文章目錄

• Doris 背景介紹
• • 一、Doris
  • 二、Doris 定位
• 適用場景 & 案例介紹
• • 一、適用場景
  • 二、具體案例
• Doris 整體架構(gòu)
• • 一、Doris 整體架構(gòu)
  • 二、Doris 數(shù)據(jù)分布
  • 三、Doris 的使用方式
• Doris 關(guān)鍵技術(shù)
• • 一、數(shù)據(jù)可靠性
  • 二、易運維
  • 三、MySQL 兼容性
  • 四、支持 MPP
• Doris 數(shù)據(jù)模型
• • 一、Doris 數(shù)據(jù)模型特點
  • 二、聚合計算說明：
  • 三、按列存儲
  • 四、物化視圖
  • 五、兩層分區(qū)與分級存儲
  • 六、Doris 在 Elasticsearch 的應(yīng)用
  • 七、Kafka 消息隊列加載
  • 八、Doris 其他特性

Doris 背景介紹

介紹 Doris，讀音：[?d?r?s]，的整體架構(gòu)，以及 Doris 的一些特性。

一、Doris

Doris 是分布式、面向交互式查詢的分布式數(shù)據(jù)庫，主要部分是 SQL，內(nèi)部用到 MPP 技術(shù)。

什么是 MPP?

MPP ( Massively Parallel Processing )，即大規(guī)模并行處理，在數(shù)據(jù)庫非共享集群中，每個節(jié)點都有獨立的磁盤存儲系統(tǒng)和內(nèi)存系統(tǒng)，業(yè)務(wù)數(shù)據(jù)根據(jù)數(shù)據(jù)庫模型和應(yīng)用特點劃分到各個節(jié)點上，每臺數(shù)據(jù)節(jié)點通過專用網(wǎng)絡(luò)或者商業(yè)通用網(wǎng)絡(luò)互相連接，彼此協(xié)同計算，作為整體提供數(shù)據(jù)庫服務(wù)。非共享數(shù)據(jù)庫集群有完全的可伸縮性、高可用、高性能、優(yōu)秀的性價比、資源共享等優(yōu)勢。簡單來說，MPP 是將任務(wù)并行的分散到多個服務(wù)器和節(jié)點上，在每個節(jié)點上計算完成后，將各自部分的結(jié)果匯總在一起得到最終的結(jié)果 ( 與 Hadoop 相似 )。

Doris 主要解決 PB 級別的數(shù)據(jù)量（如果高于 PB 級別，不推薦使用 Doris 解決，可以考慮用 Hive 等工具），解決結(jié)構(gòu)化數(shù)據(jù)，查詢時間一般在秒級或毫秒級。

Doris 由百度大數(shù)據(jù)部研發(fā) ( 之前叫百度 Palo，2018年貢獻(xiàn)到 Apache 社區(qū)后，更名為 Doris )，在百度內(nèi)部，有超過200個產(chǎn)品線在使用，部署機器超過1000臺，單一業(yè)務(wù)最大可達(dá)到上百 TB。

百度將 Doris 貢獻(xiàn)給 Apache 社區(qū)之后，許多外部用戶也成為了 Doris 的使用者，例如新浪微博，美團，小米等著名企業(yè)。

二、Doris 定位

在數(shù)據(jù)分析處理框架中，Doris 主要做的是 Online 層面的數(shù)據(jù)服務(wù)，主要處理的是數(shù)據(jù)分析方面的服務(wù)。

Doris 的目標(biāo)是：實現(xiàn)低成本（主要針對商業(yè)產(chǎn)品），可線性擴展，支持云化部署，高可用，高查詢性能，高加載性能。

簡要介紹兩個百度內(nèi)部業(yè)務(wù)中 Doris 的應(yīng)用案例：

A. 百度統(tǒng)計在線報表

B. 百度另一內(nèi)部業(yè)務(wù)的多維分析

可以手動拖拽維度、指標(biāo)等，進(jìn)行查詢。

適用場景 & 案例介紹

一、適用場景

1、對數(shù)據(jù)分析、統(tǒng)計

數(shù)據(jù)分析大體上可以分為兩大類場景：一種偏向于報表類的，另一種偏向于多維分析的。

2、報表

報表類數(shù)據(jù)分析，數(shù)據(jù)分析以及查詢的模式相對比較固定，而且后臺 SQL 的模式往往都是確定的。針對此類應(yīng)用場景，選擇使用 MySQL 存結(jié)果數(shù)據(jù)，用戶可從界面選擇執(zhí)行批處理以及發(fā)送郵件。在 Doris 平臺中，報表類查詢時延一般在秒級以下。

