Apache DevLake DORA 仪表盘性能优化实践
2025-06-29 00:29:03作者:滑思眉Philip
背景介绍
Apache DevLake 是一个开源的数据湖平台,用于收集、分析和可视化软件开发过程中的各项指标。其中 DORA(DevOps Research and Assessment)仪表盘是核心功能之一,用于展示研发效能的关键指标。
性能问题分析
在 v1.0.1-beta5 版本中,DORA 仪表盘的两个关键面板"Overall DORA Metrics"和"Change Failure Rate"存在严重的性能问题。原始SQL查询执行时间长达31.7秒,严重影响用户体验。
通过分析发现,问题出在以下SQL查询结构上:
SELECT
CASE
WHEN COUNT(i.id) = 0 AND COUNT(cdc.id) = 0 THEN 'No All'
WHEN COUNT(i.id) = 0 THEN 'No Incidents'
WHEN COUNT(cdc.id) = 0 THEN 'No Deployments'
END AS is_collected
FROM
(SELECT 1) AS dummy
LEFT JOIN incidents i ON 1 = 1
LEFT JOIN cicd_deployment_commits cdc ON 1 = 1;
这种写法会导致数据库执行笛卡尔积运算,当incidents表有3193条记录,cicd_deployment_commits表有177462条记录时,会产生约567亿条中间结果,造成巨大的计算开销。
优化方案
优化思路
- 避免全表连接:原始查询无条件连接两个大表,这是性能瓶颈的根本原因
- 提前聚合:先对两个表分别进行计数,再进行结果合并
- 添加过滤条件:结合项目筛选和时间范围过滤,减少数据处理量
优化后的SQL
SELECT
CASE
WHEN i.cnt = 0 AND cdc.cnt = 0 THEN 'No All'
WHEN i.cnt = 0 THEN 'No Incidents'
WHEN cdc.cnt = 0 THEN 'No Deployments'
END AS is_collected
FROM
(
SELECT COUNT(*) AS cnt FROM incidents i
JOIN project_mapping pm ON i.scope_id = pm.row_id AND pm.`table` = i.`table`
WHERE pm.project_name IN (${project}) AND $__timeFilter(i.created_date)
) AS i
LEFT JOIN (
SELECT COUNT(*) AS cnt FROM cicd_deployment_commits cdc
JOIN project_mapping pm ON cdc.cicd_scope_id = pm.row_id AND pm.`table` = 'cicd_scopes'
WHERE pm.project_name IN (${project}) AND $__timeFilter(cdc.finished_date)
) AS cdc ON 1 = 1;
优化效果
优化后的查询执行时间从31.7秒降低到0.02秒,性能提升了约1500倍。这主要得益于:
- 消除了笛卡尔积运算
- 利用了索引扫描(incidents_resolution_date_idx和cicd_deployment_commits_finished_date_idx)
- 减少了中间结果集的大小
技术要点
- SQL优化原则:避免不必要的表连接,特别是无条件连接大表
- Grafana最佳实践:合理使用模板变量(如__timeFilter)
- 数据模型理解:正确关联project_mapping表以支持多项目筛选
- 索引利用:确保查询能够利用现有索引提高效率
总结
通过对DORA仪表盘SQL查询的重构,我们解决了性能瓶颈问题。这个案例展示了在数据可视化场景中,SQL查询优化的重要性。开发者在编写类似查询时,应该:
- 始终考虑数据量和连接方式的影响
- 优先使用过滤条件减少数据处理量
- 合理利用数据库索引
- 避免产生不必要的中间结果
这种优化思路不仅适用于Apache DevLake项目,对于其他需要处理大量数据的仪表盘开发也具有参考价值。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0331- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
179
263

🎉 (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
869
514

openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183

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
295
331

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K

harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
22
5

微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58