跳到主要内容
跳到主要内容

高并发点查

高并发点查

SinceVersion 2.0.0

背景

Doris 基于列存格式引擎构建,在高并发服务场景中,用户总是希望从系统中获取整行数据。但是,当表宽时,列存格式将大大放大随机读取 IO。Doris 查询引擎和计划对于某些简单的查询(如点查询)来说太重了。需要一个在 FE 的查询规划中规划短路径来处理这样的查询。FE 是 SQL 查询的访问层服务,使用 Java 编写,分析和解析 SQL 也会导致高并发查询的高 CPU 开销。为了解决上述问题,我们在 Doris 中引入了行存、短查询路径、PreparedStatement 来解决上述问题,下面是开启这些优化的指南。

行存

用户可以在 Olap 表中开启行存模式,但是需要额外的空间来存储行存。目前的行存实现是将行存编码后存在单独的一列中,这样做是用于简化行存的实现。行存模式仅支持在建表的时候开启,需要在建表语句的 property 中指定如下属性:

"store_row_column" = "true"

在 Unique 模型下的点查优化

上述的行存用于在 Unique 模型下开启 Merge-On-Write 策略是减少点查时的 IO 开销。当enable_unique_key_merge_on_writestore_row_column在创建 Unique 表开启时,对于主键的点查会走短路径来对 SQL 执行进行优化,仅需要执行一次 RPC 即可执行完成查询。下面是点查结合行存在 在 Unique 模型下开启 Merge-On-Write 策略的一个例子:

CREATE TABLE `tbl_point_query` (
`key` int(11) NULL,
`v1` decimal(27, 9) NULL,
`v2` varchar(30) NULL,
`v3` varchar(30) NULL,
`v4` date NULL,
`v5` datetime NULL,
`v6` float NULL,
`v7` datev2 NULL
) ENGINE=OLAP
UNIQUE KEY(`key`)
COMMENT 'OLAP'
DISTRIBUTED BY HASH(`key`) BUCKETS 1
PROPERTIES (
"replication_allocation" = "tag.location.default: 1",
"enable_unique_key_merge_on_write" = "true",
"light_schema_change" = "true",
"store_row_column" = "true"
);

注意:

  1. enable_unique_key_merge_on_write应该被开启, 存储引擎需要根据主键来快速点查
  2. 当条件只包含主键时,如select * from tbl_point_query where key = 123,类似的查询会走短路径来优化查询
  3. light_schema_change应该被开启, 因为主键点查的优化依赖了轻量级 Schema Change 中的column unique id来定位列
  4. 只支持单表key列等值查询不支持join、嵌套子查询, where条件里需要有且仅有key列的等值, 可以认为是一种key value查询

使用 PreparedStatement

为了减少 SQL 解析和表达式计算的开销, 我们在 FE 端提供了与 MySQL 协议完全兼容的PreparedStatement特性(目前只支持主键点查)。当PreparedStatement在 FE 开启,SQL 和其表达式将被提前计算并缓存到 Session 级别的内存缓存中,后续的查询直接使用缓存对象即可。当 CPU 成为主键点查的瓶颈, 在开启 PreparedStatement 后,将会有 4 倍+的性能提升。下面是在 JDBC 中使用 PreparedStatement 的例子

  1. 设置 JDBC url 并在 Server 端开启 prepared statement
url = jdbc:mysql://127.0.0.1:9030/ycsb?useServerPrepStmts=true
  1. 使用 PreparedStatement
// use `?` for placement holders, readStatement should be reused
PreparedStatement readStatement = conn.prepareStatement("select * from tbl_point_query where key = ?");
...
readStatement.setInt(1,1234);
ResultSet resultSet = readStatement.executeQuery();
...
readStatement.setInt(1,1235);
resultSet = readStatement.executeQuery();
...

