Infobright数据库使用

最近公司要做一个用户访问日志记录统计分析的功能，需要记录日志，但是公司的产品一天大概产生百万级的日志信息，

本身日志记录信息就比较固化和简单（基本不会存在改动），平时没有什么用，就是在统计分析时需要查用一下，另外日志需要长期存储不删除！

 

于是问题的难点是：如何存储大量的日志信息和在此基础上做查询分析。

日志量：1天100万，一个月就是3000万，数据量大，记录多，存储和查询都难！

在我的认知中，发现关系性数据库不太行，其他的非关系性也是够呛，于是在问了下度娘，发现有人推荐使用Infobright，仔细看了几篇博客后

发现似乎可行，于是尝试玩一下Infobright。

 

一、简介

Infobright是开源的MySQL数据仓库解决方案，引入了列存储方案，高强度的数据压缩，优化的统计计算(类似sum/avg/group by之类)，

infobright 是基于mysql的，但不装mysql亦可，因为它本身就自带了一个。mysql可以粗分为逻辑层和物理存储引擎，infobright主要实现的就是一个存储引擎，

但因为它自身存储逻辑跟关系型数据库根本不同，所以，它不能像InnoDB那样直接作为插件挂接到mysql，它的逻辑层是mysql的逻辑 层加上它自身的优化器。

 

二、优势

1、高压缩比率，平均压缩比可达10：1，甚至可以达到40:1，我用infobright把3.1G的数据存成不足300M。

2、列存储，即使数据量十分巨大，查询速度也很快。用于数据仓库，处理海量数据没一套可不行。

3、不需要建索引，就避免了维护索引及索引随着数据膨胀的问题。把每列数据分块压缩存放，每块有知识网格节点记录块内的统计信息，代替索引，加速搜 索。

4、单一台服务器可以高效地读写30T数据。具有可扩展性，这里是指对于同样的查询，当数据量是10T时，它耗费的时间不应该比1T数据量时慢太 多，基本是一个数量级内。

 

注意：与有点相对应的，缺点也是蛮大的

1、没有Mysql的Insert、update、delete功能，只能通过自带的 load data infile 方式导入数据。意味着不能做常规数据，只能存储固定形式的数据。

2、对并发支持不好，也不能使用于大并发查询。意味着只能做一些统计分析等临时的场景。

3、开源版本早已经不在提供支持，只能使用老版本安装包，后期也得不到升级。

 

三、安装和使用

1、 安装

Infobright分为开源的社区版Infobright ICE和 Infobright IEE，区别请自行百度。这里使用的版本是：infobright-4.0.7-0，估计也是开源版本的最后一个版本。

下载好 infobright-4.0.7-0-x86_64-ice.rpm 包，然后拷贝到虚拟机，使用rpm指令安装infobright（指定目录安装），很快就可以安装好。

 

rpm -ivh infobright-4.0.7-0-x86_64-ice.rpm --prefix=/app/software/infobrgiht/

 安装完成后，其个配置文件是 /etc/my-ib.cnf.inactive，需要拷贝一份，重命名为：/etc/my-ib.cnf，才能启动成功。默认端口是5029

 

2、启动和停止

# 启动命令：
/etc/init.d/mysqld-ib start

# 停止命令：
/etc/init.d/mysqld-ib stop

 

3、卸载， 难免会出问题，或者安装不满意、喜欢折腾

rpm -e infobright

 

 

4、修改配置配置文件（brighthouse.ini）：应用于生产环境

• ServerMainHeapSize为IB所使用内存的最大值（不包括bh_loader），如果是专用DB服务器，可适当调大，保证在业务最高峰，系统swap交换不高即可。
• LoaderMainHeapSize由于是列式存储，IB需要将多行数据各列数据组合后写入数据块，如果导入表的列数很多，字段很长，将该值调高，加快导入速率（导入前set autocommit=0,完成后commit+复原，可大幅提高导入效率）。
• ControlMessages 为IB错误日志记录类型，实验环境设为4有利于排错，成熟的生产环境设为2或3即可。
• KNFolder 为知识网格所在目录，通常情况下大小都很小，直接放在data目录下即可。
• 根据自身的物理内存大小修改ServerMainHeapSize、ServerCompressedHeapSize，LoaderMainHeapSize的值，文件中已经给出样板。

 

四、使用Infobright

1.授权用户

使用 /etc/init.d/mysqld-ib start 启动Infobright后，在linux命令行使用 mysql-ib 指令就可以连接Infobright命令行连接窗口，默认本地root用户连接没有密码。

 

在mysql命令窗口：指定远程连接的账户和密码设置：

--授权账户权限和密码 
grant all privileges on *.* to 'admin'@'%' identified by '123456' with grant option;
--刷新权限
flush privileges;

完成后就可以使用本地的mysql客户端工具（navicat等）进行Infobright连接使用。提醒：使用服务器一定要记得防火墙，不然会导致连接不上；

 

