年度报告｜Hologres重点功能年终大盘点

1月7日，由阿里云实时数仓Hologres和开发者社区共同举行了实时数仓年度发布会。在发布会上，来自阿里云的资深技术专家果贝从阿里的核心场景出发，深度解读了实时数仓技术发展的新趋势：一站式、在线化、敏捷化。在发布会上，Hologres产品负责人合一针对当前数仓的新趋势，重磅发布了Hologres年度重点能力，助力企业更好的建设一站式实时数仓。
​

本文将会从多个角度总结Hologres的重点功能，以帮助用户更加了解和使用Hologres。

源于业务创新，持续业务演进

Hologres从诞生至今已经走过6年的时间，首次提出服务分析一体化（Hybrid Serving & Analytical Processing，简称HSAP）理念，逐步发展为企业级一站式数仓，不仅在阿里集团内部服务众多核心业务（如淘宝、天猫、1688、菜鸟、本地生活、达摩院等），也在持续云上服务能力输出，助力国内、国际更多企业搭建企业级实时数仓。截止目前，已经在全球13个Region同步提供服务。

全新迭代，年度重磅发布

Highlight

21年Hologres在引擎能力上重点发力，经历了三个核心版本的迭代，下一代产品也已经在内测中，依旧保持着快速迭代的节奏。通过行列共存、高可用部署、读写分离、快速Failover等能力，显著改善了数据服务的稳定性，丰富了业务使用场景：
1、性能持续提升：每个大版本持续优化引擎性能，在优化器、查询引擎、存储引擎多个层面改进，以32core TPCH 100G测试结果为例，在1.1版本相比去年0.8版本有256%的性能提升（查询部分），提升效果显著

2、强化高并发的服务（serving）能力：行存吞吐提升100%，列存吞吐提升30%，支持行列共存，一份数据支持多个场景，列存升级AliORC格式，更高的压缩比，显著降低存储成本。
​

3、企业级高可用部署和企业级治理能力上重点发力，通过透出更多维度更细粒度的观测性指标，提升企业的自运维能力。

下面将会针对重点功能进行更加细粒度的介绍。

原生JSON支持

JSON是近期Hologres重点发力的领域，因为数据采集越来越灵活，数据加工也越来越敏捷，过去需要打宽拉平的JSON数据，往往保留了原始的不规范结构。因此如何处理Schemeless场景就尤为重要。
​

传统上，JSON作为一个数据单位，采用Schema on Read模式，提供了存储上的灵活性，但限制了分析时的效率，为了访问JSON中部分节点不得不读取整个JSON数据结构，效率非常低下，存储上也很难压缩。

Hologres创新了JSON数据的存储方式，在底层存储上采用类似列存的存储格式，将JSON中不同的节点路径映射为虚拟的列，提供原生的列存压缩、索引能力，在查询层，自动下推JSON访问算子，极大的加速了JSON数据过滤、统计的效率。在协议层，完全兼容了PG的规范，支持了JSON、JSONB等类型，支持PG原生的各种构造、访问、更新的算子。基于这些创新的能力，JSON成为Hologres推荐的数据类型，适合于埋点日志分析的场景。

Binlog全链路事件驱动

类似于传统数据库MySQL中的Binlog概念，在Hologres中，Binlog用来记录数据库中表数据的修改记录，比如Insert/Delete/Update的操作。通过Flink、JDBC消费Hologres BInlog，实现数仓层次间全链路实时开发，在分层治理的前提下，缩短数据加工端到端延迟。典型应用场景如下：

1. 数据实时复制、同步场景，典型的场景就是把一张Hologres的行存表实时转化成另一张列存表，行存支持点查点写，列存支持多维分析型需求，同步的逻辑由Flink支持。这个是Hologres在V1.1版本之前的一种典型用法。在Hologres 1.1中支持了行列共存表后，可以一张表满足行存和列存两种需求，免去了额外的调度开销。
2. 实现事件的全链路驱动：通过Flink消费Hologres Binlog，实现事件驱动的加工开发，完成ODS向DWD，DWD向DWS等的全实时加工作业。
3. 数据变化监控：监控数据的实时变化，比如监控库存数据、敏感字段等的实时变化，触发告警。
4. 数据在实例间同步：用户可以创建多个Hologres实例，分别用于公共层加工、业务域加工等职责，不同实例之间可以通过Binlog完成数据的实时同步，实现了数据的实时流动和分享。

