Apache Pinot中逻辑表的Broker租户支持机制解析
2025-06-05 20:46:30作者:江焘钦
逻辑表与物理表的资源隔离差异
在Apache Pinot分布式OLAP系统中,逻辑表(Logical Table)作为虚拟表并不实际存储数据,而是通过映射多个物理表(Physical Table)实现数据聚合查询。这一特性带来了资源隔离的特殊性:
- 服务端租户不适用:由于逻辑表无数据存储,传统的Server Tenant概念不适用
- Broker租户必要性:查询执行时(特别是SSE模式下的聚合操作)会消耗Broker节点资源
Broker租户的核心设计原则
系统采用以下设计策略实现资源隔离:
- 显式指定机制:逻辑表必须显式配置Broker Tenant,未配置时默认使用DefaultTenant
- 独立资源分配:与底层物理表的Server Tenant完全解耦,即使物理表使用不同服务端租户也不影响Broker租户选择
- 混合查询支持:允许逻辑表包含跨不同Server Tenant的物理表,由Broker协调多数据源查询
技术实现细节
存储架构
租户配置存储在Zookeeper的IDEALSTATES/brokerResource节点中,采用表名到Broker节点的映射结构。通过Helix管理器的状态转换机制(EV状态)实现动态更新。
查询路由
现有Broker选择器无需重大修改即可支持该特性:
- 根据逻辑表配置的Broker Tenant定位候选节点
- 完全兼容原有的节点选择算法(如哈希路由、负载均衡等)
- 资源隔离在Broker层透明实现,对查询逻辑无侵入性
典型应用场景
- 多租户SaaS系统:不同客户查询共享物理存储但使用独立的Broker计算资源
- 关键业务隔离:保障高优先级逻辑表查询的Broker资源供给
- 混合云部署:跨云物理表统一查询时的资源管控
性能优化建议
- 高频查询的逻辑表建议配置专属Broker Tenant
- 小规模逻辑表可共享DefaultTenant降低管理开销
- 监控Broker节点的CPU/内存使用情况动态调整租户配置
该设计在保持Pinot原有架构简洁性的同时,为逻辑表提供了灵活的资源管控能力,是混合查询场景下的重要基础设施。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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++
660
307
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
9
1
React Native鸿蒙化仓库
JavaScript
259
322
🔥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
64
19
🎉 (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
1.19 K
652
仓颉编程语言运行时与标准库。
Cangjie
141
878
仓颉编译器源码及 cjdb 调试工具。
C++
134
867