一.海量数据实时分析-Doris入门和安装

前言

停了一个月又开始写文章啦，因为公司数据量达到了几十亿，老板需要做实时数据分析，报表看板。这么大的数据量比较好的选择是使用Doris来做，他可以脱离hadoop生态独立使用所以大受企业喜爱，也因为如此就有了这个系列的文章，喜欢的话好评点赞。

认识Doris

1.什么是Doris

Apache Doris 由百度大数据部研发（之前叫百度 Palo，2018 年贡献到 Apache 社区后，更名为 Doris ），在百度内部，有超过 200 个产品线在使用，部署机器超过 1000 台，单一业务最大可达到上百 TB。

Apache Doris 是一个现代化的 MPP（Massively Parallel Processing，即大规模并行处理）分析型数据库产品。仅需亚秒级响应时间即可获得查询结果，有效地支持实时数据分析。Apache Doris 的分布式架构非常简洁，易于运维，并且可以支持 10PB 以上的超大数据集。Apache Doris 可以满足多种数据分析需求，例如固定历史报表，实时数据分析，交互式数据分析和探索式数据分析等

2.Doris的架构

Doris 中设计了 FE(Frontend)、BE(Backend)两种角色、他们都有独立的进程，FE、BE 都可线性扩展。

FE（Frontend）：负责存储、维护集群元数据；负责接收、解析查询请求，规划查询计划，调度查询执行，返回查询结果
FE分为三个部分：Leader 、 Follower、Observer：前两者主要是用来达到元数据的高可用，保证单节点宕机的情况下，元数据能够实时地在线恢复，而不影响整个服务。而Observer：用来扩展查询节点，同时起到元数据备份的作用。如果在发现集群压力非常大的情况下，需要去扩展整个查询的能力，那么可以加 observer 的节点。observer 不参与任何的写入，只参与读取。
BE（Backend）：负责物理数据的存储和计算；依据 FE 生成的物理计划，分布式地执行查询。数据的可靠性由 BE 保证，BE 会对整个数据存储多副本或者是三副本。副本数可根据需求动态调整

MySQL Client ：Doris 借助 MySQL 协议，用户使用任意 MySQL 的 ODBC/JDBC 以及 MySQL 的客户端，都可以直接访问 Doris。
Broker ：Broker 为一个独立的无状态进程。封装了文件系统接口，提供 Doris 读取远端存储系统中文件的能力，包括 HDFS，S3，BOS 等。

Doris安装

安装过程还是比较复杂的，需要你有一些细心和耐心，因为Doris堆环境的要求还是比较高的，所以我这里只能以较低的配置进行测试。

1.环境要求

环境要求

系统	要求
Centos	7.x+
Java	1.8+

机器要求 - 测试环境

模块	CPU	内存	磁盘	网络	实例数量
Frontend	8核+	8GB+	SSD 或 SATA，10GB+ *	千兆网卡	1
Backend	8核+	16GB+	SSD 或 SATA，50GB+ *	千兆网卡	1-3 *

机器要求 - 生产环境

模块	CPU	内存	磁盘	网络	实例数量（最低要求）
Frontend	16核+	64GB+	SSD 或 RAID 卡，100GB+ *	万兆网卡	1-5 *
Backend	16核+	64GB+	SSD 或 SATA，100G+ *	万兆网卡	10-100 *

Doris堆环境要求比较高，我们没办法按照真实环境来，这里我使用VMware安装了一个 Centos7.9 的，8C , 10G 我们用于单机测试。

2.前置配置

doris要求在linux上面只要要打开65536的句柄数，doris才能正常运行。而linux默认打开的句柄数为1000.所以需要修改。

第一步：vi /etc/security/limits.conf , 在文件最后添加下面几行信息(注意* 也要复制进去)

shell 复制代码

* soft nofile 65536
* hard nofile 65536 
* soft nproc 65536
* hard nproc 65536

然后执行：ulimit -n 65536 使它临时生效，如果要永久生效需要：reboot 重启系统，如果不修改这个句柄数大于等于60000，启动doris的be节点的时候就会报如下的错：Please set the maximum number of open file descriptors to be 65536 using 'ulimit -n 65536'.

另外第一次启动的时候可能会报错：Please set vm.max_map_count to be 2000000 under root using 'sysctl -w vm.max_map_count=2000000'

解决方案：命令行输入：sysctl -w vm.max_map_count=2000000

第二步：设置文件包含限制一个进程可以拥有的VMA(虚拟内存区域)的数量

shell 复制代码

sysctl -w vm.max_map_count=2000000

上面命令也是临时的，如果要永久修改需要：vi /etc/sysctl.conf 然后把 vm.max_map_count=2000000加入到最后一行，执行： sysctl -p 让他永久生效，然后通过：
sysctl -a|grep vm.max_map_count 命令检查是否生效。

