Kudu的优化

一、Kudu关键配置

TabletServer 在开始拒绝所有传入的写入之前可以消耗的最大内存量：memory_limit_h

ard_bytes=1073741824

分配给 Kudu Tablet Server 块缓存的最大内存量：block_cache_capacity_mb=512

二、​​​​​​​​​​​​​​Kudu的使用限制

1、​​​​​​​​​​​​​​主键

• 创建表后，不能更改主键。必须删除并重新创建表以选择新的主键。
• 创建表的时候，主键必须放在最前边。
• 主键不能通过 update 更新，如果要修改主键就必须先删除行，然后重新插入。这种操作不是原子性的。（kudu的删除和插入操作无法事务）
• 不支持自动生成主键，可以通过内置的 uuid 函数表示为主键值。
• 联合主键由 kudu 编码后，大小不能超过 16KB。

2、Cells

在编码或压缩之前，任何单个单元都不得大于 64KB。

在 Kudu 完成内部复合键编码之后，组成复合键的单元格总共限制为 16KB。

如果插入不符合这些限制的行时会报错误并返回给客户端。

3、​​​​​​​字段

• 默认情况下，Kudu 不允许创建超过 300 列的表。官方建议使用较少列的 Schema 设计以获得最佳性能。
• 不支持 CHAR、VARCHAR、DATE 和数组等复杂类型。
• 现有列的类型和是否允许为空，一旦设置后，是不可修改的。
• Decimal 类型的精度不可修改。也不允许通过更改表来更改 Decimal 列的精度和小数位数
• 删除列不会立即回收空间。首先必须运行压缩。

4、表

• 表中的副本数必须为奇数，最多为 7
• 复制因子（在表创建时设置）不能更改
• 无法手动运行压缩，但是删除表将立即回收空间

5、其他限制

• 不支持二级索引。
• 不支持多行事务。
• 不支持外键。
• 列名和表名之类的标识符仅限于有效的 UTF-8 字符串并且其最大长度为 256 个字符。

6、​​​​​​​​​​​​​​分区限制

• 表必须根据一个主键 or 联合主键被预先切成 tablet，不支持自动切。表被创建后不支持修改分区字段，支持添加和删除 range 分区(意思分区表，分区字段需提前定义好，kudu 不会自动分)。
• 已经存在的表不支持自动重新分区，只能创建新表时指定。
• 丢失副本时，必须通过手动修复方式来恢复。

7、扩展建议和限制

• 建议 TabletServer 最多为 100 台。
• 建议 Master 最多 3 台。
• 建议每个 TabletServer 最大数据为 8T(压缩后)。
• 建议每台 TabletServer 的 tablet 数为 1000，最多 2000。
• 创建表的时候，建议在每个 Tablet Server 上，每个表的 Tablet 数最大为 60，也就是 3 节点的话，3 副本，创表分区最大 60，这样每个单 TabletServer 上该表的 Tablets 也就为 60。
• 建议每个 Tablet 最大为 50GB，超出后可能导致压缩和启动有问题。
• 建议单 Tablet 的大小<10GB。

8、​​​​​​​​​​​​​​守护进程

• 部署至少 4G 内存，理想情况下应超过 16GB。
• 预写日志（WAL）只能存储在一个磁盘上。
• 不能直接删除数据目录，必须使用重新格式化数据目录的方式来达到删除目的。
• TabletServer 不能修改 IP 和 PORT。
• Kudu 对 NTP 有严格要求，如果时间不同步时，Kudu 的 Master 和 TabletServer 会崩溃。
• Kudu 仅使用 NTP 进行了测试，不支持其他时间同步工具。

9、集群管理限制

• 不支持滚动重启。
• 建议 Kudu 集群中的最大点对点延迟为 20 毫秒。推荐的最小点对点带宽是 10GB。
• 如果要使用位置感知功能将平板服务器放置在不同的位置，官方建议先测量服务器之间的带宽和延迟，以确保它们符合上述指导原则。
• 首次启动群集时，必须同时启动所有 Master 服务。

10、​​​​​​​​​​​​​​复制和备份限制

• Kudu 当前不支持任何用于备份和还原的内置功能。鼓励用户根据需要使用 Spark 或 Impala之类的工具导出或导入表。

11、Impala集成限制

• 创建 Kudu 表时，建表语句中的主键字段必须在最前面。
• Impala 无法更新主键列中的值。
• Impala 无法使用以下命令创建 Kudu 表 VARCHAR 或嵌套类型的列。
• 名称包含大写字母或非 ASCII 字符的 Kudu 表在 Impala 中用作外部表时，必须分配一个备用名称。
• 列名包含大写字母或非 ASCII 字符的 Kudu 表不能用作 Impala 中的外部表。可以在 Kudu 中重命名列以解决此问题。
• !=和 like 谓词不会下推到 Kudu，而是由 Impala 扫描节点评估。相对于其他类型的谓语，这会导致降低性能。
• 使用 Impala 进行更新，插入和删除是非事务性的。如果查询在部分途中失败，则其部分效果不会回滚。
• 单个查询的最大并行度受限于 Table 中 Tablet 的数量。为了获得良好的分析性能，每位主机目标为 10 片或更多 tablets。
• Impala 的关键字(PARTITIONED、LOCATION、ROWFORMAT)不适用于在创建 Kudu 表时使用。

12、​​​​​​​​​​​​​​Spark集成限制

• 必须使用 JDK8，自 Kudu-1.5.0 起，Spark 2.2 是默认的依赖项版本。
• Kudu 表只能在 Spark SQL 中注册为临时表。
• 无法使用 HiveContext 查询 Kudu 表。