2. 创建表 

在Infobright中创建数据库后，创建表：

CREATE TABLE `user_log` (
  `id` bigint(20) DEFAULT NULL,
  `visit_name` char(15) DEFAULT NULL,
  `vistit_ip` bigint(20) DEFAULT NULL,
  `user_sex` tinyint(4) DEFAULT NULL,
  `user_province` tinyint(4) DEFAULT NULL,
  `user_area` tinyint(4) DEFAULT NULL,
  `visit_path` char(100) DEFAULT NULL,
  `visit_module` tinyint(4) DEFAULT NULL,
  `visit_function` char(50) DEFAULT NULL,
  `visit_day` tinyint(4) DEFAULT NULL,
  `visit_count` int(11) DEFAULT NULL,
  `visit_time` int(11) DEFAULT NULL
) ENGINE=BRIGHTHOUSE DEFAULT CHARSET=utf8;

 

从本地Mysql的user_log中导出1000万条日志记录：

SELECT * FROM user_log INTO OUTFILE 'D:\\Template\\user_log.csv' FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";

 注意：从mysql导出数据时，需要设置mysql导出的安全路径，在my.ini中mysqld下指定，secure_file_priv=导出的路径

导出的 user_log.csv 文件大小为 1.2G多。

 

 

3.导入数据到Infobright中

load data infile '/app/document/user_log.csv' into table user_log FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";

导入时间为： Query OK, 10000000 rows affected (55.01 sec)

导入后，查询Infobright数据库存储目录的大小：只有60M，压缩比惊人！

 

4.查询对比

select visit_name, count(*) from user_log group by visit_name；

本地 mysql user_log，1000万记录分组用时：首次17秒多，第二次17秒多

虚拟机 Infobright user_log，1000万记录分组查询：首次7秒多，第二次4秒多一点

 

五、注意事项-数据类型

Infobright里面支持所有的MySQL原有的数据类型。其中Integer类型比其他数据类型更加高效。尽可能使用以下的数据类型：

TINYINT，SMALLINT，MEDIUMINT，INT，BIGINT

DECIMAL（尽量减少小数点位数）

DATE ，TIME

效率比较低的、不推荐使用的数据类型有：

BINARY VARBINARY

FLOAT

DOUBLE

VARCHAR

TINYTEXT TEXT

 

Infobright数据类型使用的一些经验和注意点：

（1）Infobright的数值类型的范围和MySQL有点不一样，比如Infobright的Int的最小值是-2147483647，而MySQl的Int最小值应该是-2147483648。其他的数值类型都存在这样的问题。

（2）能够使用小数据类型就使用小数据类型，比如能够使用SMALLINT就不适用INT，这一点上Infobright和MySQL保持一致。

（3）避免效率低的数据类型，像TEXT之类能不用就不用，像FLOAT尽量用DECIMAL代替，但是需要权衡毕竟DECIMAL会损失精度。

（4）尽量少用VARCHAR，在MySQL里面动态的Varchar性能就不强，所以尽量避免VARCHAR。如果适合的话可以选择把VARCHAR改成CHAR存储甚至转成INTEGER类型。VARCHAR的优势在于分配空间的长度可变，既然Infobright具有那么优秀的压缩性能，个人认为完全可以把VARCHAR转成CHAR。CHAR会具有更好的查询和压缩性能。

（5）能够使用INT的情况尽量使用INT，很多时候甚至可以把一些CHAR类型的数据往整型转化。比如搜索日志里面的客户永久id、客户id等等数据就可以用BIGINT存储而不用CHAR存储。其实把时间分割成year、month、day三列存储也是很好的选择。在我能见到的系统里面时间基本上是使用频率最高的字段，提高时间字段的查询性能显然是非常重要的。当然这个还是要根据系统的具体情况，做数据分析时有时候很需要MySQL的那些时间函数。

（6）varchar和char字段还可以使用comment lookup，comment lookup能够显著地提高压缩比率和查询性能。

 

 六、使用总结

Infobright安装和使用都比较简单，存储压缩比惊人（压缩了20多倍），查询快（1000万记录分组查询比mysql 快3~4倍，这里使用的虚拟机，使用真实机器应该更快）。

强大：单机便可存储大量数据，同时能满足对这些数据进行检索！

缺点：

　　1）不能做更新操作，于是只能做存储固定形式的数据。

　　2）只能支持10个左右并发，不能存储需要大量频繁访问的数据。

　　3）由于只能靠自带的 load data infile 方式导入数据，因而需要编写脚本从源数据库进行数据同步导入操作。

 

 

参考文章：不分先后

• https://baike.baidu.com/item/infobright/9823672?fr=aladdin
• http://www.manongjc.com/article/32075.html
• https://blog.csdn.net/hguisu/article/details/11848411