GaussDB(DWS) 邏輯集群系列一：邏輯集群簡介

GaussDB(DWS)為什么要支持邏輯集群

傳統的基于MPP的分布式數據倉庫采用的是全對等架構，每個表數據平均分布到所有節點中，這樣能保證足夠的并發度以及節點間協同，保證性能SLA。只要保證數據在所有節點上是均衡的，數據查詢會將計算平均分配到所有節點上，結構簡單，擴展性好 。

隨著業務越來越大，這種簡單的數據分布方式可能會帶來一些問題。具體表現為：

用戶不斷把各種業務數據集成到一個數倉中，不同業務邏輯訪問同一個數倉，這減少了維護多個數倉的成本，運維方便。但也會導致數倉的數據規模越來越大，表越來越多。不同業務訪問數倉過程中會帶來資源的競爭，比如CPU、內存、磁盤IO、網絡的競爭。雖然通過配置資源池可以一定程度解決資源競爭，但所有業務執行邏輯仍然同時在每個節點上執行，無法做到資源完全隔離。事實上，同一業務的不同作業總是傾向訪問本業務相關的表，對其他業務的表訪問較少，如果能做到業務內數據“高內聚”，業務間“低耦合”無疑是更好的選擇。

數據庫表無論大小都被切分到所有節點，對小表來說，數據過于分散。當節點規模達到一定程度后，通過增加更多節點，提高查詢并行度的方式可能就無法帶來理想的擴展性了。如果為了避免集群變大，將不同業務數據拆分成獨立集群，集群間數據互訪就需要從應用層解決，或者需要跨集群導數。

邏輯集群實現了一個大集群按節點拆分，將大集群中所有節點分組，每個節點組構建一個邏輯集群，可以很好的解決上面所述的問題。

企業可以根據不同業務的數據規模為其創建不同節點數的邏輯集群，由于不同節點屬于不同的邏輯集群，這樣可以做到不同業務之間物理資源徹底隔離。在一個邏輯集群內部，所有節點是對等的，數據保持均衡，確保邏輯集群內部作業高效運行。同時，由于所有業務仍然在一個統一的大集群內，有統一的元數據管理和節點管理，跨邏輯集群數據互訪非常容易和高效，這樣就可以做到高內聚，低耦合。

邏輯集群的能力

邏輯集群實現了三種隔離：

數據隔離：不同業務的表創建在不同邏輯集群上，表數據物理上隔離；

資源隔離：不同邏輯集群的CPU，內存，IO資源是隔離的；跨邏輯集群數據訪問的資源是受控的；同一邏輯集群內部還可以通過負載隊列進行作業資源管控；

權限隔離：訪問其他邏輯集群的表和數據庫對象需要授權；

邏輯集群支持彈性計算，一個邏輯集群的作業可以利用其他邏輯集群計算資源。

邏輯集群間可以異構部署，一個邏輯集群內部節點間配置應該是完全相同的，不同邏輯集群間節點配置可以不同（包括CPU、內存、IO等硬件配置，但操作系統配置需要相同）。

每個邏輯集群可以獨立擴縮容，業務遷移后不用的邏輯集群可以刪除，釋放的節點可以用于創建新的邏輯集群。

邏輯集群典型場景

多子業務拆分：將一個大業務拆分為多個子業務，每個子業務創建一個獨立邏輯集群；子業務之間資源隔離，同時也可以方便地進行跨子業務查詢。

數據加工和數據查詢作業分離：將數據加工和靈活查詢作業分開到兩個邏輯集群，數據加工結果寫入靈活查詢邏輯集群中，保證兩類作業資源隔離，且可以根據需要獨立擴容。

EI企業智能 Gauss AP 數據倉庫服務 GaussDB(DWS)

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。