首页
/ Apache Doris 工作负载分析与诊断实战指南

Apache Doris 工作负载分析与诊断实战指南

2025-06-27 17:18:57作者:平淮齐Percy

概述

Apache Doris 作为一款高性能的MPP分析型数据库,在实际生产环境中可能会面临各种工作负载问题。本文将深入讲解如何对Doris集群进行工作负载分析与诊断,帮助DBA和运维人员快速定位和解决性能问题。

工作负载分析的两个阶段

1. 运行时工作负载分析

当集群可用性下降时,可以通过以下步骤进行实时诊断:

1.1 确定集群瓶颈

  • 通过监控指标初步判断当前集群瓶颈:内存、CPU还是IO
  • 如果多项指标都高,建议优先处理内存问题

1.2 定位高负载工作组

  • 查询workload_group_resource_usage
  • 根据瓶颈类型找出资源消耗最高的N个工作组

1.3 实施应急措施

  • 降低高负载工作组的查询并发度
  • 根据瓶颈类型采取不同降级策略:
    • CPU瓶颈:设置cpu_hard_limit硬限制并降低其值
    • IO瓶颈:通过read_bytes_per_second限制最大IO
    • 内存瓶颈:设置memory_limit硬限制并降低其值(可能导致查询失败)

1.4 深入分析原因

  • 判断是工作组整体查询并发增加还是特定大查询导致
  • 使用backend_active_tasksactive_queries表定位异常SQL
  • 通过kill语句终止问题查询释放资源

2. 历史数据分析

通过审计日志分析历史工作负载模式:

2.1 确认历史瓶颈

  • 分析监控历史数据确定集群瓶颈类型

2.2 识别异常SQL

  • 有明确预期:根据业务特点定义异常SQL标准
  • 无明确预期:使用百分位函数计算历史基准值
    • 计算历史tp50/tp75/tp99/tp999等指标
    • 对比当前值与历史基准的偏差

2.3 优化异常查询

  • SQL重写
  • 表结构优化
  • 并行度调整

2.4 流量分析

  • 检查SQL执行量是否异常增长
  • 确认上游业务变化情况
  • 考虑集群扩容或实施限流

实用SQL查询示例

1. 工作组资源使用排名

select be_id,workload_group_id,memory_usage_bytes,cpu_usage_percent,local_scan_bytes_per_second 
from workload_group_resource_usage
order by memory_usage_bytes,cpu_usage_percent,local_scan_bytes_per_second desc

2. CPU消耗TopN查询

select 
    t1.query_id as be_query_id,
    t1.query_type,
    t2.query_id,
    t2.workload_group_id,
    t2.`database`,
    t1.cpu_time,
    t2.`sql`
from
    (select query_id, query_type,sum(task_cpu_time_ms) as cpu_time 
     from backend_active_tasks group by query_id, query_type) t1 
    left join active_queries t2
    on t1.query_id = t2.query_id
order by cpu_time desc limit 10;

3. 内存消耗TopN查询

select 
    t1.query_id as be_query_id,
    t1.query_type,
    t2.query_id,
    t2.workload_group_id,
    t1.mem_used
from
    (select query_id, query_type, sum(current_used_memory_bytes) as mem_used 
     from backend_active_tasks group by query_id, query_type) t1 
    left join active_queries t2
    on t1.query_id = t2.query_id 
order by mem_used desc limit 10;

4. 扫描数据量TopN查询

select 
    t1.query_id as be_query_id,
    t1.query_type,
    t2.query_id,
    t2.workload_group_id,
    t1.scan_rows,
    t1.scan_bytes
from
    (select query_id, query_type, sum(scan_rows) as scan_rows,sum(scan_bytes) as scan_bytes 
     from backend_active_tasks group by query_id,query_type) t1 
    left join active_queries t2
    on t1.query_id = t2.query_id 
order by scan_rows desc,scan_bytes desc limit 10;

注意事项

  1. active_queries表记录FE上的查询,backend_active_tasks表记录BE上的查询
  2. 并非所有查询都会在FE上注册(如stream load)
  3. SELECT查询在两个表中的queryId相同
  4. stream load在active_queries中的queryId为空,在backend_active_tasks中为stream load ID

最佳实践建议

  1. 定期分析审计日志,建立工作负载基线
  2. 为关键业务配置独立的工作组
  3. 设置合理的资源限制和排队策略
  4. 对异常查询建立自动告警机制
  5. 保留足够的历史监控数据用于对比分析

通过系统性的工作负载分析和诊断,可以有效提升Apache Doris集群的稳定性和性能表现。

登录后查看全文
热门项目推荐

热门内容推荐

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