Datenbank am Limit: spaltenorientiert als Ausweg

Wir alle kennen und schätzen SQL- und NoSQL-Datenbanken. Doch es gibt Anwendungsfälle, in denen diese Datenbanken an ihre Grenzen stoßen, zum Beispiel bei der Analyse von Finanzmarktdaten. Dort müssen Zeitreihen von enormer Größe verarbeitet werden. Der Vortrag zeigt auf, wie spaltenorientierte Datenbanken dieses Problem lösen. Die Architektur solcher Tick-Data-Systeme zur Lösung von Realtime und historischen Analysen wird beleuchtet. Der Vortrag endet mit dem Beispiel einer technischen Implementierung für Sensordaten aus dem Internet of Things (IoT).

Transcript

1. Michael Wittig | tecRacer Datenbank am Limit: spaltenorientiert als Ausweg
2. Was sind Finanzmarktdaten?
3. Zeit Käufer Verkäufer 11:00:00.000 11:00:00.009 11:00:00.025 11:00:00.207 11:00:00.555 11:00:00.873 5000 @ 84,81 4700 @ 84,81 1000 @ 84,82 7000 @ 84,81 2000 @ 84,81 1500 @ 84,81 500 @ 84,82 200 @ 84,82 900 @ 84,83 800 @ 84,82 200 @ 84,82 100 @ 84,82 Daimler Aktie unregelmäßig
4. Zeitreihen Was sind Finanzmarktdaten? Tick-Daten
5. Volumen?
6. durchschnittlich 5 Quotes / Sekunde Daimler Aktie maximal 200 Quotes / Sekunde
7. Aktie Börse x10 Derivate Optionen x100 Futures x5 Index x3 Ändert sich der Quote…
8. On-Disk Repräsentation Wie speichert meine Datenbank die Daten?
9. Record Disk BSON Padding http://docs.mongodb.org/manual/core/storage/
10. Page Disk http://www.postgresql.org/docs/9.4/static/storage-page-layout.html Tuple Page Header Free Space
11. zeilenorientierter Ansatz Zeit Käufer Verkäufer Lokalität
12. Wir bauen eine zeilenorientierte Datenbank
13. Einschränkung: Sortiert nach Zeit
14. Tabelle => Ordner
15. Zeile => Datei
16. /Datenbank /Daimler_Quotes /1.dat /2.dat /3.dat /4.dat /5.dat
17. /Datenbank /Daimler_Quotes /1.dat /2.dat /3.dat /4.dat /5.dat SELECT Käufer_Preis FROM Daimler_Quotes WHERE Zeit>10:00:00
18. /Datenbank /Daimler_Quotes /1.dat /2.dat /3.dat /4.dat /5.dat SELECT Käufer_Preis FROM Daimler_Quotes WHERE Zeit>10:00:00
19. /Datenbank /Daimler_Quotes /123.dat SELECT Käufer_Preis FROM Daimler_Quotes WHERE Zeit>10:00:00 Zeit 10:00:03 Käufer_Menge 7000 Käufer_Preis 84,81 Verkäufer_Menge 84,82 Verkäufer_Preis 1000 > 10:00:00 Binäre Suche über alle Dateien *.dat
20. /Datenbank /Daimler_Quotes /1.dat /2.dat /3.dat /4.dat /5.dat SELECT Käufer_Preis FROM Daimler_Quotes WHERE Zeit>10:00:00 /Datenbank /Daimler_Quotes /124.dat /125.dat /126.dat /127.dat /… Lese alle Dateien ab 124.dat
21. Daten Volumen gelesen ~ 90 %
23. spaltenorientierter Ansatz Zeit Käufer Verkäufer Lokalität
24. Wir bauen eine spaltenorientierte Datenbank
25. Einschränkung: Sortiert nach Zeit
26. Tabelle => Ordner
27. Spalte => Datei
28. /Datenbank /Daimler_Quotes /Zeit.dat /Käufer_Menge.dat /Käufer_Preis.dat /Verkäufer_Menge.dat /Verkäufer_Preis.dat
29. /Datenbank /Daimler_Quotes /Zeit.dat /Käufer_Menge.dat /Käufer_Preis.dat /Verkäufer_Menge.dat /Verkäufer_Preis.dat SELECT Käufer_Preis FROM Daimler_Quotes WHERE Zeit>10:00:00
30. /Datenbank /Daimler_Quotes /Zeit.dat /Käufer_Menge.dat /Käufer_Preis.dat /Verkäufer_Menge.dat /Verkäufer_Preis.dat SELECT Käufer_Preis FROM Daimler_Quotes WHERE Zeit>10:00:00
