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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220