方式，数据持久化到磁盘
  • DURABLE_RELAXED：数据在内存中缓存，周期性持久化。
• 执行AM基本操作。 AM定义了Index，Filter, Aggregate, trigger

  • 添加Index, 应用层可以为每一个指标建立K叉树索引.
  • 添加Filter, filter 由关系和布尔运算符组成，应用于指标的过滤.

• 添加Aggregate:适用于filter之后的记录聚合，比如： SUM,MIN,MAX,COUNT,AVG
• 添加Trigger:是一个布尔条件，适用于结果集上的操作 比如：MAX(latency_ms) > 100

查询

• 离线查询主要面向诊断分析，如果fExpressio已经定义，增直接查看FilterLog，否则通过IndexLog方式查询原始数据。
• 实时流式查询主要面向实时监控和报警，需要预定义规则。比如通过定义triggers实现报警能力，类似SUM(pktSize)>1GB的报警规则定义。

• 解析器：语法解析的实现采用了spirit.对于这类小型符合EBNF语法规范的数据模型，spirit还是比较灵活。Confluo定义了exp,term,factor,predicate,identificate, value, quoted_string等几种语法规则.
• 执行计划：解析器生成表达式后，通过查询计划器生成执行计划为agg->filter->index。Confluo内置了一个简单的评估器，根据近似count计算cost判断走index或者full scan。

数据归档和压缩

• 周期性的归档。 默认情况下，每5分钟数据会归档一次。后台归档管理任务周期性检测AM日志配置的大小，一旦超过限制DataLog，IndexLog，FilterLog会归档到冷设备存储。
• 强制性的归档 无论归档是否开启，用户都可以调用接口强制性归档。 接口上既支持全量归档，也支持基于偏移量的增量归档。
• 基于内存的归档 当周期性归档持续低于高速写入的数据量时内存会溢出，为避免这种情况，引入基于内存大小的归档机制。当系统内存达到自定义的阈值时，内存分配被阻塞，直到所有的AM归档到冷数据。
• 编码 归档时HeaderLog默认采用LZ4压缩，IndexLog和FilterLog采用Delta压缩。 解压在读取的时候由底层引擎完成，通过引用计数避免归档线程与读取线程之间的并发性访问。

核心技术点

 

• DataLog 分为2部分offset和原始数据点，offset是原始数据的唯一标识。
• IndexLog 是datalog的索引部分，采用radix树组织索引，radix树是通用的字典类型数据结构，比如在监控场景中的IP地址，网络地址有大量的prefix是可以共享的。
• FilterLog 存储了基于时间窗口切分的原始数据offset，按照radix树索引filter和窗口。
• AggregateLog 同其它日志相似，也是基于时间分片的索引数据方式。由于聚合日志需要读后写，设计了thread-local的集合来保证安全访问。

集成方式：

• 可以作为嵌入式的依赖库，支持在线和离线分析。
• 可以作为独立的服务，对外暴露RPC接口通信。