關(guān)于千萬級數(shù)據(jù)的OLAP場景是什么樣的,很多新手對此不是很清楚,為了幫助大家解決這個難題,下面小編將為大家詳細講解,有這方面需求的人可以來學(xué)習下,希望你能有所收獲。
網(wǎng)站建設(shè)哪家好,找創(chuàng)新互聯(lián)!專注于網(wǎng)頁設(shè)計、網(wǎng)站建設(shè)、微信開發(fā)、微信小程序開發(fā)、集團企業(yè)網(wǎng)站建設(shè)等服務(wù)項目。為回饋新老客戶創(chuàng)新互聯(lián)還提供了陜州免費建站歡迎大家使用!
前段時間接手一個比較棘手的項目.
6千萬的股票行情數(shù)據(jù)聚合場景.
用戶發(fā)起query, 到解析, 再到聚合, 最后展現(xiàn)給用戶耗時不超過2秒.
因為聚合維度比較多, 可以劃分為時間維度, 指標維度. 指標維度多達10幾個.
使用mongo, 先扔進去了2千萬左右的數(shù)據(jù), 不加索引的情況下, 幾乎出不了結(jié)果.
如果每個維度都使用索引的話成本太高, 最后果斷放棄了mongo.
使用MySQL, 數(shù)據(jù)分片, 很細粒度的, 準備以空間換時間.
主要是以時間維度做數(shù)據(jù)冗余, 針對幾個主要的時間段, 時間點提前做數(shù)據(jù)準備.
其他維度采用硬算的方式.
想法是好的, 測試的結(jié)果對我來說相當殘酷.
1.硬算時間太長.
2.非主要時間維度跨度太細, 不是所有都做數(shù)據(jù)pre.
采用elasticsearch, 準備了5臺服務(wù)器. 準備采用5臺es集群應(yīng)對OLAP場景.
導(dǎo)進5千萬數(shù)據(jù)后, 開始測試.
時間維度+其他單一維度在1秒以內(nèi)
時間維度+其他多維度(3個以內(nèi))在3秒內(nèi)
看完上述內(nèi)容是否對您有幫助呢?如果還想對相關(guān)知識有進一步的了解或閱讀更多相關(guān)文章,請關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道,感謝您對創(chuàng)新互聯(lián)的支持。