自2020年6月30日开源以来。至今,openLooKeng社区用户数达到 100K +,累计收到 2000+ PR,1500+ Issue,1500+ Comments,2021年,社区下载量突破 100K +;遍及全球41个国家、210个城市。越来越多的人关注到openLooKeng,如今,社区呈现一派生机勃勃,绿荫环绕的景象。
每一次的迭代更新,openLooKeng都致力于为用户提供了极简的数据分析体验。2022年1月,新年伊始,在小伙伴的支持下,openLooKeng迎来了新版本v1.5.0
openLooKeng v1.5.0 Star Tree支持优化连接查询,如星型模型的查询。
优化查询计划:由于Cube已经包含了汇总结果,所以改写查询计划将聚合运算结果重定向到Cube结果,当group by子句完全与Cube组匹配时性能收益明显。
问题修复,以进一步增强Cube的可用性和健壮性。
通过增加对内存表分区的支持,允许跳过整个分区的数据,从而提高内存连接器的性能。
收集内存表的统计信息,以支持基于openLooKeng代价的优化器。
修复了几个重要的错误,以解决数据不一致问题,以及在高并发和工作节点故障期间偶尔发生的查询挂起问题。
数据持久化优化了数据溢出到磁盘的机制,将序列化页面直接写入磁盘,而不是缓存。这样,算子可以释放更多的内存,相比之前性能提高30%。
Yarn上部署openLooKeng支持在yarn上部署启用HA的openLoKeng集群实例,该实例包含一个反向代理(默认为ngnix)和2个或更多协调节点。通过增加和移除yarn容器,实现手动水平缩放openLooKeng集群。
作为大数据领域的项目,openLooKeng一直致力于为用户提供极速极简的数据体验。如果您也关注大数据,欢迎来社区打卡更多知识点,一起共建大数据繁荣生态,欢迎下载并使用openLookeng!
点此下载:openLooKeng 新版本 v1.5.0
欢迎在openLooKeng gitee仓上提Issue,分享您的体验感受与建议,您的声音或将成为openLooKeng引擎性能提升的关键。如果您对新版本V1.5.0有任何建议,欢迎发邮件至 users@openlookeng.io告知我们。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)