ByConity项目中Bucket CnchMergeTree表统计信息查询性能优化实践

背景介绍

在分布式数据库系统ByConity中，用户发现查询Bucket CnchMergeTree表的统计信息时存在显著的性能问题。具体表现为通过system.cnch_parts系统表查询时响应时间过长，而通过system.parts或system.cnch_tables查询则表现正常。这一问题在表数量较多时尤为明显，即使表中没有任何数据分区也会出现。

问题现象

用户创建了一个专门用于存储Bucket CnchMergeTree表的数据库bucket_database，并在其中创建了60多个空表。测试发现：

1. 通过system.cnch_parts查询时，耗时达到5.8秒
2. 查询其他非Bucket表数据库时，耗时小于1秒
3. 通过system.parts查询相同Bucket表时，性能正常

深入分析

通过日志追踪和性能分析，我们发现问题的根源在于ByConity服务器从FoundationDB(FDB)获取元数据的方式存在性能瓶颈：

1. 单线程获取元数据：系统采用单线程方式顺序获取每个表的元数据信息，当表数量较多时，总耗时线性增长。

2. FDB部署环境影响：最初FDB部署在SATA磁盘上，I/O性能成为瓶颈。测试发现：

   • 本地服务器节点获取元数据耗时<1ms
   • 同机房其他服务器节点耗时1-2ms
   • 高负载服务器节点耗时可达24-26ms

3. 分布式架构开销：在3节点集群环境下，跨节点通信进一步放大了性能问题，相比单节点环境耗时增加近3倍。

解决方案

经过深入排查和验证，我们确定了以下优化方案：

1. FDB存储介质升级：将FoundationDB从SATA磁盘迁移到SSD存储后，元数据查询性能得到显著提升，基本解决了性能问题。

2. 查询方式优化：对于全量统计信息查询场景，建议：

   • 优先使用system.cnch_parts_info系统表，它提供基础(非实时)信息但响应更快
   • 尽量避免全库全表扫描，指定具体的database和table条件

3. 架构改进建议：虽然当前版本认为全表扫描是低频操作，但从长远考虑，可以优化为：

   • 实现元数据获取的多线程并发机制
   • 增加本地缓存减少FDB访问频次
   • 优化分布式节点间的通信效率

实践验证

用户在实际环境中进行了验证：

1. 创建2000个空表测试环境

   • 单节点环境：查询耗时约2秒
   • 三节点环境：查询耗时约5.6秒

2. 将FDB迁移到SSD后：

   • 查询性能提升显著
   • 多节点环境下的性能差距缩小

总结与建议

ByConity作为分布式数据库系统，其元数据管理性能对整体使用体验至关重要。本次性能问题排查揭示了几个关键点：

1. 基础存储介质的选择会显著影响分布式系统性能，特别是对元数据频繁访问的场景。

2. 分布式环境下，网络通信和节点负载均衡需要特别关注，避免单点瓶颈影响整体性能。

3. 对于系统表查询，应根据实际需求选择合适的接口，区分实时性要求和性能要求的平衡。

对于ByConity用户，我们建议：

• 生产环境务必使用SSD存储部署FoundationDB
• 合理规划数据库和表结构，避免单个库中创建过多表
• 使用针对性的查询条件，避免全量扫描系统表
• 关注ByConity版本更新，及时获取性能优化改进

通过本次问题排查，我们不仅解决了具体性能问题，也为ByConity系统的优化方向提供了有价值的参考。未来可以考虑在元数据管理方面引入更多并行化和缓存机制，进一步提升大规模部署场景下的系统性能。