实时离线一体化数仓Hologres+MaxCompute

MaxCompute是阿里云可扩展的大数据加工引擎，技术成熟、服务稳定。Hologres与MaxCompute均采用盘古存储引擎，底层技术相同。Hologres采用原生向量化查询引擎加速查询MaxCompute数据，实现对MaxCompute的查询加速能力，此种场景无需数据迁移和导入数据，高性能和全兼容的访问各种MaxCompute文件格式，为BI工具和大数据数仓之间建立起交互式分析的快速通道。Hologres新版本中，已经默认使用原生的向量引擎直读MaxCompute，减少跨引擎的RPC调用，更少的引擎间数据序列化，同一个引擎，有利于缓存的复用，性能提升30%-80%。

​实时离线一体化方案中很重要的是数据交换的简化，甚至无需数据移动。外表查询是不需要移动数据的场景，但由于外表没有索引和SSD的优化，查询性能和并发能力低于内表场景，在性能敏感的场景下，仍然建议数据从MaxCompute同步到Hologres中，在同步操作中，同步的效率就更加重要。目前通过存储技术的创新，支持了MaxCompute与Hologres之间每秒百万行的双向同步，简化了数据开发、数据回刷的场景。
​

MaxCompute与Hologres元数据的打通也是一项持续的工作，早期Hologres支持了元数据的批量导入，可以把整个project的全部表一次性导入，也支持批量更新。最近Hologres支持了元数据的自动导入与刷新，当MaxCompute侧有新的表创建，或者表结构的变更，无需手动刷新，元数据可以自动同步到Hologres，体验更简便。
​

与此同时，为了更加友好敏捷的支持MaxCompute加速场景，Hologres提供了一种新的服务形态：共享集群。在该形态下，用户无需提前部署实例，而是采用Serverless的方式，根据查询数据的扫描量计费，这个形态仅支持MaxComputeBI加速场景，不能创建内表和索引，对于过去使用MaxCompute Lightning查询加速的用户可以平滑切换到这种共享集群中，不用重新建表，不用修改BI协议，可用连接数比Lightning更多，服务更稳定。

加速数据湖探索

传统架构湖和仓还是比较割裂的，有些企业在建设数据湖时，对数据治理和数据管理相对比较困难，随着企业进程的推进，越来越多的企业开始探索湖仓一体。Hologres在今年重点优化了湖仓一体场景，支持了外表直接访问OSS数据和数据回流OSS，支持DLF集成，加速数据湖探索，助力湖仓一体建设 。

深化流量分析场景

流量分析是Hologres持续增加的场景，目前支持了高性能的Bitmap库RoaringBitmap，可以以常量复杂度，快速计算UV，是解决互联网级别高基数精确去重、UV计算的关键手段，广泛使用在用户画像、标签筛选等典型场景，在阿里妈妈广告场景中被深度使用。

同时Hologres也内置了更多的漏斗分析、留存分析、明细圈人等函数，通过这些内置的函数，极大的简化了开发的工作，也保证了复杂操作的执行效率。

多负载资源隔离

资源组隔离是有效支撑混合负载的一种手段，Hologres支持了单实例多资源组的设计，在这个设计中，总的计算资源被划分为若干资源组，不同的资源组表示了一定的CPU和内存资源，同时设定用户与资源组之间的绑定关系，绑定之后，用户只能使用对应资源组的计算资源，所有未绑定的用户会使用系统默认的Default资源组。目前资源组之间资源不共享，不抢占，资源组内部多个用户共享同一组资源。

如上图的右侧是一个用户视角的划分，一个256Core1024G的实例，划分为3个资源组，不同的应用场景采用不同的账号，比如OLAP分析用Default资源组，分配50%，在线点查需要20%的资源，而数据实时写入分配30%的资源。通过资源组的隔离能力，避免了Bad Query把全部资源吃尽的问题，可以根据业务优先级分配资源。

高可用部署

资源组隔离是一种单实例内部不同线程池之间的计算资源的隔离，无法做到故障隔离和100%的读写隔离。因此Hologres继续创新更好的高可用方案，在V1.1版本，支持了共享存储的多实例部署方案。在该方案中，主实例具备完整能力，数据可读可写，权限、系统参数可配置，而子实例处于只读状态，所有的变更都通过主实例完成，实例之间共享一份数据存储，实例间数据异步实时同步，延迟在毫秒级别。

