Apache Doris系列之：深入认识实时分析型数据库Apache Doris

一、Doris介绍

• Apache Doris基于MPP架构的高性能、实时的分析型数据库，仅需亚秒级响应时间即可返回还量数据下的查询结果，不仅可以支持高并发的点查询场景，也能支持高吞吐的复杂分析场景。
• Apache Doris能够较好的满足报表分析、即席查询、统一数仓构建、数据湖联邦查询加速等使用场景，用户可以在此之上构建用户行为分析、AB实验平台、日志检索分析、用户画像分析、订单分析等应用。

二、使用场景

• 数据源经过各种数据集成和加工处理后，通常会入库到实时数仓Doris和离线湖仓，Apache Doris被广泛应用在以下场景中。

报表分析：

• 实时看板(Dashboards)
• 面向企业内部分析师和管理者的报表
• 面向用户或者客户的高并发报表分析。比如面向网站主的站点分析、面向广告主的广告报表，并发通常要求成千上万的QPS，查询延时要求毫秒级响应。著名的电商公司京东在广告报表中使用 Apache Doris ，每天写入 100 亿行数据，查询并发 QPS 上万，99 分位的查询延时 150ms。

即席查询：

• 面向分析师的自助分析，查询模式不固定，要求较高的吞吐。小米公司基于 Doris 构建了增长分析平台（Growing Analytics，GA），利用用户行为数据对业务进行增长分析，平均查询延时 10s，95 分位的查询延时 30s 以内，每天的 SQL 查询量为数万条。

统一数仓构建：

• 一个平台满足统一的数据仓库建设需求，简化繁琐的大数据软件栈。海底捞基于 Doris 构建的统一数仓，替换了原来由 Spark、Hive、Kudu、Hbase、Phoenix 组成的旧架构，架构大大简化。

数据湖联邦查询：

• 通过外表的方式联邦分析位于 Hive、Iceberg、Hudi 中的数据，在避免数据拷贝的前提下，查询性能大幅提升。

三、技术概述

Doris整体架构如下图所示，Doris架构非常简单，只有两类进程：

• Frontend(FE)，主要负责用户请求的接入、查询解析规划、元数据的管理、节点管理相关工作。
• Backend(BE)，主要负责数据存储、查询计划的执行。

这两类进程都是可以横向扩展的，单集群可以支持到数百台机器，数十PB的存储容量。这两类进程通过一致性协议来保证服务的高可用和数据的高可靠。这种高度集成的架构设计极大的降低了一款分布式系统的运维成本。

• 在使用接口方面，Doris 采用 MySQ L 协议，高度兼容 MySQL 语法，支持标准 SQL，用户可以通过各类客户端工具来访问 Doris，并支持与 BI 工具的无缝对接。
• 在存储引擎方面，Doris采用列式存储，按列进行数据的编码压缩和读取，能够实现极高的压缩比，同时减少大量非相关数据的扫描，从而更加有效利用IO和CPU资源。

Doris支持比较丰富的索引结构，来减少数据的扫描：

• Sorted Compound Key Index，可以最多指定三个列组成复合排序键，通过该索引，能够有效进行数据裁剪，从而能够更好支持高并发的报表场景。
• Z-order Index：使用Z-order索引，可以高效对数据模型中的任意字段组合进行范围查询。
• Min/Max：有效过滤数值类型的等值和范围查询
• Bloom Filter：对高基数列的等值过滤裁剪非常有效。
• Invert Index：能够对任意字段实现快速检索

在存储模型方面，Doris支持多种存储模型，针对不同的场景做了针对性的优化：

• Aggregate Key模型：相同key的Value列合并，通过提前聚合大幅提升性能
• Unique Key模型：Key唯一，相同Key的数据覆盖，实现行级别数据更新
• Duplicate Key模型：明细数据模型，满足事实表的明细存储

Doris也支持强一致的物化视图，物化视图的更新和选择都在系统内自动进行，不需要用户手动选择，从而大幅度减少了物化视图维护的代价。

在查询引擎方面，Doris采用MPP的模型，节点间和节点内都并行执行，也支持多个大表的分布式Shuffle Join，从而能够更好应对复杂查询。

Doris查询引擎是向量化的查询引擎，所有的内存结构能够按照列式布局，能够达到大幅度减少虚函数调用、提升Cache命中率，高效利用SIMD指令的效果。在宽表聚合场景下性能是非向量化引擎的5-10倍。

Doris采用了Adaptive Query Execution 技术，可以根据Runtime Statistics来动态调整执行计划，比如通过Runtime Filter技术能够在运行时生成Filter到Probe侧，并且能够将Filter自动穿透到Probe侧最底层的Scan节点，从而大幅减少Probe都数据量，加速Join性能。Doris都Runtime Filter支持In/Min/Max/Bloom Filter。

在优化器方面 Doris 使用 CBO 和 RBO 结合的优化策略，RBO 支持常量折叠、子查询改写、谓词下推等，CBO 支持 Join Reorder。目前 CBO 还在持续优化中，主要集中在更加精准的统计信息收集和推导，更加精准的代价模型预估等方面。