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
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++038Hunyuan3D-Part
腾讯混元3D-Part00GitCode-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~0283Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-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。Python00GOT-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).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OpenSSL 3.3.0资源下载指南:新一代加密库的全面解析与部署教程 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
161
2.03 K

deepin linux kernel
C
22
6

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++
533
60

React Native鸿蒙化仓库
C++
198
279

Ascend Extension for PyTorch
Python
46
78

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

🎉 (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
947
556

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
381
17

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
997
396