ByConity查询性能问题排查与优化实践
问题背景
在使用ByConity替代原有ClickHouse集群的过程中,遇到了显著的查询性能差异问题。具体表现为:在ClickHouse集群中150亿数据的查询响应时间为200ms,而在ByConity集群中13亿数据的简单查询(如select a from x where b=x
)响应时间却长达2-28秒不等,其中limit 100
的简单查询也需要11秒。
环境配置
ByConity集群部署在10台物理机上,采用Kubernetes架构,底层存储先后尝试了OpenEBS Local PV+HDFS和MinIO方案。集群状态显示正常运行,无Pod重启情况。
初步排查
通过分析query_log和profile_events日志,发现以下几个关键现象:
- 冷查询性能较差,HDFS读取时间较长
- 即使是不涉及磁盘操作的简单查询(如
select a from x limit 100
)也需要11秒 - 列是否为projection对性能影响不大
深入分析
1. 元数据操作瓶颈
通过执行特定诊断SQL,发现表存在大量小parts(约25万个),每个part仅包含约1万条数据。这是由于使用Kettle JDBC驱动批量导入时,每次仅导入1万条数据导致的。
select count() from cnch(server, system.cnch_parts)
where database = 'xxx' and table = 'yyy'
2. 后台合并任务异常
进一步检查发现Daemon Manager(DM)服务未正常工作,导致后台merge任务无法执行。DM日志显示HDFS地址配置缺失的错误:
Failed to get HDFS connection: HDFS address is empty
3. 分区与TTL配置问题
表的分区策略(partition by toYYYYMM(begin_time)
)与TTL表达式(toStartOfMonth(ip_begin_time) + toIntervalMonth(12)
)不匹配,这会影响数据生命周期管理的有效性。
解决方案
1. 修复Daemon Manager配置
在byconity-dm-config
的ConfigMap中,为daemon-manager.yaml
添加HDFS地址配置:
hdfs_addr: hdfs://byconity-hdfs-namenodes:8020
重启DM Pod后,后台merge任务开始正常执行,逐步合并小parts。
2. 调整数据导入策略
建议调整批量导入的数据量,减少小parts的产生。对于JDBC导入,可以增大batch size至10万或更高。
3. 统一分区与TTL配置
将分区表达式调整为与TTL一致:
ALTER TABLE xxx.yyy
MODIFY PARTITION BY toStartOfMonth(ip_begin_time)
TTL toStartOfMonth(ip_begin_time) + toIntervalMonth(12)
优化效果
实施上述措施后:
- 后台merge任务成功合并小parts
- 简单查询性能提升至毫秒级
- 系统整体稳定性显著改善
经验总结
- 小parts问题:大量小parts会严重影响查询性能,特别是在分布式系统中,元数据操作会成为瓶颈。
- 后台服务监控:Daemon Manager等后台服务状态需要定期检查,确保合并、TTL等任务正常执行。
- 配置一致性:存储地址等关键配置必须完整正确,否则会导致后台服务异常。
- 设计规范:表的分区策略与TTL设置需要保持一致,遵循最佳实践。
通过这次问题排查,我们不仅解决了当前性能问题,也为后续ByConity集群的运维积累了宝贵经验。建议用户在迁移至ByConity时,特别注意数据导入策略和后台服务的配置检查。
- 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~044CommonUtilLibrary
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!C0300- 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









