亲爱的社区小伙伴们，Apache Doris 2.0.3 版本已于 2023 年 12 月 14 日正式发布，该版本对复杂数据类型、统计信息收集、倒排索引、数据湖分析、分布式副本管理等多个功能进行了优化，欢迎大家下载体验。
此外，由衷感谢 104 位贡献者，他们为 Apache Doris 2.0.3 版本提交了超过 1000 个功能优化项以及问题修复，为性能及稳定性提升做出重要贡献。
GitHub下载 ：github.com/apache/dori...
官网下载页 ：doris.apache.org/download/
新增特性
自动统计信息收集
统计信息是 CBO 优化器进行代价估算时的依赖，通过收集统计信息有助于优化器了解数据分布特性、执行计划成本估算以及执行计划选择，用于查询效率的提升。
从 2.0.3 版本开始，Apache Doris 支持了自动统计信息收集，并默认为开启状态。在每次导入事务提交后，Apache Doris 会记录导入事务更新的表信息，并估算表统计信息的健康度。当健康度低于配置参数时，Doris 将自动触发统计信息收集作业。为了降低统计信息作业的资源开销，Apache Doris 会自动采取采样的方式收集统计信息，用户也可根据需求调整参数以获得更准确的数据分布信息。
更多信息请参考：doris.apache.org/docs/query-...
数据湖框架支持复杂数据类型
-
Java UDF、JDBC catalog、Hudi MOR 表等功能支持复杂数据类型
-
Paimon catalog 支持复杂数据类型
-
Paimon catalog 支持 Paimon 0.5 版本
增加更多内置函数
-
新优化器支持 BitmapAgg 函数
-
支持 SHA 系列摘要函数
-
聚合函数 min_by 和 max_by 支持 bitmap 数据类型
-
增加 milliseconds/microseconds_add/sub/diff 函数
-
增加 json_insert, json_replace, json_set JSON 函数
改进优化
性能优化
- 在过滤率高的倒排索引 match where 条件和过滤率低的普通 where 条件组合时，大幅降低索引列的 IO
- 优化经过 where 条件过滤后随机读数据的效率
- 优化在 JSON 数据类型上使用老的 get_json_xx 函数的性能，提升 2-4 倍
- 支持配置降低读数据线程的优先级，保证写入的 CPU 资源和实时性
- 增加返回 largeint 的 uuid-numeric 函数，性能比返回 string 的 uuid 函数快 20 倍
- Case when 的性能提升 3 倍
- 在存储引擎执行中裁剪不必要的谓词计算
- 支持 count 算子下推到存储层
- 优化支持 and or 表达式中包含 nullable 类型的计算性能
- 支持更多场景下 limit 算子提前到 join 前执行的改写，以提升执行效率
- 增加消除 inline view 中的无用的 order by 算子，以提升执行效率
- 优化了部分情况下的基数估计和代价模型的准确性，以提升执行效率
- 优化了 JDBC catalog 的谓词下推逻辑和大小写逻辑
- 优化了 file cache 的第一次开启后的读取效率
- 优化 Hive 表 SQL cache 策略，使用 HMS 中存储的分区更新时间作为 cache 是否失效的判断，提高 cache 命中率
- 优化了 Merge-on-Write compaction 效率
- 优化了外表查询的线程分配逻辑，降低内存使用
- 优化 column reader 的内存使用
分布式副本管理改进
优化跳过删除分区、colocate group、持续写时均衡失败、冷热分层表不能均衡等；
安全性提升
-
审计日志插件的配置使用 token 代替明文密码以增强安全性
-
log4j 配置安全性增强
-
日志中不显示用户敏感信息
Bugfix 和稳定性提升
复杂数据类型
-
修复了 map/struct 对定长 CHAR(n) 没有正确截断的问题
-
修复了 struct 嵌套 map/array 写入失败的问题
-
修复了 count distinct 不支持 array/map/struct 的问题
-
解决 query 中出现 delete 复杂类型之后，升级过程中出现 BE crash 的问题
-
修复了 jsonb 在 where 条件中 BE crash 问题
-
修复了 outer join 中有 array 类型时 BE crash 的问题
-
修复 orc 格式 decimal 类型读取错误的问题
倒排索引
-
修复了关闭倒排索引查询时 OR NOT 组合 where 条件结果错误的问题
-
修复了空数组的倒排索引写入时 BE crash 的问题
-
修复输出为空的情况下index compaction BE crash 的问题
-
修复新增列没有写入数据时，增加倒排索引 BE crash 的问题
-
修复 1.2 版本误建倒排索引后升级 2.0 等情况下倒排索引硬链缺失和泄露的问题
物化视图
-
修复 group by 语句中包括重复表达式导致 BE crash 的问题
-
禁止视图创建时 group by 子句中使用 float/doubld 类型
-
增强支持了 select 查询命中物化视图的功能
-
修复当使用了表的 alias 时物化视图不能命中的问题
-
修复了创建物化视图中使用 percentile_approx 的问题
采样查询
-
修复 table sample 功能在 partition table 上无法正常工作的问题
-
修复 table sample 指定 tablet 无法工作的问题
主键表
-
修复基于主键条件更新的空指针异常
-
修复部分列更新字段名大小写问题
-
修复 schema change 时 mow 会出现重复 key 的问题
导入和 Compaction
-
修复 routine load 一流多表时 unkown slot descriptor 错误
-
修复内存统计并发访问导致 BE crash 问题
-
修复重复取消导入导致 BE crash 的问题
-
修复 broker load 时 broker 连接报错问题
-
修复 compaction 和 scan 并发下 delete 谓词可能导致查询结果不对的问题
-
修复 compaction task 存在时打印大量 stacktrace 日志的问题
数据湖兼容性
-
解决 iceberg 表中包含特殊字符导致查询失败的问题
-
修复 Hive metastore 不同版本的兼容性问题
-
修复读取 MaxCompute 分区表错误的问题
-
修复备份到对象存储失败的问题
JDBC 外表兼容性
-
修复 JDBC catalog 处理 Oracle 日期类型格式错误的问题
-
修复 JDBC catalog 读取 MySQL 0000-00-00 日期异常的问题
-
修复从 MariaDB 读取数据时间类型默认值为 current_timestamp 时空指针异常问题
-
修复 JDBC catalog 处理 bitmap 类型时 BE crash 的问题
SQL规划和优化
-
修复了部分场景下分区裁剪错误的问题
-
修复了部分场景下子查询处理不正确的问题
-
修复了部分语义解析的错误
-
修复 right outer/anti join 时，有可能丢失数据的问题
-
修复了谓词被错误的下推穿过聚合算子的问题
-
修正了部分情况下返回的结果 header 不正确的问题
-
包含有 nullsafeEquals 表达式(<=>)作为连接条件时，可以正确对规划出 hash join
-
修复了 set operation 算子中无法正确列裁剪的问题
行为变更
-
复杂数据类型 array/map/struct 的输出格式改成跟输入格式以及 JSON 规范保持一致，跟之前版本的主要变化是日期和字符串用双引号括起来，array/map 内部的空值显示为 null 而不是 NULL。
-
默认情况下，当用户属性
resource_tags.location没有设置时，只能使用 default 资源组的节点，而之前版本中可以访问任意节点。 -
支持 SHOW_VIEW 权限，拥有 SELECT 或 LOAD 权限的用户将不再能够执行
SHOW CREATE VIEW语句，必须单独授予 SHOW_VIEW 权限。