首页
/ Apache Doris 数据合并(Compaction)机制深度解析与调优指南

Apache Doris 数据合并(Compaction)机制深度解析与调优指南

2025-06-27 19:21:14作者:伍希望

概述

Apache Doris 采用类似 LSM-Tree 的结构存储数据,通过后台的数据合并(Compaction)机制持续将小文件合并为大的有序文件。合理调整合并策略可以显著提升数据导入和查询效率。本文将全面解析 Doris 的各种合并机制及其适用场景。

核心合并机制详解

垂直合并(Vertical Compaction)

技术背景: 传统合并算法在处理宽表场景时存在内存消耗大、执行效率低的问题。垂直合并是 Doris 1.2.2 引入的创新算法,专为大规模宽表场景优化。

实现原理

  • 将传统的按行合并改为按列组(Column Group)合并
  • 每次合并的粒度变为列组而非整行
  • 显著减少单次合并涉及的数据量

性能表现

  • 内存消耗仅为传统算法的 1/10
  • 合并速度提升约 15%

配置参数

enable_vertical_compaction = true  # 启用垂直合并
vertical_compaction_num_columns_per_group = 5  # 每组列数,默认5列性能最佳
vertical_compaction_max_segment_size = 268435456  # 合并后文件大小(字节)

段合并(Segment Compaction)

设计目标: 解决大规模数据导入时产生过多小文件的问题,避免出现 OLAP_ERR_TOO_MANY_SEGMENTS(-238)错误。

技术特点

  • 在数据导入过程中并行执行合并
  • 不会增加导入总时长
  • 资源消耗均匀分布在整个导入过程
  • 为后续查询和标准合并提供性能优势

配置建议

enable_segcompaction = true  # 启用段合并
segcompaction_batch_size = 10  # 合并间隔(每10个段触发一次)

适用场景

  1. 大数据量导入频繁出现 -238 错误
  2. 导入产生过多小文件(低基数字段或内存限制导致)
  3. 导入后需要立即查询
  4. 导入后标准合并压力过大

不适用场景: 当导入操作本身已耗尽内存资源时,不建议启用

单副本合并(Single Replica Compaction)

优化原理

  • 传统方式:每个副本独立执行合并,消耗 N 倍资源
  • 单副本合并:仅主副本执行合并,其他副本同步结果
  • 节省 N-1 倍 CPU 资源(N 为副本数)

配置方式

-- 建表时指定
CREATE TABLE ... PROPERTIES ("enable_single_replica_compaction" = "true");

-- 修改已有表
ALTER TABLE table_name SET("enable_single_replica_compaction" = "true");

合并策略选择

基于大小的策略(默认)

"compaction_policy" = "size_based"

适用大多数通用场景,按文件大小自动触发合并。

时间序列策略

"compaction_policy" = "time_series"

专为日志、时序数据优化,利用时间局部性原理:

  • 合并相邻时间段的小文件
  • 每个文件仅参与一次合并
  • 显著降低写放大问题

触发条件

  1. 未合并文件总大小 > time_series_compaction_goal_size_mbytes(默认1GB)
  2. 未合并文件数 > time_series_compaction_file_count_threshold(默认2000)
  3. 距上次合并时间 > time_series_compaction_time_threshold_seconds(默认1小时)

动态调整

ALTER TABLE table_name SET("time_series_compaction_goal_size_mbytes"="2048");

并发控制与资源管理

通过 BE 配置控制合并资源消耗:

max_base_compaction_threads = 4       # 基础合并线程数
max_cumu_compaction_threads = -1      # 累积合并线程数(-1表示每磁盘1线程)
max_single_replica_compaction_threads = 10  # 单副本合并传输线程数

最佳实践建议

  1. 宽表场景:优先启用垂直合并,列组大小保持默认5列
  2. 批量导入:预估会产生大量小文件时启用段合并
  3. 多副本集群:启用单副本合并节省资源
  4. 时序数据:选择时间序列策略并适当调整阈值
  5. 资源紧张时:降低合并并发度,优先保证导入和查询性能

通过合理配置这些合并机制,可以显著提升 Doris 集群的整体性能和稳定性。建议根据实际业务特点进行针对性调优。

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++
176
262
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
863
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
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
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
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
332
1.08 K