YDB平台中系统视图路径实现方案的技术演进
2025-06-15 18:30:06作者:胡唯隽
在分布式数据库系统YDB中,系统视图(SysView)是管理员和开发者观察系统状态的重要窗口。近期YDB平台针对系统视图的ACL权限控制需求,对系统视图的实现路径进行了重要改进,本文将深入解析这一技术演进过程。
背景与挑战
传统YDB系统中,系统视图的实现选择是基于视图名称在.sys目录下的命名规则来确定的。这种设计存在两个主要问题:
- 缺乏明确的类型标识机制,使得视图实现选择逻辑与命名规则强耦合
- 难以支持新引入的物化系统视图路径的权限控制需求
技术方案设计
新方案的核心思想是通过显式的类型枚举来标识系统视图,主要包含以下技术要点:
- 元数据扩展:在SchemeShard中存储系统视图记录时,除了路径信息外,新增了视图类型字段
- 解析流程重构:
- 为物化系统视图路径填充完整的表元数据
- 在解析表名时增加SchemeCache查询,获取系统视图类型
- 在阶段信息中保存视图类型
- 执行层适配:
- 在KQP任务元数据协议中携带系统视图类型信息
- 执行时优先基于类型枚举选择实现,保持对传统名称匹配的向后兼容
实现细节
元数据存储层
在SchemeShard中,系统视图记录现在包含:
- 标准路径信息
- 视图类型枚举值(区分不同实现类别)
查询处理流程
-
编译阶段:
- 对物化路径进行特殊处理,确保元数据完整
- 通过额外SchemeCache请求获取类型信息
- 将类型信息注入查询计划
-
执行阶段:
- KQP处理器读取任务元数据中的视图类型
- 根据类型而非名称选择具体实现
- 保持原有名称匹配逻辑作为回退方案
技术优势
- 解耦实现选择:将视图实现与命名规则解耦,提高系统灵活性
- 权限控制支持:为物化路径提供完整的元数据支持,实现细粒度ACL
- 可扩展性:通过类型枚举可方便地支持新的视图实现
- 兼容性保障:保留名称匹配逻辑确保现有功能不受影响
应用场景
这一改进特别适用于:
- 需要严格权限控制的系统管理场景
- 物化视图的性能敏感型查询
- 需要自定义视图实现的特殊业务需求
总结
YDB通过引入系统视图类型枚举和相应的处理机制,实现了视图实现选择的灵活控制,同时为物化路径提供了完整的权限管理支持。这一改进不仅解决了当前ACL控制的需求,也为未来系统视图的功能扩展奠定了坚实基础,体现了YDB系统架构良好的演进能力。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C090
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
473
3.51 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
223
89
暂无简介
Dart
721
174
Ascend Extension for PyTorch
Python
283
316
React Native鸿蒙化仓库
JavaScript
286
337
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
848
437
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.27 K
698
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
10
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19