基于Data Lake Analytics的Serverless SQL大数据分析

摘要： TableStore（简称OTS）是阿里云的一款分布式表格系统，为用户提供schema-free的分布式表格服务。随着越来越多用户对OLAP有强烈的需求，我们提供在表格存储上接入Data Lake Analytics（简称DLA）服务的方式，提供一种快速的OLAP解决方案。

背景介绍

TableStore（简称OTS）是阿里云的一款分布式表格系统，为用户提供schema-free的分布式表格服务。随着越来越多用户对OLAP有强烈的需求，我们提供在表格存储上接入Data Lake Analytics（简称DLA）服务的方式，提供一种快速的OLAP解决方案。DLA是阿里云上的一款的通用SQL查询引擎，通过在OTS连通DLA服务，使用通用的SQL语言（兼容mysql5.7绝大部分查询语法），在表格存储上做灵活的数据分析任务。

架构视图

如上图所示，整体OLAP查询架构涉及3款阿里云产品：DLA，OTS，OSS。其中DLA负责分布式SQL查询计算，在实际运行过程中，会将用户sql查询请求进行任务拆解，产生若干可并行化的子任务，提升数据计算和查询能力。OTS为数据存储层，用于接收DLA的各类子查询任务。如果用户已经有存量的数据在OTS上，可以直接在DLA上建立映射视图，实现快速体验SQL计算带来的便捷。OSS为分布式对象存储系统，主要用于用户查询结果数据的保存。

因此用户要想快速体验SQL on OTS，必须在开通OTS的前提下，完成DLA和OSS服务的开通。通过上述3个云产品的配合，用户就能在OTS上快速执行SQL计算。目前开通OSS服务的主要原因是DLA默认回查询结果集数据写回到OSS存储，因此需要引入一个额外的存储依赖，但仅依赖用户开通OSS服务，不需要用户预先创建OSS存储实例。

目前开服公测的区域是上海区，对应的实例是该region内所有的容量型实例。在开通DLA服务时，需要先填写公测申请，通过之后按照“接入方式”小节的步骤，能快速完成接入体验。

接入方式

整个主要包含OTS、OSS、DLA的服务接入。需要注意的一点是，完成接入之后，就会按照实际查询产生相应的费用。如在这个过程中，用户账号是欠费的，将会发生查询失败。

OTS服务开通

如果用户已经开通的OTS服务，并且上面已经包含存量的实例，表格数据，则忽略该步骤。

对于首次使用OTS的用户，可按照下述方式开通OTS：

1. 登录https://www.aliyun.com；

2. 进入“产品”->"云计算基础"->"数据库"->“表格存储 TableStore”；

3. 按照上面的文档说明，快速建立实例和表格，进行体验；

   1）使用控制台，快速创建测试表格：

   2）使用控制台，快速插入测试数据：

OSS服务开通

1. 登录https://www.aliyun.com；

2. 进入“产品”->"云计算基础"->"存储服务"->“对象存储 OSS”；

3. 直接点击服务开通即可。

OSS服务开通后，不需要创景对象实例，DLA接入时，会自动为用户在OSS服务中，创建用于存储查询结果数据的对象存储实例，用户不需要关心。

DLA服务开通

1. 登录https://www.aliyun.com；

2. 进入“产品”->"大数据"->"大数据计算"->“Data Lake Analytics”；

3. 直接点击服务开通；

注意：处于公测阶段时，开通服务需要做公测申请，填写好相关信息即可。

DLA on OTS接入

按照下列步骤，在DLA上建立OTS的映射：

1. 开通DLA服务之后，可以选择不同region，选择开通对应region的DLA服务实例（如现在华东2的上海区域）。不同的region，对应不同的账号，不同region的DLA账号，不能混用，如下图所示：

   ![service_open.jpg](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/ecc5446d0d8298adc493a72de5567d3d.jpg)
   ![service_open2.jpg](http://ata2-img.cn-hangzhou.img-pub.aliyun-inc.com/acba06dae5f78a2ed740bc67397a0316.jpg)
   
