SequoiaDB+PostgreSQL数据实时检索佳实践

1.背景

SequoiaDB数据实时检索的能力体现在索引和数据切分的使用上，创建合适的索引能够快速查询到具备某一特征数据的能力；合理的切分方式能够提高数据查询性能。比如按时间，按地区去统计一些数据时，可以采用主子表的切分方式，将一个海量数据的集合切分成均匀的多个数据块，某些类型的查询性能就可以得到极大提升。

SequoiaDB作为分布式数据库，从设计之初就已经支持SQL访问。目前，SequoiaDB自研的SQL访问组件SequoiaSQL作为企业版的功能之一已经提供给上百家企业用户使用，并且已经实现分布式架构下的SQL 2003支持。

由于大部分开发人员及客户倾向于使用标准的SQL语句作为数据库操作的标准接口，SequoiaDB实现了与PostgreSQL的对接，使得开发者可以使用SQL语句访问SequoiaDB数据库，完成SequoiaDB数据库的增，删，查，改操作。对于SequoiaDB社区版用户，我们可以通过SequoiaDB对接PostgreSQL 实现社区版的分布式SQL访问。这一应用方式基本也可以满足大部分的社区版需求。

2.SequoiaDB与PostgreSQL对接结构

Pg对接sdb步骤：

• 先创建PostgreSQL本地数据库，
• 在本地数据库中加载SequoiaDB连接驱动sdb_fdw
• 基于sdb_fdw，创建server，配置与SequoiaDB的连接参数，包括认证信息，server代表需要访问的数据库
• 定义好server后，创建外部表，映射到目标server中的可访问对象，即SequoiaDB的集合。

2.1 部署环境

1. 服务器分布
   

2. 软件配置
   操作系统：RedHat7.2
   JDK版本：1.7.0_80 64位
   SequoiaDB版本：2.6
   Postgresql版本：9.3.4

2.2 安装PGSQL

Step1、安装readline库，zlib库
yum install readline-devel
yum install zlib-devel

Step 2、下载pg压缩包，后解压，编译postgreSql
$ tar -zxvf postgresql-9.3.4.tar.gz
$ cd postgresql-9.3.4/
$ ./configure && make && make install

Step 3、切换用户，拷贝PgSql文件
$ su - sdbadmin
$ cp -rf /usr/local/pgsql ~/

Step4 在sdbadmin用户环境变量中添加Pgsql的lib库
vi ~/.bash_profile
export LD_LIBRARY_PATH=/usr/local/pgsql/lib:${LD_LIBRARY_PATH}

Step 5、创建pgSql的数据目录，并初始化数据目录（只能初始化一次）
$ mkdir pg_data
$ bin/initdb -D pg_data/

2.3 安装sequoiadb-postgreSql插件

Step 1、创建pgSql的lib目录
$ PGLIBDIR=$$(bin/pgconfig−−libdir) mkdir -p ${PGLIBDIR}

Step 2、在share目录下创建pgSql的extension目录
$ PGSHAREDIR=$$(bin/pgconfig−−sharedir) mkdir -p ${PGSHAREDIR}/extension

Step 3、从 SequoiaDB 的安装包中，拷贝 PostgreSQL 的扩展文件
从 SequoiaDB 安装后的 PostgreSQL目录中拷贝 sdb_fdw.so 文件到 PostgreSQL 的 lib 目录，并添加软链接。
$ cp -f /opt/sequoiadb/postgresql/sdb_fdw.so_2.2_23000 $$PGLIBDIR cd $$PGLIBDIR ln -s sdb_fdw.so_2.2_23000 sdb_fdw.so

将 sdb_fdw.control 和 sdb_fdw–1.0.sql 脚本拷贝到 extension 目录中：
$ cp -f /opt/sequoiadb/postgresql/sdb_fdw.control $$PGSHAREDIR/extension/; cp -f /opt/sequoiadb/postgresql/sdb_fdw–1.0.sql ${PGSHAREDIR}/extension/ ;

Step 4、修改PostgreSQL的日志配置，日志中增加打印时间信息、连接信息等
$ vi pg_data/postgresql.conf
#打印连接信息
log_connections = on
#打印断连信息
log_disconnections = on
#日志中打印时间，进程id，客户端地址信息
log_line_prefix = ‘%m %p %r’
#出现错误是，断开当前连接
exit_on_error = on

Step5、修改PostgreSQL的连接配置
为了使非本机客户端也能够连接PostgreSQL，我们需要修改pg的连接配置

1. 修改postgresql的监听地址
   $ sed -i “s/#listen_addresses = ‘localhost’/listen_addresses = ‘0.0.0.0’/g” pg_data/postgresql.conf

