Download as PDF, PPTX
Uploaded byCloudera Japan
Evolution of Impala #hcj2014
Hadoop Conference Japan 2014 で発表した、Impala の資料です。
More Related Content
![[db tech showcase Tokyo 2016] A32: Oracle脳で考えるSQL Server運用 by 株式会社インサイトテクノロジー...](https://cdn.slidesharecdn.com/ss_thumbnails/tehahj7vqmsswpgrzrq6-signature-4c7632456c9c538ff9d2a30431910153be9e17d570b88fac06692ab02f11f222-poli-160725043205-thumbnail.jpg?width=640&height=640&fit=bounds)
Similar to Evolution of Impala #hcj2014
![[db tech showcase Tokyo 2014] D33: Prestoで実現するインタラクティブクエリ by トレジャーデータ株式会社 斉藤太郎](https://cdn.slidesharecdn.com/ss_thumbnails/dbtstokyo2014d33presto-141120012543-conversion-gate01-thumbnail.jpg?width=640&height=640&fit=bounds)
Evolution of Impala #hcj2014
- 1. 1 Evolu(on of Impala Sho Shimauchi, Cloudera 2014/07/08
- 2. 2 今日のトピック • Cloudera Impala とは？ • クエリ言語とユーザビリティ • メタデータ管理 • UDF • リソース管理 • アドミッションコントロール • YARN と Llama (ラマ) • セキュリティ (Apache Sentry) • パフォーマンスと最適化 • HDFS • Parquet • ロードマップ
- 3. 3 Who am I? • 嶋内 翔(しまうち しょう) • プロアクティブサポートエンジニア • 2011年4月にClouderaの最初の日本人社員として入 社 • email: sho@cloudera.com • twiUer: @shiumachi
- 4.
- 5. 5 Cloudera Impala とは？ • Hadoop クラスタのための MPP SQL クエリエンジン • ハードウェア性能を最大に引き出すためネイティブ コードで記述 • オープンソース • hUp://impala.io/ • Cloudera / MapR / Amazon がサポートを提供 • 歴史 • 2012/10 パブリックベータリリース • 2013/04 Impala 1.0 リリース • 現在のバージョンは Impala 1.3.1
- 6. 6 Impala は使うのが簡単 • HDFS や HBase 上のデータに対し、仮想的なビューと してテーブルを作成することができる • スキーマは Hive メタストアに保存 • ODBC / JDBC で接続可能 • Kerberos / LDAP で認証可能 • 標準SQLを実行可能 • ANSI SQL-‐92 ベース • SELECT とバルクインサートに限定 • 相関サブクエリは未実装 (Impala 2.0 で実装予定) • UDF / UDAF に対応
- 7. 7 Impala のアーキテクチャ • 分散サービス • コンポーネント • impalad • statestore • catalogd • インタフェース • impala-‐shell • ODBC / JDBC
- 8. 8 impalad • データのあるノード全てで動作する • どの impalad でもユーザからのクエリを受け付けるこ とが可能 • クエリを受け付ける impalad は、通常「コーディネータノー ド」と呼ばれる • コーディネータノードは、リモートの impalad 上での 計算処理を開始する
- 9. 9 statestore • ステートリポジトリ • ネームサービス • クラスタ毎に1ノード • ソフトステート • 起動時に全ての impalad はstatestoreに登録する • impalad への接続が切れたとき、statestore はその情報を 他の impalad へ周知する • Impala サービスは statestore がなくても動作継続する
- 10. 10 catalogd (Impala 1.2) • Impala SQL からクラスタ内の全ノードにメタデータの 変更をリレーする • クラスタ毎に1ノード • 詳細は後述
- 11. 11 Impala のアーキテクチャ HDFS DN Query Exec Engine Query Coordinator Query Planner HBase HDFS DN Query Exec Engine Query Coordinator Query Planner HBase HDFS DN Query Exec Engine Query Coordinator Query Planner HBase ODBC / JDBC SQL App クライアント・インタフェース メタデータ Hive Metastore HDFS NN State Store Catalogd
- 12. 12 Impala のアーキテクチャ HDFS DN Query Exec Engine Query Coordinator Query Planner HBase HDFS DN Query Exec Engine Query Coordinator Query Planner HBase HDFS DN Query Exec Engine Query Coordinator Query Planner HBase ODBC / JDBC SQL App メタデータ Hive Metastore HDFS NN State Store Catalogd SQL リクエスト プランナーはプランフラグメン トの集合に変換する クライアント・インタフェース
- 13. 13 Impala のアーキテクチャ HDFS DN Query Exec Engine Query Coordinator Query Planner HBase HDFS DN Query Exec Engine Query Coordinator Query Planner HBase HDFS DN Query Exec Engine Query Coordinator Query Planner HBase ODBC / JDBC SQL App メタデータ Hive Metastore HDFS NN State Store Catalogd コーディネータはリモートのimpalad上 での計算処理を開始する クライアント・インタフェース
