YTsaurus QueryTracker性能优化：解决大规模查询历史下的UI响应问题

问题背景

在YTsaurus分布式计算平台的QueryTracker组件中，随着用户查询历史的不断积累，用户界面（UI）的响应速度逐渐变慢。这一现象在系统运行较长时间后尤为明显，严重影响了用户体验。核心问题在于当前查询历史存储结构的设计无法高效支持大规模数据场景下的快速检索。

现有架构分析

当前系统使用名为finished_queries_by_start_time的数据表来存储已完成查询的历史记录。该表的主键设计为("start_time", "query_id")组合。这种设计存在以下关键问题：

1. 全表扫描问题：当执行list_queries操作时，系统需要对整个表进行扫描才能找到特定用户及其访问控制对象（ACO）的最新查询记录
2. 索引缺失：现有表结构缺乏针对用户和ACO的优化索引，导致查询效率低下
3. 线性增长瓶颈：随着查询历史数据量的增加，查询性能呈线性下降趋势

优化方案设计

经过技术团队深入分析，提出了一种创新的分表优化方案：

1. 按ACO和时间的分表设计

新建finished_queries_by_aco_and_start_time表，采用("aco", "start_time", "query_id")作为复合主键。这种设计的特点是：

• 每个查询可能对应多条记录（根据ACO数量）
• 支持直接通过ACO前缀快速定位相关查询
• 时间维度保持有序性，便于范围查询

2. 按用户和时间的分表设计

同时创建finished_queries_by_user_and_start_time表，使用("user", "start_time", "query_id")作为主键。该表提供：

• 针对用户维度的快速查询能力
• 保持时间排序特性
• 与ACO表形成互补索引结构

技术优势

1. 查询性能提升：将原来的全表扫描转变为三次精确的索引查询（ACO表、用户表和主表各一次）
2. 可扩展性增强：新架构能够更好地适应数据量增长，查询性能不会随历史数据增加而显著下降
3. 资源利用率优化：通过合理的分表设计，减少了不必要的I/O操作和内存消耗

实现考量

在实际实施过程中，需要考虑以下关键因素：

1. 数据一致性：确保三个表之间的数据同步机制可靠
2. 写入开销：虽然读取性能提升，但写入时需要维护多个表的索引
3. 迁移策略：如何平滑地从旧表结构迁移到新结构而不影响线上服务

总结

这次YTsaurus QueryTracker的性能优化展示了分布式系统设计中索引策略的重要性。通过精心设计的多维度分表结构，有效解决了大规模查询历史下的UI响应问题。这种优化思路不仅适用于YTsaurus系统，对于其他需要处理大量时序数据的分布式系统也具有参考价值。技术团队将继续监控优化效果，并根据实际运行情况进一步调整架构设计。