第三步骤：时钟同步，ntpdate是一个向互联网上的时间服务器进行时间同步的软件

shell 复制代码

yum install ntpdate -y

安装之后，执行： ntpdate ntp.sjtu.edu.cn 进行时间同步

第四步：关闭交换分区（swap）: swapoff -a ,交换分区是linux用来当做虚拟内存用的磁盘分区；linux可以把一块磁盘分区当做内存来使用（虚拟内存、交换分区）；Linux使用交换分区会给Doris带来很严重的性能问题，建议在安装之前禁用交换分区；

shell 复制代码

1、查看 Linux 当前 Swap 分区
free -m
2、关闭 Swap 分区
swapoff -a
 
[root@doitedu01 app]# free -m
              total        used        free      shared  buff/cache   available
Mem:           5840         997        4176           9         666        4604
Swap:          6015           0        6015
[root@doitedu01 app]# swapoff -a
 
3.验证是否关闭成功
[root@doitedu01 app]# free -m   
              total        used        free      shared  buff/cache   available
Mem:           5840         933        4235           9         671        4667
Swap:             0           0           0

注意事项：

FE 的磁盘空间主要用于存储元数据，包括日志和 image。通常从几百 MB 到几个GB 不等。
BE 的磁盘空间主要用于存放用户数据，总磁盘空间按用户总数据量* 3（3 副本）计算，然后再预留额外 40%的空间用作后台 compaction 以及一些中间数据的存放。
一台机器上可以部署多个 BE 实例，但是只能部署一个 FE。如果需要 3 副本数据，那么至少需要 3 台机器各部署一个 BE 实例（而不是 1 台机器部署 3 个 BE 实例）。多个 FE 所在服务器的时钟必须保持一致（允许最多 5 秒的时钟偏差）
测试环境也可以仅适用一个 BE 进行测试。实际生产环境，BE 实例数量直接决定了整体查询延迟。
所有部署节点关闭 Swap。
FE 节点数据至少为 1（1 个 Follower）。当部署 1 个 Follower 和 1 个 Observer 时,可以实现读高可用。当部署 3 个 Follower 时，可以实现读写高可用（HA）。
Follower 的数量必须为奇数，Observer 数量随意。
根据以往经验，当集群可用性要求很高时（比如提供在线业务），可以部署 3 个Follower 和 1-3 个 Observer。如果是离线业务，建议部署 1 个 Follower 和 1-3 个 Observer。
Broker 是用于访问外部数据源（如 HDFS）的进程。通常，在每台机器上部署一个 broker 实例即可。

3.前置软件安装

第一步：安装好JDK，自己百度一篇文章进行安装，这里省略，我使用的是JDK1.8版本
第二步：安装好Mysql,因为Doris使用的是Mysql的客户端，所以要提前安装好，自己百度一篇文章去安装，我这里使用的是Mysql
5.7

4.安装FE

去官网下载源码包： https://doris.incubator.apache.org/zh-CN/download/ ，我这里使用的是1.2.5

有1个多G，下载好之后上传到Linux服务器上，执行下面命令进行解压

shell 复制代码

tar -xvf apache-doris-1.2.5-bin-x86_64.tar.xz

我的解压路径是 /root/doris/apache-doris 然后去修改 fe.conf 文件: vi /root/doris/apache-doris/fe/conf/fe.conf

shell 复制代码

#配置文件中指定元数据路径： 注意这个文件夹要自己创建
meta_dir = /root/doris/apache-doris/fe/doris-meta
 
#修改绑定 ip（每台机器修改成自己的 ip） 
priority_networks = 机器IP/24

注意需要手动创建元数据目录： mkdir -p /root/doris/apache-doris/fe/doris-meta

接着就是配置环境变量了，执行： vi /etc/profile ,在文件后面加入下面内容后，执行： source /etc/profile 让其生效

shell 复制代码

#doris_fe
export DORIS_FE_HOME=/root/doris/apache-doris/fe
export PATH=$PATH:$DORIS_FE_HOME/bin

接着就是做集群分发,我这里是单机测试所以不需要做集群分发 ,下面的 hadoop02 和 hadoop03指的是另外2台机器

shell 复制代码

> scp /et/profile hadoop02:/etc/profile
> scp -r /root/doris/apache-doris/ hadoop02:/root/doris/apache-doris/
 
> scp /et/profile hadoop03:/etc/profile
> scp -r /root/doris/apache-doris/ hadoop03:/root/doris/apache-doris/

接着就是启动 fe ，进入到fe的bin目录下执行下面命令，该脚本以守护（daemon)模式运行

shell 复制代码

[root@xx bin]# ./start_fe.sh --daemon

通过：jps 命令查看是否有启动的进程

问题：在这里我一开始只用./start_fe.sh 启动，进程一直结束不了。使用ctrl+C跳出后，进程也随之结束了。

原因这可能是因为在非守护（daemon）模式下，该命令在前台运行，占用了终端并阻塞了你的输入。通过使用 --daemon 参数，你将该命令转为在后台以守护进程的形式运行，不再与当前终端关联，因此可以正常结束终端而不影响该进程的运行。