开启行缓存

Doris 中有针对 Page 级别的 Cache,每个 Page 中存的是某一列的数据, 所以 Page cache 是针对列的缓存,对于前面提到的行存,一行里包括了多列数据,缓存可能被大查询给刷掉,为了增加行缓存命中率,单独引入了行存缓存,行缓存复用了 Doris 中的 LRU Cache 机制来保障内存的使用,通过指定下面的的BE配置来开启

  • disable_storage_row_cache是否开启行缓存, 默认不开启
  • row_cache_mem_limit指定 Row cache 占用内存的百分比, 默认 20% 内存

性能优化

  1. 通常,通过增加Observer数量来提升处理query能力是有效的
  2. query 负载均衡:点查中如果发现接受点查请求的fe cpu使用过高,或请求响应变慢,可使用jdbc load balance 进行负载均衡,将请求分散到多个节点,分担压力(同时也可以使用其他方式进行query负载均衡配置,如Nginx,proxySQL)
  3. 通过将点查请求定向发送至Observer角色来分担高并发点查的请求压力,减少向 fe master发送点查请求,通常可以解决 Fe Master节点查询耗时上下浮动问题,以获得更好性能与稳定性

QA

  1. 如何确定配置无误使用了并发点查的短路径优化 A:explain sql ,当执行计划中出现 SHORT-CIRCUIT ,证明使用了短路径优化

    mysql> explain select * from tbl_point_query where `key` = -2147481418 ;                                                                                                                                
    +-----------------------------------------------------------------------------------------------+
    | Explain String(Old Planner) |
    +-----------------------------------------------------------------------------------------------+
    | PLAN FRAGMENT 0 |
    | OUTPUT EXPRS: |
    | `test`.`tbl_point_query`.`key` |
    | `test`.`tbl_point_query`.`v1` |
    | `test`.`tbl_point_query`.`v2` |
    | `test`.`tbl_point_query`.`v3` |
    | `test`.`tbl_point_query`.`v4` |
    | `test`.`tbl_point_query`.`v5` |
    | `test`.`tbl_point_query`.`v6` |
    | `test`.`tbl_point_query`.`v7` |
    | PARTITION: UNPARTITIONED |
    | |
    | HAS_COLO_PLAN_NODE: false |
    | |
    | VRESULT SINK |
    | MYSQL_PROTOCAL |
    | |
    | 0:VOlapScanNode |
    | TABLE: test.tbl_point_query(tbl_point_query), PREAGGREGATION: ON |
    | PREDICATES: `key` = -2147481418 AND `test`.`tbl_point_query`.`__DORIS_DELETE_SIGN__` = 0 |
    | partitions=1/1 (tbl_point_query), tablets=1/1, tabletList=360065 |
    | cardinality=9452868, avgRowSize=833.31323, numNodes=1 |
    | pushAggOp=NONE |
    | SHORT-CIRCUIT |
    +-----------------------------------------------------------------------------------------------+
  2. 如何确定 prepared statement 生效 A:当发送请求到 Doris 之后,在 fe.audit.log 中找到相应的query请求,发现Stmt=EXECUTE() ,说明 prepared statement 生效

    2024-01-02 11:15:51,248 [query] |Client=192.168.1.82:53450|User=root|Db=test|State=EOF|ErrorCode=0|ErrorMessage=|Time(ms)=49|ScanBytes=0|ScanRows=0|ReturnRows=1|StmtId=51|QueryId=b63d30b908f04dad-ab4a
    3ba21d2c776b|IsQuery=true|isNereids=false|feIp=10.16.10.6|Stmt=EXECUTE(-2147481418)|CpuTimeMS=0|SqlHash=eee20fa2ac13a4f93bd4503a87921024|peakMemoryBytes=0|SqlDigest=|TraceId=|WorkloadGroup=|FuzzyVaria
    bles=
  3. 非主键查询能否使用到高并发点查的特殊优化 A:不能,高并发点查只针对于key列的等值查询,且查询中不能包含 join,嵌套子查询

  4. useServerPrepStmts 在普通查询中是否有用 A:Prepared Statement 目前只在主键点查的情况下生效

  5. 优化器选择需要进行全局设置吗 A:在使用 prepared statement 进行查询时,Doris 会选择性能最好的查询方式,不需要手动设置优化器