冷热数据管理

冷热数据简介

海量大数据场景下，随着业务和数据量的不断增长，数据存储与消耗的资源也日益增长。根据业务系统中用户对不同时期数据的不同使用需求，对膨胀的数据本身进行“冷热”分级管理，不仅可以提高数据分析性能还能降低业务成本。

例如，在网络流量分析系统中，用户可能对最近一个月内安全事件和网络访问情况感兴趣，而很少关注几个月前的数据。针对这样的一些场景，可以将数据按照时间分为：热数据、冷数据。

冷热数据主要从数据访问频率、更新频率进行划分。

• Hot（热数据）：访问、更新频率较高，未来被调用的概率较高的数据，对访问的响应时间要求很高的数据。
• Cold（冷数据）：不允许更新或更新频率比较低，访问频率比较低，对访问的响应时间要求不高的数据。

用户可以定义冷热管理表，将符合规则的冷数据切换至OBS上进行存储，可以按照分区自动进行冷热数据的判断和迁移。

冷热数据迁移

GaussDB(DWS)列存数据写入时，数据首先进入热分区进行存储，分区数据较多后，可通过手动或自动的方式，将符合冷数据规则的数据切换至OBS上进行存储。在数据切换至OBS上后，其元数据、Desc表信息以及索引信息仍在本地进行存储，保证了读取的性能。

冷热切换策略

目前冷热切换的策略名称支持LMT（last modify time）和HPN（hot partition number），LMT指按分区的最后更新时间切换，HPN指保留热分区的个数切换。

• LMT：表示切换[day]时间前修改的热分区数据为冷分区，将该数据迁至OBS表空间中。其中[day]为整型，范围[0，36500]，单位为天。

  如下图中，设置day为2，即在冷热切换时，根据分区数据的最晚修改时间，保留2日内所修改的分区为热分区，其余数据为冷分区数据。假设当前时间为4月30日，4月30日对[4-26]分区进行了delete操作，4月29日对[4-27]分区进行了insert操作，故在冷热切换时，保留[4-26][4-27][4-29][4-30]四个分区为热分区。

  

• HPN：表示保留HPN个有数据的分区为热分区。分区顺序按照分区的Sequence ID来确定，分区的Sequence ID是根据分区边界值的大小，内置生成的序号，此序号不对外呈现。对于RANGE分区，分区的边界值越大，分区对应的Sequence ID越大；对于LIST分区，分区边界枚举值中的最大值越大，分区对应的Sequence ID越大。在冷热切换时，需要将数据迁移至OBS表空间中。其中HPN为整型，范围为[0,1600]。其中HPN为0时，表示不保留热分区，在进行冷热切换时，将所有有数据的分区都转为冷分区并存储在OBS上。

  如下图中，设置HPN为3，即在冷热切换时，保留最新的3个有数据的分区为热分区数据，其余分区均切为冷分区。

  

冷热数据管理支持功能

• 支持对冷热表的insert、copy、delete、update、select等表相关的DML操作。
• 支持对冷热表的权限管理等DCL操作。
• 支持对冷热表进行analyze、vacuum、merge into等操作和一些分区的操作。
• 支持从普通列存分区表升级为冷热数据表。
• 支持带有冷热数据管理表的升级、扩容、缩容和重分布。
• 支持冷热分区互相转换。该功能仅8.3.0及以上版本支持。

冷热数据管理的约束限制

• 目前冷热表只支持列存2.0版本的分区表，外表不支持冷热分区。
• 对于已经切冷分区再次插入数据，数据直接会进入OBS，不会改变分区的冷热属性。
• 对于同一分区在同一DN只会存在冷或热的一种情况，对于同一分区在不同DN可能存在部分DN为热数据，部分DN为冷数据。
• 对于同时存在冷热分区的表，查询时会变慢，因为冷数据存储在OBS上，读写速度和时延都比在本地查询要慢。
• 只支持修改冷热表的冷热切换策略，不支持修改冷热表的冷数据的表空间。
• 冷热表的分区操作约束：
  • 不支持对冷分区的数据进行exchange操作。
  • Merge partition分区只支持热分区和热分区合并、冷分区和冷分区合并，不支持冷热分区合并。
  • ADD/Merge/Split Partition等分区操作不支持指定表空间为OBS表空间。
  • 不支持创建时指定和修改冷热表分区的表空间。
• 冷热切换不是只要满足条件就立刻进行冷热数据切换，依赖用户手动调用切换命令，或者通过调度器调用切换命令后才真正进行数据切换。目前自动调度时间为每日0点，可进行修改。
• 目前冷热切换规则只支持LMT和HPN两种。
• 冷热数据表不支持物理细粒度备份和恢复，由于物理备份时只备份热数据，在备份恢复前后OBS上冷数据为同一份，不支持truncate和drop table等涉及删除文件操作语句的备份恢复操作。

使用示例

1. 创建列存冷热数据管理表，指定热数据有效期LMT为100天。

   1 2 3 4 5 6 7 8

   CREATE TABLE lifecycle_table(i int, val text) WITH (ORIENTATION = COLUMN, storage_policy = 'LMT:100') PARTITION BY RANGE (i) ( PARTITION P1 VALUES LESS THAN(5), PARTITION P2 VALUES LESS THAN(10), PARTITION P3 VALUES LESS THAN(15), PARTITION P8 VALUES LESS THAN(MAXVALUE) )ENABLE ROW MOVEMENT;

2. 切换冷数据至OBS表空间。
   • 自动切换：每日0点调度框架自动触发，无需关注切换情况。

     可自定义自动切换时间：根据业务情况调整自动触发时间，修改为每天早晨6点30分。

     1	SELECT * FROM pg_obs_cold_refresh_time('lifecycle_table', '06:30:00');

   • 手动切换。

     执行如下操作手动切换单表：

     1	ALTER TABLE lifecycle_table refresh storage;

     执行如下操作批量切换所有冷热表：

     1	SELECT pg_catalog.pg_refresh_storage();

3. 将冷分区数据转换成热分区。该功能仅8.3.0及以上版本支持。

   将冷热表的所有冷分区转换成热分区：

   1	SELECT pg_catalog.reload_cold_partition('lifecycle_table');

   将冷热表的指定冷分区转换成热分区：

   1	SELECT pg_catalog.reload_cold_partition('lifecycle_table', 'cold_partition_name');

4. 查看冷热表数据分布情况。

   查看单表数据分布情况：

   1	SELECT * FROM pg_catalog.pg_lifecycle_table_data_distribute('lifecycle_table');

   查看所有冷热表数据分布情况：

   1	SELECT * FROM pg_catalog.pg_lifecycle_node_data_distribute();