Apache Druid 31.0版本中自动删除压缩配置的默认行为变更分析
2025-05-16 19:19:35作者:郦嵘贵Just
Apache Druid作为一款高性能的实时分析数据库,其31.0版本引入了一个值得注意的行为变更:自动删除压缩配置(compaction config)的默认设置从"false"变为了"true"。这一变更可能会对升级用户的生产环境造成影响,需要特别关注。
背景知识
在Druid中,压缩配置(compaction config)是用于控制段(segment)自动压缩过程的重要参数。压缩是Druid优化存储和查询性能的关键机制,它通过合并小段来减少段数量,提高查询效率。压缩配置通常包含以下参数:
- 目标段大小
- 压缩任务优先级
- 压缩策略等
版本变更细节
在Druid 29.0.1及之前版本中,Coordinator节点有一个明确的配置参数druid.coordinator.kill.compaction.on,其默认值被硬编码为false。这意味着Coordinator默认不会自动删除压缩配置。
然而在31.0.0版本中,随着代码重构,这一行为发生了变化。现在压缩配置的清理行为继承自MetadataCleanupConfig.DEFAULT,而该默认值实际上是true。这导致升级后Coordinator会自动清理被认为"不必要"的压缩配置。
影响分析
这一变更可能导致以下问题:
- 升级后用户发现精心配置的压缩策略被意外删除
- 自动压缩任务停止运行,影响系统性能
- 需要手动重新配置压缩参数,增加运维负担
从用户报告来看,Coordinator会以"KillCompactionConfig"的身份自动删除压缩配置,并在审计日志中留下相应记录。
解决方案
对于已经升级到31.0.0版本的用户,可以采取以下措施:
- 显式设置配置参数:
druid.coordinator.kill.compaction.on=false
-
对于已经被删除的压缩配置,需要手动重新创建
-
在升级前检查并备份重要的压缩配置
最佳实践建议
- 在升级前仔细阅读版本变更说明
- 在测试环境验证升级影响
- 对重要配置进行备份
- 考虑实现配置管理自动化,便于恢复
这一变更提醒我们,在升级分布式系统时,不仅要关注新功能,还要特别注意默认行为的改变,这些改变可能对系统稳定性产生深远影响。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
659
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
9
1
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
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146