Doris框架
大规模并行处理的分析型数据库产品。使用场景：一般先将原始数据经过清洗过滤转换后，再导入doris中使用。主要实现的功能有：
- 实时看板
- 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
- 即席查询
- 统一数仓构建：替换了原来由Spark, Hive，Kudu, Hbase等旧框架
- 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
Doris架构
- 后端：C语言编写的，用于数据查询
- 前端：Leader, Follower, Oberserver
部署注意事项
- 磁盘空间按用户总数据量x3副本计算，然后再预留额外40%的空间。
- 所有部署节点关闭swap
- FE节点数据至少为1。一个Follower和一个Observer时，可以实现高可用
参数修改
- 最大同时打开文件个数
- 设置最大虚拟块，sudo reboot重启后生效
- 根据自己需求下载对应的安装包，如果是苹果电脑下载arm包，否则选择x64. https://doris.apache.org/download/
- 解压安装fe, be,以及其他依赖，也就是下载的安装包里面的三个文件。
- 由于虚拟机有多张网卡，因此需要修改对应的网段信息，和NAT模式里面的网段对应。
- 如果参数配置错误，导致无法成功启动，直接删掉已经安装的文件，直接重新解压。
配置BE
- 修改web_server的端口号，改为7040
- 修改网段地址为NAT的网段
- 添加单台后端BE
ALTER SYSTEM ADD BACKEND "hadoop102:9050"; /opt/module/doris/be/bin/start_be.sh --daemon启动后端SHOW PROC '/backends'\G查看后端状态
BE后台节点变更
- 建议直接分发BE压缩包，因为Doris解压启动后就会产生底层数据，直接使用新的压缩包扩容会更为方便。在MySQL客户端，通过
ALTER SYSTEM ADD BACKEND - 减少节点时需要先移动数据，然后再删除。
ALTER SYSTEM DECOMMISSION BACKEND "be_host:be_heartbeat_service_port";
FE节点的变更
- 分发fe文件，注意删除元数据。hadoop102 发过来的元数据
rm -rf /opt/module/doris/fe/doris-meta/* - 启动FE：
/opt/module/doris/fe/bin/start_fe.sh --daemon --helper hadoop102:9010 - 查看FE状态：
show proc '/frontends'; - FE的缩容：
ALTER SYSTEM DROP FOLLOWER[OBSERVER] "fe_host:edit_log_port";
群启群关脚本
- 创建脚本为doris.sh
#!/bin/bash
case $1 in"start")for host in hadoop102 hadoop103 hadoop104 ; doecho "========== 在 $host 上启动 fe ========="ssh $host "source /etc/profile; /opt/module/doris/fe/bin/start_fe.sh --daemon"donefor host in hadoop102 hadoop103 hadoop104 ; doecho "========== 在 $host 上启动 be ========="ssh $host "source /etc/profile; /opt/module/doris/be/bin/start_be.sh --daemon"done;;"stop")for host in hadoop102 hadoop103 hadoop104 ; doecho "========== 在 $host 上停止 fe ========="ssh $host "source /etc/profile; /opt/module/doris/fe/bin/stop_fe.sh "donefor host in hadoop102 hadoop103 hadoop104 ; doecho "========== 在 $host 上停止 be ========="ssh $host "source /etc/profile; /opt/module/doris/be/bin/stop_be.sh "done;;*)echo "你启动的姿势不对"echo " start 启动doris集群"echo " stop 停止stop集群";;
esac
- chmod +x doris.sh 添加脚本执行权限
数据表设计
- row: 用户的一行数据
- column:描述一行数据中的不同字段
- key: 维度列
- value:指标列
- 分区分片
- Tablet:数据分片，数据划分的最小逻辑单元
- Partition:最小的管理单元，数据的导入与删除，都只能针对一个partition进行
- 数据模型
- Aggregate聚合模型
- 一般用来存放事实表
- 副本数不能高于be的个数
- 没有幂等性，如果sum求和，多次插入同样数据时，结果会加起来
- Unique唯一性模型
- 使用unique key(k1, k2)来保证key的唯一
- 底层其实也是使用聚合模型，非主键使用replace关键字
- Duplicate重复模型
- 一般用于收集日志
- 数据会自动排序
- Aggregate聚合模型
建表语法
- olap是默认引擎，字段可以设置引擎，如果是其他的引擎，就表示远程连接其他数据库
- 尽量选择整型类型，整型长度遵循够用即可
- 分区方式，如果不分区时，会默认创建一个跟表名一致的分区
- range分区，一般按照天数划分。一般使用value less than 的方式来指定上界，区间都是左闭右开的
- list分区，一般按照城市划分。使用value in(一般是城市名称列表)
- 分桶：分桶字段一般是join时使用的关键字字段。建议桶的个数等于离线时划分的个数。一般为10~20.
- propertities属性
- 副本数
- 设定到期时间，到期后作为冷数据放到机械硬盘
动态分区
动态分区只支持Range分区，动态分区功能启动时，FE会启动一个后台进程，根据用户指定的规则创建或删除分区。
- 查看分区详情：
show partition from 表名 - 如果分区不存在，则无法插入数据。并且会报错
no partition for this tuple
上卷
- desc 表名 all ：查询表格的全部信息
- 上卷类似MR中的预聚合，提前创建好要查询的指标。后期查询该数据时，直接返回即可。也可以对于部分数据做排序。
物化视图
预先计算定义好的数据集，存储在Doris中的一个特殊的表。加快对固定维度进行分析查询。
- 适用场景：
- 查询仅涉及表中的很小一部分列或行
- 查询包含一些耗时处理操作，比如，事件很久的聚合操作
- 查询需要匹配不同的前缀索引
- 使用
-
创建物化视图
-
检查物化视图是否构建完成
desc sales_records all; -
检验当前查询是否匹配到了合适的物化视图
EXPLAIN SELECT store_id, sum(sale_amt) FROM sales_records GROUP BY store_id;
-
create materialized view store_amt as
select
store_id,
sum(sale_amt)
from sales_records
group by store_id;