应用场景：
1.读写分离：这个方案实现了完整的读写分离功能，保障不同业务场景的SLA，在高吞吐的数据写入和复杂的架构作业、OLAP、AdHoc查询、线上服务等场景中，负载之间物理上完全隔离，不会因写入产生查询的抖动。
2.多类型负载细粒度资源分配：一个主实例可以配置多个只读从实例，实例之间可以根据业务情况配置不同规格，例如使用256Core作为写入和加工实例，512Core作为OLAP只读实例，128Core作为在线Serving实例，32Core作为开发测试实例。

3. 在线服务高可用：任何系统都有不稳定的时刻，磁盘损坏，系统Bug等等，在支撑在线高可用服务场景下，需要在系统级别支撑冗余的高可靠能力，在一个服务系统出现故障时，可以快速切换到备用系统上，且切换的时间要尽量短，数据状态保持一致。可以通过部署多个子实例的模式，提供多个Endpoint接入，当某个实例出现故障时，应用层可以快速切换到其他Endpoint上，实现了系统的高可用和灾备切换。

增强系统可观测性

系统可观测性通过HoloWeb持续可视化透出，包括慢查询、执行计划、活跃连接等，提升企业自运维能力：

• 慢Query日志：支持对系统中发生的慢Query或失败Query通过时间、plan、cpu消耗等各项指标进行诊断、分析和采取优化措施，提高自助诊断能力。
• 活跃连接：通过对活跃连接的可视化查看，定位连接状态、连接数以及用户等的情况，以达到分析实例连接状态和诊断运行SQL的目的。
• 执行计划：通过多种可视化展现的方式，对Query进行运行分析、执行分析，详细算子解读，并进行优化建议引导，避免盲目调优，降低性能调优门槛，快速达到性能调优的目的。
  

企业级安全能力升级

企业级安全能力再次升级，支持数据加密、访问控制、容灾备份等：
1）数据加密：

• 基于密钥管理服务KMS（Key Management Service）对数据进行加密存储，提供数据静态保护能力，满足企业监管和安全合规需求。
• 与MaxCompute无缝打通，支持加速MaxCompute加密数据，向实时离线一体化更进一步。
• 支持数据脱敏，对接数据保护伞，提升数据隐私性。

2）访问控制

• 支持IP白名单，实现更加细粒度的安全访问。
• 对接ActionTrial，支持实例级别行为审计。

3）容灾备份

• 支持同城跨机房容灾（专有云）
• 支持容灾，异地多活，并实现读写分离和读的高并发，同样也可以基于多个实例实现读的高可用。除此之外，还可以进行版本热升级，存储系统迁移。
  

PG生态兼容

支持更加丰富的数据类型、更多元的扩展函数，同时在BI可视化分析上持续发力，无缝对接更多BI工具，降低学习门槛，也向PostgreSQL兼容更进一步。

持续专注于一站式实时数仓

Hologres未来会继续专注在实时数仓的可靠性、效率和可运维能力上，致力于Real-time，专注于One SQL、One Data，提升企业级可运维性，降低开发门槛，实现企业级一站式实时数仓的终极目标。具体会在以下方面发力：

Real-Time

简化实时数仓的开发体验，支持Pull模式，主动从上游的消息中间件拉取数据，简化数据落库的过程。正在研发实时物化视图的能力，通过实时物化视图，用户可以把复杂的加工逻辑描述为视图的定义，Hologres保证视图与表之间的实时同步特性，通过SQL表达数据的加工逻辑，实现数据分层的实时化，与数据流动的自动化。

OneSQL

完善Hologres SQL的表达能力，支持OLAP/Serving/AI多个场景，持续改善稳定性和效率，不仅要查的快，更要查的稳。持续优化实时离线一体化体验，进一步减少数据移动的需求。完善JSON的各类索引和压缩效率。会支持UDF能力，完善可扩展性，将更多的扩展可能性交给用户。对计算资源的弹性也是重点方向。

OneData

进一步与DLF、MaxCompute、EMR等存储和元数据系统打通，避免数据孤岛，支持湖仓一体解决方案。正在研发存储冷热分层，在SSD基础上引入HDD，可以显著降低用户的存储成本。

Ops

最后是可运维性，会持续在系统可观测、可调优发力，避免系统黑盒话，支持系统热升级、热扩容，降低运维风险。会极大改善数据治理能力，与DataWorks合作，支持更多的元数据分析与诊断。

附件：发布会PPT下载

关于本次发布会的PPT资料，请移步钉钉用户群获取