- 14. 14 Impala のアーキテクチャ HDFS DN Query Exec Engine Query Coordinator Query Planner HBase HDFS DN Query Exec Engine Query Coordinator Query Planner HBase HDFS DN Query Exec Engine Query Coordinator Query Planner HBase ODBC / JDBC SQL App メタデータ Hive Metastore HDFS NN State Store Catalogd HDFS ショートサーキットリードを使って ローカルダイレクトスキャン、その後計算処理を実行 (集約やハッシュJOINなど) クライアント・インタフェース
- 15. 15 Impala のアーキテクチャ HDFS DN Query Exec Engine Query Coordinator Query Planner HBase HDFS DN Query Exec Engine Query Coordinator Query Planner HBase HDFS DN Query Exec Engine Query Coordinator Query Planner HBase ODBC / JDBC SQL App メタデータ Hive Metastore HDFS NN State Store Catalogd もしクエリが複雑なら、impaladは計算結果を互いに交 換し、他の計算処理を実行 中間結果はストリームで転送される クライアント・インタフェース
- 16. 16 Impala のアーキテクチャ HDFS DN Query Exec Engine Query Coordinator Query Planner HBase HDFS DN Query Exec Engine Query Coordinator Query Planner HBase HDFS DN Query Exec Engine Query Coordinator Query Planner HBase ODBC / JDBC SQL App HiveQLとインタフェース メタデータ Hive Metastore HDFS NN State Store Catalogd コーディネータは最後の計算を実行 し、クライアントに結果を返す
- 17. 17 クエリ計画 • 2フェーズプロセス • シングルノードプラン • クエリ演算子の lee deep tree • 分散並列処理のためにプランフラグメントに分割する • スキャンローカリティを最大化する • データの移動を最小化する
- 18. 18 クエリ計画 FRAGMENT 2 HDFS SCAN HASH JOIN AGGREGATION FRAGMENT 1 EXCHANGE AGGREGATION COORDINATOR FRAGMENT TOP-‐N EXCHANGE AGGREGATION
- 19. 19 クエリ実行 • インメモリでの実行 • JOINの右側の入力をメモリにキャッシュし、結果を集約し ていく • 例: 1TB のテーブルを JOIN する。200列のうち2列を参照し、 行の10%を用いる • 1024 * (2 / 200) * 0.1 = 1GB を、全てのノード上のメモリにキャッ シュする必要がある • データはストリームで送信される • ディスクに書き出されることはない
- 20. 20 クエリ実行: ランタイムコード生成 • LLVMを使って、クエリのランタイム依存の部分をJITコ ンパイルする • クエリのカスタムコーディングと同じ効果がある • 分岐の削除 • 定数、オフセット、ポインタなどのプロパゲート • インライン関数呼び出し • 最近のCPUのための実行最適化(命令パイプライン)
- 21. 21 What’s new? HCJ 2013 (2013/01/21) HCJ 2014 (2014/07/08) Impala 0.4 (Beta) DDL (CREATE, ALTER, etc.) No JOIN 最適化 No 分散 JOIN No UDF No JDBC ドライバ No カラムナファイル フォーマット RCFile
- 22. 22 What’s new? HCJ 2013 (2013/01/21) HCJ 2014 (2014/07/08) Impala 0.4 (Beta) 1.3.1 DDL (CREATE, ALTER, etc.) No Yes JOIN 最適化 No Yes (コストベース) 分散 JOIN No Yes UDF No Yes (UDF / UDAF) JDBC ドライバ No Yes カラムナファイル フォーマット RCFile RCFile, Parquet
- 23.
- 24. 24 メタデータ管理 • catalogd (Impala 1.2) • Impala SQL からクラスタ内の全ノードにメタデータの変更をリ レーする • クラスタ毎に1ノード • DDL(CREATE や DROP TABLEなど)の後に、 REFRESH や INVALIDATE METADATA を実行する必要がなくなった • HiveでDDLを実行した場合は引き続き実行が必要 • INVALIDATE METADATA new_table_name (Impala 1.2.4) • INVALIDATE METADATA はコスト高の処理 • このクエリにより指定したテーブルだけに実行することが可能
- 25. 25 UDF (ユーザ定義関数) • Impala 1.1 / 1.2 からの新機能 • UDF と UDAF をサポート • 以下のUDFを作成可能 • C++ でネイティブコードを書く • Java で書かれた Hive UDF をポートする • Python UDF も開発中！ • hUps://github.com/cloudera/impyla IntVal AddUdf (UdfContext* context, const IntVal& arg1, const IntVal& arg2) { if (arg1.is_null || arg2.is_null) { return IntVal::null(); } return IntVal(arg1.val + arg2.val) }
- 26. 26 HBase 連携 • Impala は HBase のテーブルに対し SELECT や INSERT を実行可能 • ユースケース • 巨大なファクトテーブルをImpalaに持ち、より小さいディメンジョンテーブル をHBase で持つ • 高速にインクリメントされるカウンタをHBaseに保存する • 例: WebサイトのPVや、SNS の投稿での投票の数など • 非常に幅広い(そして通常は疎な)テーブルをHBaseで持つ • 例: オンラインサービスのユーザ情報 • 1行インサートも可能 • INSERT … VALUES Impala HBase external systems put SELECT * FROM hbase_tbl … INSERT / INSERT … VALUES get, scan
- 27.