   注意：账号创建完成之后，会收到相关邮件(邮箱为阿里云的注册邮箱)，内含该region的DLA账号和密码，注意查收。

2. 选择region，授权DLA访问OTS上的用户实例数据，如下图所示：
   

3. 服务开通之后，有3中SQL访问方式：控制台、mysql client，JDBC。

控制台访问

点击数据库连接，使用邮件中的该region的用户名和密码，连接进入控制台。

进入控制台后，需要为OTS上的实例表格数据建立映射信息。场景举例：假设用户在上海region已经有一个名为sh_tpch的实例，该实例包含表格test001,里面包含2行测试数据。对该实例建立映射的步骤包括：

1）将ots的实例映射成DLA的一个DataBase实例：
在建立DLA的Database映射前，首先需要在OTS上创建一个表格存储的实例instance，如：

创建一个实例，名为sh-tpch，对应的endpoint为https://sh-tpch.cn-shanghai.ots.aliyuncs.com。

完成测试实例创建后，执行下列语句建立Database映射：

CREATE SCHEMA sh_tpch001 with DBPROPERTIES(LOCATION ='https://sh-tpch.cn-shanghai.ots.aliyuncs.com', catalog='ots', instance ='sh-tpch');

注意：使用mysql client时，可以使用create database或create schema语句进行创建db映射；但是在控制台，目前只支持create schema语句创建db映射。

上述语句，将在DLA上创建一个名为sh_tpch001的database，对应的实例是ots的sh-tpch.cn-shanghai.ots.aliyuncs.com集群下名为sh-tpch的实例。通过上面的语句，就能产生一个ots的实例映射。

2）在tp_tpch001的DB下，建立表格的映射：
在建立DLA的表格映射前，首先需要在OTS创建测试表，流程参考"OTS服务开通"小节。

测试表格创建完成后，执行下列语句建立表格映射：

CREATE TABLE test001 (pk0 int , primary key(pk0));

注意：主要建立DLA映射表时，指定的Primary Key必须跟OTS表格定义Primary Key列表一致。因为Primary Key必须能是唯一的定位一行，一旦映射表的Primary Key列表与OTS表格的PK不一致，则可能会导致SQL查询结果出现非预期的错误。

例如：用户的OTS实例sh_tpch上包含test001表格，其中只有一列pk0。上面的命令就完成了在DLA的实例sh_tpch001上，创建映射表test001。使用show命令能查看该表创建成功：

3)使用select语句执行sql查询：

1. 查出所有数据：select * from test001;

2. 执行count统计：select count(*) from test001;

3. 执行sum统计：select sum(pk0) from test001;

4）更为丰富执行语句，请查看如下的帮助说明文档：

create schema语句：https://help.aliyun.com/document_detail/72005.htmlcreate table语句：https://help.aliyun.com/document_detail/72006.htmlselect语句：https://help.aliyun.com/document_detail/71044.htmlshow语句：https://help.aliyun.com/document_detail/72011.htmldrop table语句：https://help.aliyun.com/document_detail/72008.htmldrop schema语句：https://help.aliyun.com/document_detail/72007.html

5）在做SQL执行时，可以选择同步执行结果，返回满足条件的前10000条记录；如果要获大结果集数据，需要选择异步执行，并使用show query_id的方式异步获取结果：

show query_task where id = '59a05af7_1531893489231';

mysql访问

使用标准的mysql client也能快速连通DLA的数据实例。其中连接语句为：

mysql -h service.cn-shanghai.datalakeanalytics.aliyuncs.com -P 10000 -u  -p  -c -A

其他操作语句跟“控制台访问”小节介绍一致。

JDBC访问

也可以使用标准的java api实现访问，连接串为：

jdbc:mysql://service.cn-shanghai.datalakeanalytics.aliyuncs.com:10000/

其他操作语句跟“控制台访问”小节介绍一致。

总结

通过DLA+OTS，我们能让用户快速在表格存储上体验极致的分布式SQL计算。

Reference

表格存储（Table Store）： https://www.aliyun.com/product/ots
Data Lake Analytics： https://www.aliyun.com/product/datalakeanalytics

原文链接

本文为云栖社区原创内容，未经允许不得转载。