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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
最新内容推荐
Argo Events 入门教程:构建事件驱动工作流的基础指南【免费下载】 PolicyPlus 安装和配置指南如何快速掌握ScyllaDB:从入门到精通的完整文档指南 Redisson 安装与配置完全指南React TypeScript Cheatsheet:useReducer与Discriminated Unions高级用法 使用three-globe创建动态3D地球弧线可视化 WhisperKit本地模型加载问题解析与解决方案 在mytv-android项目中搭建私有IPTV直播源服务器的技术方案 OneBot标准解析:统一聊天机器人开发的接口规范 Visual C++运行库合集(vcredist)安装报错解决方案
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
525
3.72 K
Ascend Extension for PyTorch
Python
329
391
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++
877
578
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
335
162
暂无简介
Dart
764
189
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
1
🎉 (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
1.33 K
746
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
React Native鸿蒙化仓库
JavaScript
302
350