3、多維分析

這里提到的多維分析，同樣要求數(shù)據(jù)是結(jié)構(gòu)化的，適用于查詢相對靈活的場景，例如數(shù)據(jù)分析條件以及聚合維度等方面不是很確定，一般將此類數(shù)據(jù)分析定義為多維分析。相對于報表類分析，多維分析的查詢時延會稍慢，大約在會在 10s 的級別。

二、具體案例

案例分析 1：百度統(tǒng)計

百度統(tǒng)計，為網(wǎng)站站長提供流量分析，網(wǎng)站分析，受眾分析等多種分析服務(wù)。服務(wù)網(wǎng)站數(shù)量超過 450W，每天查詢量達(dá)到 1500W，QPS ( Queries Per Second，每秒查詢率 ) 峰值超過1400，每日新增數(shù)據(jù)量超過 2TB；數(shù)據(jù)導(dǎo)入頻次為5分鐘，平均查詢時延 30ms。

案例分析 2：百度云系統(tǒng)

1、百度云交易系統(tǒng)

百度云交易系統(tǒng)，主要提供訂單、賬單、扣費、交易流水等 TB 級別量數(shù)據(jù)的存儲和實時查詢服務(wù)，數(shù)據(jù)量約 12TB，每5分鐘導(dǎo)入。

2、百度云數(shù)據(jù)中心

百度云數(shù)據(jù)中心，主要提供百度云經(jīng)營分析，產(chǎn)品分析，用戶分析等多種分析服務(wù)；提供多維度（100+）分析，具備高性能 ( 秒級 ) BI 能力；百度云數(shù)據(jù)中心的日處理數(shù)據(jù)量約 1T ( 略少于百度統(tǒng)計，因此查詢效率略高于百度統(tǒng)計 )，分鐘級導(dǎo)入。以下是百度云數(shù)據(jù)中心頁面的一個截圖：

Doris 整體架構(gòu)

一、Doris 整體架構(gòu)

Doris 的整體架構(gòu)和 TiDB 類似，借助 MySQL 協(xié)議，用戶使用任意 MySQL 的 ODBC/JDBC以及MySQL 的客戶端，都可以直接訪問 Doris。Doris 中的模塊包括 FE 和 BE 兩類：FE 主要負(fù)責(zé)元數(shù)據(jù)的管理、存儲，以及查詢的解析等；一個用戶請求經(jīng)過 FE 解析、規(guī)劃后，具體的執(zhí)行計劃會發(fā)送給 BE，BE 則會完成查詢的具體執(zhí)行。BE 節(jié)點主要負(fù)責(zé)數(shù)據(jù)的存儲、以及查詢計劃的執(zhí)行。目前平臺的 FE 部分主要使用 Java，BE 部分主要使用 C++。

二、Doris 數(shù)據(jù)分布

如果從表的角度來看數(shù)據(jù)結(jié)構(gòu)，用戶的一張 Table 會拆成多個 Tablet，Tablet 會存成多副本，存儲在不同的 BE 中，從而保證數(shù)據(jù)的高可用和高可靠。

三、Doris 的使用方式

Doris 的使用方式和 MySQL 類似，創(chuàng)建 database，創(chuàng)建 table，導(dǎo)入數(shù)據(jù)、執(zhí)行查詢等。具體詳見下圖：

Doris 關(guān)鍵技術(shù)

一、數(shù)據(jù)可靠性

1、元數(shù)據(jù)使用 Memory+Checkpoint+Journal ( 分別是什么？)，使用 BTBJE ( 類似于 Raft ) 協(xié)議實現(xiàn)高可用性和高可靠性。

2、Doris 內(nèi)部自行管理數(shù)據(jù)的多副本和自動修復(fù)。保證數(shù)據(jù)的高可用、高可靠。在服務(wù)器宕機的情況下，服務(wù)依然可用，數(shù)據(jù)也不會丟失。

二、易運維

無外部依賴：

Doris 部署無外部依賴，只需要部署 BE 和 IBE 即可搭建起一個集群。

支持 Online Schema Change

支持在線更改表模式 ( 加減列，創(chuàng)建 Rollup )，不會影響當(dāng)前服務(wù)，不會阻塞讀、寫等操作；這種執(zhí)行是異步的 ( 用戶不需要一直盯在那里 )

