自去年6月开源以来，openLooKeng社区获得愈来愈多朋友的支持。社区内，小伙伴们对openLooKeng的性能给予了确定和赞扬，同时也给出了许多有价值的建议。暖春3月，在众人的期待下，openLooKeng迎来了新版本V1.2.0。openLooKeng V1.2.0是在旧版本的基础上进行优化，并基于小伙伴们的体验和建议，新增一些技术，以提升引擎性能，争取为你们带来更丝滑流畅的体验。html
于引擎内核来讲，主要加强两个维度：融合分析场景和性能。git
» 查询容错加强，提升引擎执行的可靠性算法
在批查询处理运行的过程当中，当某个工做节点出现故障时，可在其余节点上恢复任务，好比对Hive数据源的 insert 和 create table as select 操做。针对长时间运行的批查询处理任务，相比上一个版本，稳定性和可靠性有了极大的提高。安全
» 查询性能的优化：基于 StarTree 的查询预聚合能力加强性能优化
StarTree旨在优化低延迟、聚合查询语句。咱们经过StarTree查询预聚合能力，为用户构建所须要的不一样维度和不一样聚合操做的 cube。在之后的查询过程当中，若是遇到任何可匹配的聚合子查询，引擎将直接从cube中读取数据，避免在原始表上执行查询，从而提升查询性能。并发
» 引入 CTE（公共表表达式）优化技术，减小内存使用框架
在执行计划优化过程当中引入CTE（公共表表达式）技术。当一个复杂查询中，存在某个子查询（例如 with语句）被屡次使用，优化器会为重复的子查询自动生成一个CTE节点，该CTE节点的输出会被执行计划流程中的多个父节点消费。也就是说，重复的子查询只会执行一次，化繁为简， 同时也减小内存占用，引擎得到更好的性能。函数
» 通用算子下推框架，让 Connectors 参与到执行计划优化中性能
为了让算子下推过程更加简单灵活，咱们采用新的通用算子下推框架，让每一个Connector能够参与到执行计划优化中。引擎在进行执行计划优化时，可以自行应用Connector的优化规则，使得算子下推过程变得更加高效。大数据
» 加强HIVE ORC的数据维护性能
该特性优化了数据写入和数据修改（更新和删除）的处理速度，并不影响『读性能』的流畅度；支持并发访问Hive Metastore，提升元数据操做性能，从而进一步优化数据写入和修改的性能。
于引擎门户来讲，主要集中在南向生态方面的优化。
» HBase Connector性能优化
针对单表查询性能的提高，咱们新增了分片算法。另外，该性能支持 HBase 访问 Snapshot 的模式，从而提高多并发查询性能。
» 数据源UDF（User-Defined Function）支持下推
引擎支持外部函数（UDF）的注册，也支持将其下推到JDBC数据源。为了让你们拥有更好的体验，用户能够在不迁移本身数据源UDF的状况下，使用已有的UDF, 提升UDF的复用度。
以上即是openLooKeng新版本V1.2.0 在性能优化上较为亮眼的地方。固然，做为大数据领域的关键项目，openLooKeng十分看重引擎的易用性和安全性。针对这两点，新版本V1.2.0作出以下加强：
» 易用性 | 加强Admin Dashboard UI用户体验
优化定时全量加载致使的UI页面卡顿，
加强查询历史和查询结果的分页显示，
优化新增链接器的参数配置，
UI 界面支持Kerberos 和密码登陆，支持查询历史按用户进行过滤。
» 安全性 | 基于Ranger的细粒度权限管控：支持行过滤和列掩码
增长行过滤和列掩码，增长认证用户模拟权限控制，提供更细化的权限控制粒度。
看了这么多，是否是很想动手一试？感兴趣的朋友能够下载体验。
新版本下载地址: https://openlookeng.io/zh-cn/download.html
若是您对新版本V1.2.0有其余建议，欢迎发邮件至 users@openlookeng.io 告知咱们。openLooKeng社区感谢朋友们的支持，期待并欢迎更多朋友们的参与。
• • •
openLooKeng是一款开源的高性能数据虚拟化引擎，提供统一SQL接口，具有跨数据源/数据中心分析能力，为大数据用户提供极简的数据分析体验。欢迎加入openLooKeng社区，一块儿作点有意思的事儿，让大数据更简单！
openLooKeng开源社区官方网站: https://openlookeng.io/zh-cn/
openLooKeng代码仓地址: https://gitee.com/openlookeng