- 28. 28 アドミッションコントロール (Impala 1.3) • 高速・軽量なリソース管理機構 • 並列ワークロードに対するリソースの過剰利用を避 ける • 設定した限界値を超えたらクエリはキューイングされる • 全 impalad で動作 • SPOF なし
- 29. 29 アドミッションコントロール (Impala 1.3) • 設定可能なリソースプール • クエリの最大並列実行数 • キューの最大長 • プールのメモリ総量 • 設定方法は2通り • Cloudera Manager の「動的リソースプール」 • fair-‐scheduler.xml と llama-‐site.xml を手動編集する
- 30. 30 アドミッションコントロールの例 並列実行可能な クエリ数 クエリキューの 最大長 100 10 10 1 最大メモリ 1000 GB 100 GB Group A Group B
- 31. 31 アドミッションコントロール (Impala 1.3) • 制限は「ソフトリミット」 • 実行可能クエリ数の最大値を少しだけオーバーすること がある • クエリを statestore のハートビート間隔(500ms)より速い間 隔で送信していると発生する可能性がある
- 32. 32 YARN と Llama (ラマ) • Llama: Low Latency Applica(on MAster • 低レイテンシ・短寿命のクエリで用いるために、粒度 の粗いYARNのスケジューリングをよりきめ細かくする • YARNプールごとに長寿命のAMを登録する • YARNから割り当てられたリソースを短時間キャッシュ する • Impala クエリに高速に再割り当てする • YARN を待つよりもはるかに高速 • Impala 1.3 ではベータ版 • Produc(on Ready in Impala 1.4
- 33.
- 34. 34 34 Apache Sentry • Apache Incubatorプロジェクト • オープンソースで開発 • Oracle社やCloudera社が主導 • データベース、テーブル、ビュー、列/行 の粒度でアクセス制御 • HiveやImpalaなど幅広いHadoop エコシステムで利用可能
- 35.
- 36. 36 HDFS ショートサーキットリード • ローカルディスクから読み込むときにデータノードのプロ トコルをバイパスする • ディスクあたり 100+ MB / s の読み込み性能を出せる Impalad DataNode OS
- 37. 37 HDFS キャッシング • メモリ常駐データへのゼロオーバヘッドアクセス • チェックサム計算とデータコピーを回避する • 新しい HDFS API が CDH5.0 で導入された • Impala DDL でキャッシュ指定することが可能 (Impala 1.4) • CREATE TABLE tbl_name CACHED IN ‘<pool>’ • ALTER TABLE tbl_name ADD PARTITION … CACHED IN ‘<pool>’
- 38. 38 Parquet • Hadoop 用カラムナストレージ • 多くの Hadoop エコシステムがサポートしている • Impala, Hive, Pig, MapReduce, Cascading • 高圧縮かつ高スキャン効率 • TwiUer と Cloudera の共同開発 • 2014年5月にApache インキュベータプロジェクトに なった • hUp://incubator.apache.org/projects/parquet.html • 現在のプロジェクトページ: hUp://parquet.io/
- 39. 39 Parquet のアーキテクチャ a b c a1 b1 c1 a2 b2 c2 a3 b3 c3 a4 b4 c4 a1 a2 a3 a4 b1 b2 b3 b4 c1 c2 c3 c4 Row Group column chunk column chunk column chunk
- 40.
- 41.
