亲爱的社区小伙伴们,Apache Doris 2.1.4 版本已于 2024 年 6 月 26 日正式发布。在 2.1.4 版本中,我们对数据湖分析场景进行了多项功能体验优化,重点修复了旧版本中异常内存占用的问题,同时提交了若干改进项以及问题修复,进一步提升了系统的性能、稳定性及易用性,欢迎大家下载使用。
官网下载页: https://doris.apache.org/download/
GitHub 下载: https://github.com/apache/doris/releases
行为变更
- 通过 Catalog 查询外部表(如 Hive **数据表)时,系统将忽略不存在的文件:**当从元数据缓存中获取文件列表时,由于缓存更新并非实时,因此可能在实际的文件列表已删除、而元数据缓存中仍存在该文件的情况。为了避免由于尝试访问不存在的文件而导致的查询错误,系统会忽略这些不存在的文件。
- 默认情况下,创建 Bitmap Index 不再默认变更为 Inverted Index。该行为由 FE 配置项
enable_create_bitmap_index_as_inverted_index
控制,默认为 false。 - 当使用
--console
启动 FE、BE进程时,所有日志将输出到标准输出,并通过前缀区分不同类型的日志。具体文档地址如下: - 如果建表时没有填写表注释,默认注释为空,不再使用表类型作为默认表注释。
- decimalv3 的默认精度从 (9, 0) 调整为 (38,9) ,以和最初发布此功能的版本保持兼容。
新功能
查询优化器
- 支持 FE 火焰图工 具:在 FE 部署目录
${DORIS_FE_HOME}/bin
中会增加profile_fe.sh
脚本,可以利用 async-profiler 工具生成 FE 的火焰图,用以发现性能瓶颈点。 - 支持 SELECT DISTINCT 与聚合函数同时使用 :支持
SELECT DISTINCT
与聚合函数同时使用,在一个查询中同时去重和进行聚合操作,如 SUM、MIN/MAX 等。 - 支持无 GROUP BY 的单表查询重写 :无
GROUP BY
的单表查询重写功能允许数据库优化器在不需要分组的情况下,根据查询的复杂性和数据表的结构,自动选择最佳的执行计划来执行查询,这可以提高查询的性能,减少不必要的资源消耗,并简化查询逻辑。 - 查询优化器全面支持高并发点查询功能 :在 2.1.4 版本之后,查询优化器全面支持高并发点查询功能,所有符合点查询条件的 SQL 语句会自动走短路径查询,无需用户在客户端额外设置
set experimental_enable_nereids_planner = false
。
湖仓一体
- 支持 Paimon 的原生读取器来处理 Deletion Vector :Deletion Vector 主要用于标记或追踪哪些数据已被删除或标记为删除,通常应用在需要保留历史数据的场景,基于本优化可以提升大量数据更新或删除时的处理效率。
- 支持在表值函数(TVF)中使用 Resource :TVF 功能为 Apache Doris 提供了直接将对象存储或 HDFS 上的文件作为 Table 进行查询分析的能力。通过在 TVF 中引用 Resource,可以避免重复填写连接信息,提升使用体验。
- 支持通过 Ranger 插件实现数据脱敏 :开启 Ranger 鉴权功能后,支持使用 Ranger 中的 Data Mask 功能进行数据脱敏。
异步物化视图
- 构建支持内表触发式更新,如果物化视图使用的是内表,如果内表数据发生变化,可以触发物化视图刷新,需要在创建物化视图时指定
REFRESH ON COMMIT
。 - 支持单表透明改写。
- 透明改写支持 agg_state, agg_union 类型的聚合上卷,物化视图可以定义为 agg_state 或者 agg_union,查询使用具体的聚合函数,或者使用 agg_merge
其他
- 新增 replace_empty 函数 :将字符串中的子字符串进行替换,当旧字符串为空时,会将新字符串插入到原有字符串的每个字符前以及最后。
- 支持
show storage policy using
语句:支持查看所有或指定存储策略关联的表和分区。 - 支持 BE 侧的 JVM 指标: 通过在
be.conf
配置文件中设置enable_jvm_monitor=true
,可以启用对 BE 节点 JVM 的监控和指标收集,有助于了解 BE JVM 的资源使用情况,以便进行故障排除和性能优化。
功能优化
- 支持为中文列名创建倒排索引。
- 优化 Segment Cache 所消耗内存的估算准确度,以便能够更快地释放未使用的内存。
- 在使用 Export 功能导出数据时,提前过滤空分区以提升导出效率。
- 优化 Routine Load 任务分配算法以平衡 BE 节点之间的负载压力。
- 在设置错误的会话变量名时,自动识别近似变量值并给出更详细的错误提示。
- 支持将 Java UDF Jar 文件放到 FE 的
custom_lib
目录中并默认加载。 - 为审计日志导入作业添加超时的全局变量
audit_plugin_load_timeout
,以控制在加载审计插件或处理审计日志时允许的最大执行时间。 - 优化了异步物化视图透明改写规划的性能。
- 当
INSERT
源数据为空时,BE 将不会执行任何操作。 - 支持分批获取 Hudi 和 Hive 文件列表,当存在大量数据文件时可以提升数据扫描性能。
- 120 万文件场景下,获取文件列表的时间由390秒缩减到46秒。
- 创建异步物化视图时,禁止使用动态分区。
- 支持检测 Hive 外表分区数据是否和异步物化视图同步。
- 允许异步物化视图创建索引。
问题修复
查询优化器