數(shù)據(jù)庫同步操作和異步操作：

同步，是所有的操作都做完，才返回給用戶結(jié)果；即寫完數(shù)據(jù)庫之后，再響應(yīng)用戶，用戶體驗不好；

異步，不用等所有操作等做完，就相應(yīng)用戶請求；即先相應(yīng)用戶請求，然后慢慢去寫數(shù)據(jù)庫，用戶體驗較好。緩存機制（也就是消息隊列），就是異步操作的一個典型應(yīng)用。

1、副本自動均衡

傳統(tǒng)數(shù)據(jù)庫的擴（縮）容比較麻煩，有時甚至需要重做數(shù)據(jù)；而 Doris 數(shù)據(jù)庫只需要一條 SQL ( 無須額外操作 ) 即可實現(xiàn)擴（縮）容。

2、內(nèi)置監(jiān)控

使用 Prometheus、Grafana 將監(jiān)控項指標(biāo)列出。

下圖為 Doris 默認(rèn)配置面板：

三、MySQL 兼容性

MySQL 的兼容性從兩方面體現(xiàn)：

1、兼容 MySQL 的網(wǎng)絡(luò)協(xié)議 ( MySQL Network Protocol )

2、兼容 MySQL 語法，使用 MySQL 語法可對 Doris 數(shù)據(jù)庫進(jìn)行查詢

關(guān)于 MySQL 語法的兼容性，前文已經(jīng)描述過，這里不再贅述；

關(guān)于 MySQL 的網(wǎng)絡(luò)協(xié)議的兼容性，舉個簡單的例子：MySQL 的調(diào)度服務(wù)器 Proxy，可以直接用作 Doris 的 Proxy。

Doris 的前端展示，可以使用 MySQL 專屬展示器 Tableu。下圖就是使用 Tableu 將 Doris 數(shù)據(jù)可視化的一個范例。

Doris 與 R 語言可以實現(xiàn)無縫對接，用 R 語言可直接操作 Doris 數(shù)據(jù)庫，進(jìn)行數(shù)據(jù)分析、數(shù)據(jù)挖掘等工作。

四、支持 MPP

MPP 即 Massively Parallel Processing，大規(guī)模并行處理，即海量數(shù)據(jù)并發(fā)查詢。以下圖為例：

執(zhí)行

SELECT k1,SUM(v1) FROM A,B WHERE A.k2=B.k2 GROUP BY k1 ORDER BY SUM(v1)

語句，該語句包含了合并、聚合計算、排序等多種操作；在執(zhí)行計劃的時候，MPP 將其拆分成多份，分布到每臺機器執(zhí)行，最后再將結(jié)果匯總。假如有10臺機器，在大數(shù)據(jù)量下，這種查詢執(zhí)行方式可以使得查詢性能達(dá)到10倍的提升。

Doris 數(shù)據(jù)模型

一、Doris 數(shù)據(jù)模型特點

1、鍵值對存儲形式：

類似于字典搜索查詢的鍵值對格式，Doris 中所有數(shù)據(jù)分成兩列：Key 列和 Value 列。如下圖所示，Time、Id、Country 列共同組成 Key 列，Clicks、Cost 列為 Value 列。Key 列有序可進(jìn)行快速查找，Value 列可以按照具體聚合類型內(nèi)部完成數(shù)據(jù)聚合。

2、Key 列全局有序排列，查詢時方便快速定位查找。

Doris 數(shù)據(jù)模型的一個顯著特點是 Key 列全局唯一，因此存在相同 Key 值的不同 Value，則后面的數(shù)據(jù)與前面的數(shù)據(jù)自動做 ( SUM，MIN，MAX，REPLACE ) 等聚合處理。例如，下圖中綠色方框中的兩行，相同的 Key 值對應(yīng)不同的 Value；因此，新的 Value 到達(dá)后，與前數(shù)據(jù)作 SUM 處理，得到最新的數(shù)據(jù)，不僅提升效率，還可提高數(shù)據(jù)處理的準(zhǔn)確性。

二、聚合計算說明：

本部分具體描述相同 Key 值下 Value 值的聚合。

數(shù)據(jù)的導(dǎo)入是分版本的（例如下圖右側(cè)91，92版本），每一個版本之間 Key 相同的數(shù)據(jù)匯總到中間表中，通過聚合處理最終輸出為左側(cè)的 base。