- 42. 42 COMPUTE STATS (Impala 1.2.2) • テーブルや列の統計情報を収集し、メタストアに保存 する • ETL処理の終わりには必ず COMPUTE STATS を実行 しましょう • コストベースのJOIN順序の最適化 • JOINクエリの性能改善とメモリ使用量削減 • ParquetテーブルへのINSERTの性能改善とメモリ使用量削 減 • Impala 1.4 では COMPUTE STATS 自体が高速化
- 43. 43 Impala ベンチマーク • TPC-‐DS を使ったベンチマーク • 21種類のクエリ • 15TB スケールファクタ―データセット • 21ノードクラスタ • Impala で TPC-‐DS を試したい人は以下のツールを使 うと楽 • hUps://github.com/cloudera/impala-‐tpcds-‐kit
- 44. 44 Impala ベンチマーク Hardware # of nodes 21 CPU Intel Xeon CPU E5-‐2630L 0 at 2.00GHz 2 processors 12 cores disk 12 disks 932GB each OS: 1 disk HDFS: 11 disks memory 348GB So>ware Impala 1.3 Hive-‐on-‐Tez 13.0 Shark (RDD) 0.9.2 Shark (HDFS) 0.9.2 Presto 0.60
- 45. 45 Impala ベンチマーク: シングルユーザ • クエリをグルー プ分けして幾何 平均をとった • インタラクティ ブ • レポート • 高度な分析 • Impala は次点の Sharkに比べて約5倍 高速
- 46. 46 Impala ベンチマーク: シングルユーザ • クエリをグルー プ分けして幾何 平均をとった • インタラクティ ブ • レポート • 高度な分析 • Impala は次点の Sharkに比べて約5倍 高速 17 34 62 49 193 327 Shark / ORC (HDFS) Impala
- 47. 47 Impala ベンチマーク: マルチユーザ • 10並列のクエリ • 「インタラク ティブ」クエリ • 10ユーザでの並 列クエリだと ImpalaはPrestoよ り19.1倍高速
- 48. 48 Impala ベンチマーク: マルチユーザ • 10並列のクエリ • 「インタラク ティブ」クエリ • 10ユーザでの並 列クエリだと ImpalaはPrestoよ り19.1倍高速 Impala 1クエリ: 15 10並列: 29 Presto 1クエリ: 64 10並列: 555
- 49. 49 Impala ベンチマーク: マルチユーザ
- 50. 50 Impala ベンチマーク: マルチユーザ x21.6 beCer than Presto Impala: 863 Presto: 40
- 51. 51 Impala ベンチマーク: マルチユーザ
- 52. 52 Impala ベンチマーク: マルチユーザ Impala 81秒 Presto 1858秒
- 53. 53 Impala ベンチマーク: vs. DBMS-‐Y
- 54. 54 Hadoopにおけるスケーラビリティ • Hadoopにはリニアスケーラビリティがある • クラスタにノードを追加すれば、それに比 例して性能が向上する • 性能増はあらゆるワークロードに適用され る • EDWワークロードにおける評価指標 • レスポンスタイム • 並列性とクエリスループット • データサイズ
- 55. 55 Hadoopにおけるスケーラビリティ • Impalaのスケーラビリティ評価結果 • クラスタ: 18 ノードと 36 ノード • データセット: 15TB と 30TB の TPC-‐DS データセット • クエリ: 6種類の「インタラクティブ」TPC-‐DSクエリ • 並列性: 10 クエリと 20 クエリ (並列性以外のテストでは 1 クエリ)
- 56. 56 Impala のスケーラビリティ: レスポンスタイ ム
- 57. 57 Impala のスケーラビリティ: 並列性 (10 vs. 20 ユーザ)
- 58. 58 Impala のスケーラビリティ: データサイズ (15TB vs. 30TB データセット)
- 59.
- 60. 60 ロードマップ • Impala 1.4 (2014年夏) • HDFS キャッシング DDL • COMPUTE STATS の高速化 • LIMIT なしの ORDER BY • DECIMAL(<precision>, <scale>) • ブロードキャストJOIN用のブルームフィルタ • Llama が produc(on ready になる • EDW システム用の追加のビルトイン • そして……さらに高速化！
- 61. 61 ロードマップ • Impala 2.0 (2014年下半期) • SQL 2003 準拠の分析ウィンドウ関数 • LEAD(), LAG(), etc. • 相関サブクエリ • ハッシュテーブルをディスクに書き出せるようになる • 任意のサイズのテーブルをJOIN、集約することが可能に • Nested data type • map, struct, and array
- 62.
- 63. 63 Cloudera Impala • Hadoop クラスタのためのオープンソースの高速SQL エンジン • 他の類似ソフトに比べて圧倒的に高速 • リソース管理、セキュリティなど機能も豊富 Hadoop上の分析SQLエンジンは Cloudera Impala を使いましょう hUp://impala.io/
- 64. 64 Cloudera Impala の⽇日本語フリーブック • オライリーの「インパラ本」、日本語PDF版が無償公開されました！ • http://www.oreilly.co.jp/books/9784873116723/ • Cloudera の John Russell 著 • Hadoop、HBase、Hadoopオペレーション、 プログラミングHiveなどを翻訳された 玉川竜司さんが翻訳！ 「これまでClouderaの皆 さんにご尽力いただいた 翻訳レビューへの感謝の 気持ちとして、Cloudera World Tokyo開催のお祝 いに翻訳寄贈します！」
- 65.