首页
/ Apache Doris执行引擎演进:从Volcano模型到PipelineX的技术突破

Apache Doris执行引擎演进:从Volcano模型到PipelineX的技术突破

2025-06-27 00:18:46作者:田桥桑Industrious

引言:执行引擎在数据库中的核心地位

在现代数据库系统中,执行引擎扮演着至关重要的角色,它如同餐厅中的主厨,负责将优化器生成的执行计划转化为实际的数据处理流程。本文将深入剖析Apache Doris执行引擎的演进历程,揭示其实现高性能查询的关键技术路径。

执行引擎基础概念

当用户提交SQL查询时,数据库系统会经历以下处理流程:

  1. 查询优化器进行语法/词法分析
  2. 基于成本模型和优化规则生成最优执行计划
  3. 执行引擎将计划调度到各节点执行
  4. 节点操作底层存储引擎数据并返回结果

执行引擎负责数据读取、过滤、排序、聚合等核心操作,其效率直接影响查询性能和资源利用率。不同的执行模型会带来显著的性能差异。

第一阶段:Volcano模型

基本原理

Volcano模型(又称迭代器模型)是分析型数据库中最主流的执行模型。在该模型中:

  • 每个操作被抽象为一个算子
  • 整个SQL查询构成一棵算子树
  • 执行时通过自上而下调用next()接口遍历树
  • 数据自下而上被拉取和处理(拉取式执行模型)
select age, sex from employees where age > 30

Volcano模型示意图

技术优势

  1. 灵活性高:算子之间解耦,易于扩展新算子
  2. 实现简单:统一的next()接口规范
  3. 优化方便:支持多种查询优化技术

性能瓶颈

在单机多核场景下,Volcano模型面临以下挑战:

  1. 线程阻塞问题

    • 固定大小线程池中,阻塞实例可能导致死锁
    • 实例数超过CPU核心数时产生巨大上下文切换开销
  2. CPU资源竞争

    • 不同规模查询间相互干扰
    • 多租户场景下资源隔离困难
  3. 多核利用率低

    • 执行并发度受数据分桶数限制
    • 分桶数难以精确预估,容易导致资源浪费

第二阶段:Pipeline执行引擎

Apache Doris 2.0.0引入Pipeline执行引擎,核心改进包括:

架构设计

  1. 任务拆分:将执行计划分解为流水线任务
  2. 时间片调度:采用时间分片方式调度任务到线程池
  3. 阻塞处理:阻塞任务挂起释放线程资源
  4. 灵活调度:支持多种资源分配策略

Pipeline执行引擎示意图

关键技术实现

避免线程阻塞

  1. 线程池大小固定为CPU核心数
  2. 易阻塞操作拆分为独立流水线任务
  3. 用户态轮询调度器设计:
    • 持续检查任务状态
    • 按策略分配可执行任务
    • 减少OS线程切换开销

调度设计

并行化优化

  1. 数据重分布

    • 前端感知后端环境
    • 动态设置合理分区数
  2. 扫描层改造

    • 逻辑重构解耦线程与tablet数
    • 扫描线程池化数据供多任务共享

并行化设计

第三阶段:PipelineX引擎

Apache Doris 2.1.0推出PipelineX,解决了Pipeline引擎的遗留问题:

核心改进

  1. 执行并发度提升

    • 引入Local Shuffle机制
    • 解除tablet数对并发的限制
    • 自动均衡数据分布,解决倾斜问题
  2. 执行开销降低

    • 全局状态一次性初始化
    • 局部状态按需创建
  3. 调度开销优化

    • 事件驱动代替轮询
    • 阻塞条件抽象为依赖项
  4. Profile可读性增强

    • 指标重组优化
    • 新增关键耗时统计

技术实现细节

Local Shuffle机制

SELECT COUNT(*) FROM A GROUP BY A.COL_1;

Local Shuffle示意图

  • 管道任务仅维护运行时状态(Local State)
  • 共享信息(Global State)由管道对象统一管理
  • Local Shuffle负责单BE内数据分布均衡

事件驱动调度

  1. 将阻塞条件封装为依赖项
  2. 任务状态通过事件通知触发变更
  3. 执行计划抽象为DAG图:
    • 节点:管道任务
    • 边:依赖关系

事件驱动调度

性能指标优化

扫描算子示例:

OLAP_SCAN_OPERATOR (id=4. table name = Z03_DI_MID):
    - ExecTime: 457.750ms
    - WaitForDependency[OLAP_SCAN_OPERATOR_DEPENDENCY]Time: 436.883ms

交换算子示例:

EXCHANGE_OPERATOR (id=3):
    - ExecTime: 86.691us
    - WaitForDependencyTime: 0ns
        - WaitForData0: 409.256us

未来演进方向

  1. 磁盘溢出支持:提升大查询稳定性和资源利用率
  2. 自适应并发:根据负载动态调整执行并发度
  3. 智能调度:基于机器学习优化任务调度策略

总结

Apache Doris执行引擎的演进历程:

  1. Volcano模型:基础实现,面临多核利用率瓶颈
  2. Pipeline引擎:解决线程阻塞,提升CPU利用率
  3. PipelineX引擎:完善生产级特性,优化执行效率

这一持续优化的技术路线使Apache Doris在分析型数据库领域保持领先的性能优势,为各类实时分析场景提供强有力的支持。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
168
2.05 K
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
105
616
nop-entropynop-entropy
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
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
199
279
RuoYi-Vue3RuoYi-Vue3
🎉 (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
954
563
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
78
71
leetcodeleetcode
🔥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
60
17
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0