生产环境强烈建议单独指定目录不要放在 Doris 安装目录下，最好是单独的磁盘（如果有 SSD 最好）。如果机器有多个 ip, 比如内网外网, 虚拟机 docker 等, 需要进行 ip 绑定，才能正确识别。 JAVA_OPTS 默认 java 最大堆内存为 4GB，建议生产环境调整至 8G 以上。

5.安装BE

进入到doris安装目录下的 be目录下修改配置：/root/doris/apache-doris/be/conf/be.conf ,修改内容如下

shell 复制代码

 
#配置文件中指定数据存放路径： 
storage_root_path = /root/doris/apache-doris/be/storage.HDD;/root/doris/apache-doris/be/storage.SSD
 
#修改绑定 ip（每台机器修改成自己的 ip） 
priority_networks = 机器IP/24

第一次启动的时候可能会报错：Please set vm.max_map_count to be 2000000 under root using 'sysctl -w vm.max_map_count=2000000' ，解决方案命令行输入：sysctl -w vm.max_map_count=2000000

另外记得下面两个目录需要手动创建

shell 复制代码

mkdir -p /root/doris/apache-doris/be/storage.HDD
mkdir -p /root/doris/apache-doris/be/storage.SSD

接着就是给BE添加环境变量，执行： vi /etc/profile ,在文件后面加入下面内容后，执行： source /etc/profile 让其生效

shell 复制代码

#doris_Be
export DORIS_BE_HOME=/root/doris/apache-doris/be
export PATH=$PATH:$DORIS_BE_HOME/bin

启动BE，进入到be/bin目录执行下面命令，执行后可以通过：jps查看是否启动成功

shell 复制代码

[root@xx bin]# ./start_be.sh --daemon

6.让BE加入FE

目前我们安装好了BE和FE，但是他们2个是独立的应用，我们需要通过Mysql的客户端把BE加入FE，接下来我们登录FE

shell 复制代码

mysql -h 机器IP -P 9030 -uroot -p

第一次进去后是没有密码的，登录之后需要设置密码，如下

mysql 复制代码

mysql > SET PASSWORD FOR 'root' = PASSWORD('123456');

修改密码后重新登录：mysql -h 机器IP -P 9030 -uroot -p123456 ，然后把BE加入FE，执行命令

mysql 复制代码

ALTER SYSTEM ADD BACKEND "192.168.220.253:9050";

加入之后，通过：show proc '/backends' \G 来查看是否成功，如果Active:true那就是OK的了

show proc '/backends' \G; --以文本的形式展示所有的be节点
show proc '/frontends' \G;  --以文本的形式展示所有的fe节点

Alive so为 false 表示该 BE 节点还是死的

Alive 为 true 表示该 BE 节点存活。

另外我们也可以通过可视化界面查看：http://192.168.220.253:8030/ ,用户名和密码是：root/123456,登录后点击：system -> backends 即可查看

7.部署FS_broker（可选）

Broker以插件的形式，独立于Doris部署。如果需要从第三方存储系统导入数据，需要部署相应的Broker,默认提供了读取HDFS、百度云BOS及Amazon S3的fs broker。.fs broker是无状态的，建议每一个FE和BE节点都部署一个Broker。

第一步：我们需要启动fs_broker ,进入目录：cd /root/doris/apache-doris/extensions/apache_hdfs_broker/bin,然后执行启动命令

shell 复制代码

[root@192 bin]# ./start_broker.sh --daemon

第二步：使用Mysql客户端把fs_broker 加入到 FE

shell 复制代码

mysql -h 192.168.220.253 -P 9030 -uroot -p123456
ALTER SYSTEM ADD BROKER fs_broker "192.168.220.253:8000";

注意：fs_broker是一个名字可以自定义，通过：SHOW PROC '/brokers'查看，也可以通过界面查看

8.扩容缩容

另外说一点：Doris还支持扩容和缩容，如果机器不够用时就可以进行扩容，进行扩容比较简单，比如我们再增加第二台，第三台机器，都安装并启动好be,fe；第一次启动需要增加helper 来指定主节点

shell 复制代码

start_fe.sh --daemon --helper linux01:9010
start_be.sh --daemon

然后在第一台机器执行命令把其他节点加入进来，如下

shell 复制代码

alter system add backend 'linux02:9050';
alter system add backend 'linux03:9050';
alter system add follower 'linux03:9010';
alter system add follower 'linux02:9010';

如果要缩容的话，先将该台机器的fe进程停掉然后执行下面命令移除

shell 复制代码

alter system drop follower/observer "doitedu01:9010";

对于be也一样，先将该台机器的be进程停掉,然后移除

shell 复制代码

//直接删除,可能会造成数据的误删，丢失，不建议使用
alter system drop backend "doitedu01:9050"; 
//先备份后删除
alter system decommission backend "doitedu01:9050";

该命令用于安全删除 BE 节点。命令下发后，Doris 会尝试将该 BE 上的数据向其他 BE 节点迁移，当所有数据都迁移完成后，Doris 会自动删除该节点。

9.在Navcat中连接

文章结束，如果对你有帮助请点赞收藏哦！！！