Apache Doris在Kubernetes上部署FE节点的配置指南
2025-06-27 21:48:40作者:戚魁泉Nursing
前言
Apache Doris作为一款高性能的MPP分析型数据库,在存算分离架构下,FE(Frontend)节点承担着查询解析、规划等关键任务。本文将详细介绍在Kubernetes环境中部署和配置FE节点的最佳实践。
FE节点基础配置
计算资源配置
在Kubernetes环境中,我们可以通过requests和limits为FE节点分配计算资源。以下是一个典型的生产环境配置示例:
spec:
feSpec:
requests:
cpu: 8
memory: 8Gi
limits:
cpu: 8
memory: 8Gi
这个配置为FE节点分配了8个CPU核心和8GB内存。在实际部署时,建议根据以下因素调整资源配置:
- 集群规模:节点数量越多,单个FE节点负载可能越低
- 查询复杂度:复杂查询需要更多内存
- 并发量:高并发场景需要更多CPU资源
自定义启动配置
创建ConfigMap
FE节点的启动配置通过Kubernetes ConfigMap管理。以下是一个推荐的配置模板:
apiVersion: v1
kind: ConfigMap
metadata:
name: fe-configmap
namespace: default
labels:
app.kubernetes.io/component: fe
data:
fe.conf: |
CUR_DATE=`date +%Y%m%d-%H%M%S`
LOG_DIR = ${DORIS_HOME}/log
# JDK 17配置
JAVA_OPTS_FOR_JDK_17="-Djavax.security.auth.useSubjectCredsOnly=false -Xmx8192m -Xms8192m -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=$LOG_DIR -Xlog:gc*:$LOG_DIR/fe.gc.log.$CUR_DATE:time,uptime:filecount=10,filesize=50M --add-opens=java.base/java.nio=ALL-UNNAMED --add-opens java.base/jdk.internal.ref=ALL-UNNAMED"
sys_log_level = INFO
sys_log_mode = NORMAL
http_port = 8030
rpc_port = 9020
query_port = 9030
edit_log_port = 9010
enable_fqdn_mode=true
关键配置说明
- JVM参数:-Xmx和-Xms设置为相同值避免动态调整开销
- 日志配置:gc日志按时间和大小滚动,便于问题排查
- 端口配置:确保各服务端口不冲突
- FQDN模式:在K8s环境中必须设置为true
访问配置详解
Apache Doris在Kubernetes中支持三种服务暴露方式:
1. ClusterIP模式(默认)
适用于集群内部访问,配置简单:
kubectl -n doris get svc
输出示例:
NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
doriscluster-sample-fe-internal ClusterIP None <none> 9030/TCP 14m
doriscluster-sample-fe ClusterIP 10.1.118.16 <none> 8030/TCP,9020/TCP,9030/TCP,9010/TCP 14m
2. NodePort模式
适用于开发测试环境,支持静态和动态端口分配:
spec:
feSpec:
service:
type: NodePort
portMaps:
- nodePort: 31001 # 静态分配HTTP端口
targetPort: 8030
- nodePort: 31002 # 静态分配查询端口
targetPort: 9030
3. LoadBalancer模式
适用于生产环境,云厂商提供负载均衡:
spec:
feSpec:
service:
type: LoadBalancer
annotations:
service.beta.kubernetes.io/load-balancer-type: "external"
持久化存储配置
自动模板配置
spec:
feSpec:
persistentVolumes:
- persistentVolumeClaimSpec:
accessModes:
- ReadWriteOnce
resources:
requests:
storage: 200Gi
自定义挂载点
spec:
feSpec:
persistentVolumes:
- mountPaths:
- /opt/apache-doris/fe/log
persistentVolumeClaimSpec:
accessModes:
- ReadWriteOnce
resources:
requests:
storage: 300Gi
最佳实践建议
- 生产环境:推荐使用LoadBalancer+持久化存储
- 资源规划:预留20%的资源余量应对峰值负载
- 监控配置:确保配置了HeapDumpPath以便内存问题排查
- 日志管理:生产环境建议开启日志持久化
通过以上配置,您可以在Kubernetes环境中高效部署和管理Apache Doris的FE节点,为上层应用提供稳定的查询服务。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
568
98
暂无描述
Dockerfile
709
4.51 K
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++
958
955
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
951
235
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
12
2