31. /Datenbank /Daimler_Quotes /Zeit.dat SELECT Käufer_Preis FROM Daimler_Quotes WHERE Zeit>10:00:00 Zeile Daten … 120 09:59:51 121 09:59:57 123 10:00:03 124 10:00:12 … > 10:00:00 Binäre Suche über eine Datei Zeit.dat sortiert
32. /Datenbank /Daimler_Quotes /Käufer_Preis.dat SELECT Käufer_Preis FROM Daimler_Quotes WHERE Zeit>10:00:00 Zeile Daten 123 84,81 124 84,82 125 84,82 126 84,81 127 84,80 … Lese eine Datei Käufer_Preis.dat erst ab Zeile 123
33. Daten Volumen gelesen ~ 25 %
34. Optimierung?
35. Partition => Ordner
36. /DaimlerQuotes /2015-01-01 /Zeit.dat, Käufer_Preis.dat, … /2015-01-02 /Zeit.dat, Käufer_Preis.dat, … /2015-01-03
37. /DaimlerQuotes /2015-01-01 /Zeit.dat, Käufer_Preis.dat, … /2015-01-02 /Zeit.dat, Käufer_Preis.dat, … /2015-01-03 SELECT Käufer_Preis FROM DaimlerQuotes WHERE Datum=2015-01-02 AND Zeit>10:00:00
38. /DaimlerQuotes /2015-01-01 /Zeit.dat, Käufer_Preis.dat, … /2015-01-02 /Zeit.dat, Käufer_Preis.dat, … /2015-01-03 SELECT Käufer_Preis FROM DaimlerQuotes WHERE Datum=2015-01-02 AND Zeit>10:00:00
39. spaltenorientierte Vorteile • nur benötigte Partitionen lesen • nur benötigte Spalten lesen • Sortierung ausnutzen
40. Spalte => Array
41. „The layout of data structures in memory can have a significant impact on performance because of the architecture of caches in modern processors.“ Evolution and Practice: Low-latency Distributed Applications in Finance, ACM Queue, Volume 13, issue 4 http://queue.acm.org/detail.cfm?ref=rss&id=2770868
42. http://www.benstopford.com/2015/04/28/elements-of-scale-composing-and-scaling-data-platforms/
43. Wie analysieren die größten Finanzinstitute der Welt Zeitreihen?
45. Was ist kdb+? • In-Memory Datenbank mit Persistenzschicht • Spaltenorientiert • Abfragesprache Q oder Q-SQL • Daten liegen im Speicher, in Transit und auf Festplatte im selben Format vor
46. select max kauf_preis by datum from quotes where symbol=`Daimler datum | kauf_preis ———————————————————————— 2015-01-02 | 75,57 2015-01-03 | 74,81 2015-01-04 | 76,13
47. Was kdb+ nicht ist • normale Datenbank • weit verbreitet
48. Echtzeit und Historie
49. kdb+tick Quote Pub/Sub System aktueller Tag Historie (< aktueller Tag) 00:00:00
50. Tickerplant • Setzen eines Zeitstempels: garantiert Sortierung • Speichern der Daten in einem Logfile • Publish/Subscribe Mechanismus • Initiierung des Endofday Events beim wechseln des Tages (00:00:00 Uhr) • Input: 100.000 Werte / Sekunde (1 Thread)
51. Chains Quote 10 Sekunden Aggregation 15 Minuten Aggregation Tages Volumen Tages Hoch/Tief Konsument
52. Echtzeit Datenbank • subskribiert beim Start alle Daten bei der tp • liest das aktuelle Logfile ein • hält alle Daten des aktuellen Tages im Speicher • persistiert alle Daten des Tages auf Platte bei Endofday Event
53. Historische Datenbank • beinhaltet alle Daten, die älter als der aktuelle Tag sind
54. Demo
55. http://kx.com kostenlose 32 bit Testversion
56. http://manning.com/wittig Michael Wittig mwittig@tecracer.de SaaS Zeitreihendatenbank TimeSeries.Guru 39% Rabatt Code 39wittig
57. Alternativen?
59. Amazon Redshift Amazon Kinesis