- 修复 SQL Cache 在
truncate paritition
后依然返回旧结果的问题。 - 修复从 JSON Cast 到其他类型 Nullable 属性不对的问题。
- 修复偶现的 Datetimev2 Literal 化简错误。
- 修复窗口函数中不能使用
count(*)
的问题。 - 修复
UNION ALL
下全部是无 FROM 的SELECT
时,Nullable 属性可能错误的问题。 - 修复 Bitmap in Join 和子查询解嵌套无法同时使用的问题。
- 修复在特定情况下过滤条件不能下推到 CTE Producer 导致的性能问题。
- 修复聚合 Combinator 为大写时,无法找到函数的问题。
- 修复窗口函数没有被列裁剪正确裁剪导致的性能问题。
- 修复多个同名不同库的表同时出现在查询中时,可能解析错误导致结果错误的问题。
- 修复对于 Schema 表扫描时,由于生成了 Runtime Filter 导致查询报错的问题。
- 修复关联子查询解嵌套,关联条件被折叠为 Null Literal 导致无法执行的问题。
- 修复规划时,偶现的 Decimal Literal 被错误设置精度的问题。
- 修复偶现的多层聚合被合并后规划错误的问题。
- 修复偶现的聚合扩展规划报错输入输出不匹配的问题。
- 修复偶现的 <=> 被错误转换为 = 的问题。
查询执行
- 修复 Pipeline 引擎上达到限定的行数且内存没有释放时查询被挂起的问题。
- 修复当设置
enable_decimal256 =true
且查询优化器回退到旧版本时 BE 发生 Core 的问题。
物化视图
- 修复构建异步物化视图指定 store_row_column 属性,be core 的问题。
- 修复构建异步物化视图指定 storage_medium 不生效的问题。
- 修复基表删除后,异步物化视图 show partitions 报错的问题。
- 修复异步物化视图引起备份恢复异常的问题。
- 修复分区改写可能导致错误结果的问题。
半结构化数据分析
- 修复带有空 Key 的 Variant 类型发生 Core 的问题。
- Bitmap 索引和 Bloom Filter 索引不应支持轻量级索引变更。
主键模型
- 修复在有部分列更新导入的情况下发生异常重启,可能会产生重复 Key 的问题。
- 修复在内存紧张时发生 Clone 时 BE 可能会发生 core 的问题。
湖仓一体
- 修复创建 Hive 表时无法使用完全限定名(如 ctl.db.tbl)的问题。
- 修复 Refresh 操作时 Hive Metastore 连接未关闭的问题。
- 修复从 2.0.x 升级到 2.1.x 时可能的元数据回放问题。
- 修复 TVF 表函数无法读取空 Snappy 压缩文件的问题。
- 修复无法读取具有无效最小/最大列统计信息的 Parquet 文件的问题。
- 修复 Parquet/ORC Reader 中无法处理带有 null-aware 函数下推谓词的问题。
- 修复创建 Hive 表时分区列顺序的问题。
- 修复当分区值包含空格时无法将 Hive 表写入 S3 的问题。
- 修复 Doris 写入 Parquet 格式 Hive 表无法被 Hive 读取的问题。
- 修复 Hive 表 Schema 变更后无法读取 ORC 文件的问题。
- 修复了部分情况下,启用 Hive Metastore Listener 后 FE 无法启动的问题。
- 修复由 Hadoop FS 缓存引起的 FE OOM 问题。
- 修复写出 Parquet 格式文件写出 Row Group 过小的问题。
- 修复 Paimon 表 Schema 变更后无法通过 JNI 读取 Paimon 表的问题。
- 修复 Paimon 表 Schema 变更后由于表字段长度判断错误导致无法读取的问题。
- 修复了读取 Iceberg 中的时间戳列类型时的时区问题。
- 修复了 Iceberg 表上的日期时间转换错误和数据路径错误的问题。
- 修复阿里云 OSS Endpoint 不正确的问题。
- 修复了大量文件导致的查询性能下降问题。
- 允许用户定义的属性通过表函数传递给 S3 SDK。
数据导入
- 修复
CANCEL LOAD
命令不生效的问题。 - 修复导入事务 Publish 阶段空指针错误导致导入事务无法完成的问题。
- 修复 bRPC 通过 HTTP 发送大数据文件序列化的问题。
数据管控
- 修复了在将 DDL 或 DML 转发到主 FE 后,ConnectionContext 中的资源标签未设置的问题。
- 修复了在启用
lower_case_table_names
时,Restore 表名不正确的问题。 - 修复了清理无用数据或文件的管理命令不生效的问题。
- 修复了无法从分区中删除存储策略的问题。
- 修复了向多副本自动分区表导入数据时的数据丢失问题。
- 修复了使用旧优化器查询或插入自动分区表时,表的分区列发生变化的问题。
内存管理
- 修复日志中频繁报错 Cgroup meminfo 获取失败的问题
- 修复使用 Bloom filter 时 Segment 缓存大小不受控制导致进程内存异常增长的问题。
权限
- 修复开启表名大小写不敏感后,权限设置无效的问题。
- 修复通过非Master FE 节点设置 LDAP 密码不生效的问题。
- 修复了无法检查
SELECT COUNT(*)
语句授权的问题。
其他
- 修复 MySQL 连接损坏情况下,客户端 JDBC 程序无法关闭连接的问题。
- 修改
SHOW PROCEDURE STATUS
语句返回值与 MySQL 协议不兼容的问题。 - libevent 库强制开启 Keepalive 以解决部分情况下连接泄露的问题。