2. 修改信任的机器列表，信任所有机器
   sed -i “s/host all all 127.0.0.1/32 trust/host all all 0.0.0.0/0 trust/g” /sdbdata/data03/pg_data/pg_hba.conf

Step 6、启动pg进程
bin/postgres -D pg_data/ >> pg.log 2>&1 &

Step 7、创建 PostgreSQL 的 database
$ bin/createdb -p 5432 foo

Step 8、进入 PostgreSQL shell 环境
$ bin/psql foo

2.4 PostgreSQL与SequoiaDB对接流程：

Step 1、加载SequoiaDB连接驱动
foo=# create extension sdb_fdw;

Step 2、配置与sequoiadb连接参数
foo=# create server sdb_server foreign data wrapper sdb_fdw options(address ‘127.0.0.1’, service ‘11810’);

注：用户可以指定多个协调节点，避免一个协调节点出现异常后，postgresql无法使用。如果配置了数据库密码验证，需要配置user与password字段。

3.PostgreSQL操作SequoiaDB数据库实践

配置好PostgreSQL与SequoiaDB对接后，为使pgsql能够对sdb的集合进行数据操作，还需要建立外表用于映射sdb集合数据。

3.1 搭建表（集合）结构

1. SequoiaDB中dept_test集合结构

{
“_id”: {
“$oid”: “5950ca9e2f1f2ba90a000000”
},
“dept_id”: 1,
“dept_name”: “developer”,
“dept_location”: “beijin”
}

emp_test集合结构
{
“_id”: {
“$oid”: “5950caaee50314ac0a000000”
},
“emp_id”: 1,
“name”: “Holmes”,
“job”: “salesman”,
“salary”: 8000,
“bonus”: 3143,
“hire_date”: “2016-03-23”,
“manager”: 10,
“dept_test_id”: 5
}

为提高检索速度，将这两个集合分别根据dept_id和emp_id进行hash切分。因为对数据进行分区能够改善查询性能，平衡IO压力，对分区键为条件的检索可以仅搜索自己关心的分区，提供检索速度。

2. 关联SequoiaDB的集合，建立两个外关联表dept_test和emp_test

create foreign table dept_test(dept_id integer,dept_name varchar,dept_location varchar) server sdb_server options(collectionspace ‘foo’,collection ‘dept_test’);
create foreign table emp_test(emp_id integer,name varchar,job varchar,salary integer,bonus integer,hire_date varchar,manager integer,dept_test_id integer) server sdb_server options(collectionspace ‘foo’,collection ‘emp_test’);

注：集合空间与集合必须已经存在于SequoiaDB，否则查询出错
PostgreSQL是对字母大小写敏感的的，如果SequoiaDB中的集合空间，集合和字段名是大写的，需要在名字上加上双引号。

3.2 数据实时检索实践

对于多表关联，真正需要查询的数据基本都是可以确定的情形下，sdb可以将这些表数据进行清洗打平操作，将需要查询的数据及查询条件整合到一张或几张查询表（集合）中，在查询字段上建立多个索引保证查询性能。

1. PostgreSQL解析过程
   PostgreSQL在执行方面它负责接收SQL查询请求，解析SQL生成逻辑计划，之后对逻辑计划进行优化，并将优化后的逻辑计划转换成执行计划，交由sdb执行，语法方面它既支持基本的操作（select、project、join、group by、filter、order by、limit等），也支持关联子查询和非关联子查询，和支持各种outer-join。

2. 检索实践

a. 简单查询
SELECT * FROM emp_test WHERE salary BETWEEN 5000 AND 10000;
在salary字段上建立索引，可以加快条件的判断速度

b. 关联查询
SELECT name,dept_name,dept_location FROM emp_test JOIN dept_test ON emp_test.dept_test_id=dept_test.dept_id;
在外键dept_test_id上创建索引，可以加快表连接的速度

c. 聚合查询
SELECT dept_test_id,AVG(salary)
FROM emp_test
GROUP BY dept_test_id
HAVING AVG(salary)>8000 order by AVG(salary);
可以在需要排序的列上创建索引，这样查询可以利用索引的排序，加快排序查询时间；但这条SQL语句不能使用索引，因为索引字段被函数调用，不能走索引。

4 结论

SequoiaDB为社区用户提供PostgreSQL对接接口，能够使用PostgreSQL的SQL引擎对SequoiaDB进行查询操作，使得对非关系型数据库不熟悉的业务编程人员也能够通过其熟练的SQL语句对SequoiaDB进行插入查询工作。

SequoiaDB+PostgreSQL可以说为社区用户提供了一个更为简单的技术选择，使得SequoiaDB除了原生API之外，为社区开发者提供了SQL的接口。

当然，如果有更为复杂的需求或者更为庞大的业务数据需要管理，我们还是会推荐购买企业版的SequoiaDB，包括其中的SequoiaSQL分布式SQL引擎。