[转]基于Infobright的MySQL数据仓库方案测试

数据仓库之父Bill Inmon在1991年出版的“Building the Data Warehouse”一书中所提出的定义被广泛接受——数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策(Decision Making Support)。

简单的讲数据仓库是一个面向主题的、集成的、不可更新的、随时间不断变化的数据集合，它用于支持企业或组织的决策分析处理，这一句也是抄的，更直白 的举例就是公司的历史交易数据集合，网站的历史访问数据集合，这一句是原创的。

Infobright是开源的MySQL数据仓库解决方案，引入了 列 存储方案，高强度的数据压缩，优化的统计计算(类似sum/avg/group by之类)，下面是Infobright的架构图：

安装篇：

Infobright目前还不支持windows系列操作系统，不过你可以装在Linux虚拟机上，或者从官方直接下载做好的 VMWARE虚拟机，这里的测试环境是CentOS 5.2 32bit操作系统。Infobright也不支持以插件的形式集成到已有的MySQL系统中去，官方的说法是对MySQL做了很多修改，不支持以插件的 形式使用。

详细的安装参照 http://www.infobright.org/wiki/Install_Guide/，需要注意的是 如果你的系统中已经有MySQL(默认端口3306)，你需要重新设定一下安装参数，比如像我的：

./install-infobright.sh –datadir=/data/infobright/data –cachedir=/data/infobright/cache –port=9527 –config=/etc/my-ib.cnf –socket=/tmp/mysql-ib.sock –user=mysql –group=mysql

配置文件包括MySQL配置文件（/etc/my-ib.cnf）和Infobright配置文件（在安装时候指定的数据目录内，比如/data /infobright/data/brighthouse.ini），如果需要支持MySQL原生的SQL查询，需要修改 brighthouse.ini设定

AllowMySQLQueryPath = 1

这样不至于有些SQL语句不能执行，安装完成，启动服务：

/etc/init.d/mysqld-ib start

通过命令行：mysql-ib -uroot直接连接，默认密码为空，修改密码：

/usr/local/infobright/bin/mysqladmin  -u root -p password NEWPASSWORD

测试篇：

测试数据是一个1.5GB大的文本数据，数据格式类似：

用户ID  内容ID  用户打分   
765331  3868    5   
716091  3868    3   
1663216 3868    3   
51971   3868    5

在测试数据库中新建两张表，一个为Infobright支持的brighthouse存储引擎，一个为MySQL原生的MyISAM存储引擎，其他 内容一致：

CREATE TABLE `t_ib` (
`uid` mediumint(9) NOT NULL,
`cid` smallint(6) NOT NULL,
`rating` tinyint(4) NOT NULL
) ENGINE=BRIGHTHOUSE;

CREATE TABLE `t_mis` (
`uid` mediumint(9) NOT NULL,
`cid` smallint(6) NOT NULL,
`rating` tinyint(4) NOT NULL
) ENGINE=MyISAM

将数据load进表：

load data infile ‘path/to/data.txt’ into table table_name;

我们比较一下文件大小：

数据类型      数据大小   
data.txt      1.5GB   
data.tar.gz   429MB   
MyISAM表      671MB   
Infobight表   280MB

超过5：1的压缩比，虽然没有传说中10:1，但数据的大小比tar.gz过还要小近一半，压缩能力可见一斑。

准备进行SQL的测试，不能在BRIGHTHOUSE存储引擎上建索引，因为根本就不需要建，我们在MyISAM引擎表上建立如下索引：

create index id on t_mis(cid);

执行下列SQL语句，查询内容ID大于9527的条目数（为了节省篇幅，略去结果集，只返回执行时间）：

mysql> select count(*) from t_mis where cid > 9527;   
1 row in set (41.81 sec)   
   
mysql> select count(*) from t_ib where cid > 9527;   
1 row in set (13.66 sec)

Infobright花费的时间只有MyISAM的1/4左右，再测试一下找出被用户打分最多的10条内容：

mysql> select cid from t_mis group by cid order by count(*) desc limit 10;   
10 rows in set (1 min 21.30 sec)   
   
mysql> select cid from t_ib group by cid order by count(*) desc limit 10;   
10 rows in set (39.02 sec)

Infobright大概只花费了MyISAM 1/3多一点的时间。再查询一下评价最好的10条内容：

mysql> select cid from t_mis group by cid order by avg(rating) desc limit 10;   
10 rows in set (6 min 16.15 sec)   
   
mysql> select cid from t_ib group by cid order by avg(rating) desc limit 10;   
10 rows in set (1 min 1.25 sec)

不到1/6时间。

后记：

强悍的压缩比率，高效的SQL统计性能，Infobright的表现很是不错。对于网站开发者来说，建立一个Infobright数据仓库系统用来 保存网站的历史访问元数据应该是一个不错的选择，尤其是需要 OLAP或者更为灵活的统计功能的时候。

本文出自： http://chaoqun.17348.com/2009/02/infobright-brighthouse-mysql-data-warehouse/