三、按列存儲

1、Doris 的數(shù)據(jù)是按列存儲的，每一列單獨存放。

2、查詢時，只訪問查詢涉及的列，大量降低 I/O。

3、數(shù)據(jù)類型一致，方便壓縮。

4、數(shù)據(jù)包建索引，數(shù)據(jù)即索引。

5、利用原始過濾條件以及 min、max 和 sum 等智能索引技術(shù)，將數(shù)據(jù)集查詢范圍盡可能地縮小，大大減少 I/O，提升查詢效率。

四、物化視圖

物化視圖是提取某些維度的組合建立對用戶透明的卻有真實數(shù)據(jù)的視圖表格。Doris 的物化視圖可以保證用戶在更新時，直接更新原始表，Doris 會保證原表、物化視圖原子生效。在查詢的時候用戶也只需指定原始表，Doris 會根據(jù)查詢的具體條件，選擇適合的物化視圖完成查詢。

通常用戶可以通過物化視圖功能完成以下兩種功能。

1、更換索引列進(jìn)行重排列

2、針對指定列做聚合查詢

五、兩層分區(qū)與分級存儲

兩層分區(qū)：

1、方便新舊數(shù)據(jù)分離，使用不同的存儲介質(zhì)（例如新數(shù)據(jù)使用 SSD，歷史數(shù)據(jù) SATA）

2、分區(qū)減少了大量歷史數(shù)據(jù)不必要的重復(fù) BE/CE，節(jié)省了大量的 IO 和 CPU 開銷

3、兩層分區(qū)的方法簡化了表的擴容，便于 shard 調(diào)整（例如，前期不必建立過多 shard，后期隨著業(yè)務(wù)增長客隨時調(diào)整 shard 數(shù)）

分級存儲

用戶可以指定數(shù)據(jù)放到 SSD 上或者 SATA 盤上，也支持根據(jù) TTL 將冷數(shù)據(jù)從 SSD 遷移到 SATA 上，高效利用 SSD 提高查詢性能。

六、Doris 在 Elasticsearch 的應(yīng)用

簡介：

1、ES 的優(yōu)點是索引，可支持多列索引，甚至可支持全文語義索引（如 term，match，fuzzy 等）；然而其缺點是沒有分布式計算引擎，不支持 join 等操作

2、與 ES 相反，Palo 具備豐富的 SQL 計算能力，以及分布式查詢能力；然而其索引性能較低，不支持全文索引。

3、Doris 在 ES 開發(fā)的過程中，分別借鑒 ES 和 Palo 的長處，支持了 Elasticsearch 多表 Join 操作，同時引入 Elasticsearch 的語義搜索功能，擴充了 Doris 的查詢能力。

使用方式：

第一步：建立一張 ES 的外部表。

第二步：在 ES 外部表中導(dǎo)入一些數(shù)據(jù)：

第三步：使用和 ES 一樣的搜索語句，進(jìn)行全文檢索查詢：

類似于上圖這樣的搜索語句，在 SQL 中比較難以表達(dá)，但是在 ES 中較容易實現(xiàn)。

七、Kafka 消息隊列加載

1、Doris 內(nèi)部支持訂閱 Kafka 數(shù)據(jù)流，實現(xiàn)直接對接 Kafka：

2、用戶數(shù)據(jù)源經(jīng) Kafka 消息隊列收集后，可以依次進(jìn)入到 Doris 中，通過 Doris 做報表展示和決策分析等工作。

3、優(yōu)點

無需額外組件，用戶可直接通過命令實現(xiàn) Kafka 消息訂閱。

精確傳輸，秒級延遲。

Doris 可自動感知 Kafka 中 partition 變化，合理調(diào)度并發(fā)導(dǎo)入。

在數(shù)據(jù)導(dǎo)入這一過程中，支持對 Kafka 原始數(shù)據(jù)做二次處理（如轉(zhuǎn)換，過濾等）。

八、Doris 其他特性

原子性——即一批數(shù)據(jù)要么都生效，要么都不生效。

支持單機多盤

向量化執(zhí)行

UDF ( User Defined Function 用戶自定義函數(shù) )

內(nèi)置 HLL 類型，快速計算 UV

doris官方文檔（中文版）鏈接

總結(jié)

以上是生活随笔為你收集整理的【数据库】Apache Doris : 一个开源 MPP 数据库的架构与实践的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。