首页
/ Apache DevLake DORA 仪表盘性能优化实践

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

  1. 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
  2. 提前聚合:先对两个表分别进行计数,再进行结果合并
  3. 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:

  1. 消除了笛卡尔积运算
  2. 利用了索引扫描(incidents_resolution_date_idx和cicd_deployment_commits_finished_date_idx)
  3. 减少了中间结果集的大小

技术要点

  1. SQL优化原则:避免不必要的表连接,特别是无条件连接大表
  2. Grafana最佳实践:合理使用模板变量(如project)和时间过滤器({project})和时间过滤器(__timeFilter)
  3. 数据模型理解:正确关联project_mapping表以支持多项目筛选
  4. 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:

  1. 始终考虑数据量和连接方式的影响
  2. 优先使用过滤条件减少数据处理量
  3. 合理利用数据库索引
  4. 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

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
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
869
514
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183
openHiTLSopenHiTLS
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
Cangjie-ExamplesCangjie-Examples
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-utilsharmony-utils
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
CangjieCommunityCangjieCommunity
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
kernelkernel
deepin linux kernel
C
22
5
WxJavaWxJava
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-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58