Apache Doris执行引擎演进:从Volcano模型到PipelineX的技术突破
2025-06-27 02:48:58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:
- 查询优化器进行语法/词法分析
- 基于成本模型和优化规则生成最优执行计划
- 执行引擎将计划调度到各节点执行
- 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

技术优势
- 灵活性高:算子之间解耦,易于扩展新算子
- 实现简单:统一的
next()接口规范 - 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:
-
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
-
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
-
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
- 任务拆分:将执行计划分解为流水线任务
- 时间片调度:采用时间分片方式调度任务到线程池
- 阻塞处理:阻塞任务挂起释放线程资源
- 灵活调度:支持多种资源分配策略

关键技术实现
避免线程阻塞
- 线程池大小固定为CPU核心数
- 易阻塞操作拆分为独立流水线任务
- 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

并行化优化
-
数据重分布:
- 前端感知后端环境
- 动态设置合理分区数
-
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

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
-
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
-
执行开销降低:
- 全局状态一次性初始化
- 局部状态按需创建
-
调度开销优化:
- 事件驱动代替轮询
- 阻塞条件抽象为依赖项
-
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;

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

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
- 磁盘溢出支持:提升大查询稳定性和资源利用率
- 自适应并发:根据负载动态调整执行并发度
- 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:
- Volcano模型:基础实现,面临多核利用率瓶颈
- Pipeline引擎:解决线程阻塞,提升CPU利用率
- 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
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
248
2.47 K
deepin linux kernel
C
24
6
仓颉编译器源码及 cjdb 调试工具。
C++
116
89
React Native鸿蒙化仓库
JavaScript
217
298
暂无简介
Dart
548
119
🎉 (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
1.02 K
599
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
411
Ascend Extension for PyTorch
Python
88
118
仓颉编程语言运行时与标准库。
Cangjie
124
102
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
592
125