欢迎收看【 Doris 近日要闻】~本次为您带来的是 2021年08月16日 ～ 2021年08月29日 的双周总结。
Doris 社区周报每期会包含 FAQ 环节。我们会在社区论坛、Github ISSUE、Dev邮件组以及微信用户群中挑选一些主要问题并在 FAQ 环节中进行解答。
-
Dev 邮件组：dev@doris.apache.org
-
Github Issue：https://github.com/apache/incubator-doris/issues
-
社区论坛地址：https://github.com/apache/incubator-doris/discussions
1. 统计数据
共19位作者提交了33个 Commit 。感谢以下作者的贡献：
Zhengguo Yang, Mingyu Chen, wunan1210, weizuo93, jiafeng.zhang, caiconghui, Xiang Wei, Hao Tan, 月眸, xy720, stdpain, luozenglin, huzk, caoliang-web, Xinyi Zou, Pxl, PKU-zhoubintao, EmmyMiao87, CenterCode
最近2周，共修改新增代码行 23359 ，删除代码行 1495 。
2. 主要进展
2.1 新增功能
-
https://github.com/apache/incubator-doris/pull/6256
Spark-Doris-Connector 支持数据写入Doris。
-
https://github.com/apache/incubator-doris/pull/6391
支持String列类型，长度范围1-2GB。
-
https://github.com/apache/incubator-doris/pull/6410
支持percentile()精确百分位函数。
-
https://github.com/apache/incubator-doris/pull/6403
支持表名大小写不敏感的集群初始化配置。
-
https://github.com/apache/incubator-doris/pull/6443
支持会话变量控制单个查询的CPU资源消耗。
2.2 WIP
-
https://github.com/apache/incubator-doris/pull/6420
CBO优化器支持统计信息收集接口。
2.3 Bug修复
-
https://github.com/apache/incubator-doris/pull/6436
修复查询结果导出功能错误重试的问题。
-
https://github.com/apache/incubator-doris/pull/6453
修复Spark Load处理多个rollup视图时可能出现的数据错误问题。
-
https://github.com/apache/incubator-doris/pull/6465
修复FE元数据image文件某些情况下生成失败的问题。
2.4 功能改进
-
https://github.com/apache/incubator-doris/pull/6270
优化部分情况下，Spark Load的BE内存占用。
-
https://github.com/apache/incubator-doris/pull/6451
优化BE端内存限制。
-
https://github.com/apache/incubator-doris/pull/6384
优化部分列类型转换成string类型的速度。
-
https://github.com/apache/incubator-doris/pull/6457
支持过滤条件利用Unique Key表中Value列上的索引。
-
https://github.com/apache/incubator-doris/pull/6292
优化多个Alter Job同时运行的执行效率。
2.5 文档
-
https://github.com/apache/incubator-doris/pull/6337
增加新的帮助文档目录。
-
https://github.com/apache/incubator-doris/pull/6485
增加Spark-Doris-Connector代码示例
3. FAQ
Q：show backends/frontends 查看到的信息不完整
A：
在执行如 show backends/frontends 等某些语句后，结果中可能会发现有部分列内容不全。比如show backends结果中看不到磁盘容量信息等。
通常这个问题会出现在集群有多个FE的情况下，如果用户连接到非Master FE节点执行这些语句，就会看到不完整的信息。这是因为，部分信息仅存在于Master FE节点。比如BE的磁盘使用量信息等。所以只有在直连Master FE后，才能获得完整信息。
当然，用户也可以在执行这些语句前，先执行 set forward_to_master=true; 这个会话变量设置为true后，后续执行的一些信息查看类语句会自动转发到Master FE获取结果。这样，不论用户连接的是哪个FE，都可以获取到完整结果了。
Q：通过Java程序调用stream load导入数据，在一批次数据量较大时，可能会报错Broken Pipe
A：
除了Broken Pipe外，还可能出现一些其他的奇怪的错误。
这个情况通常出现在开启httpv2后。因为httpv2是使用spring boot实现的http 服务，并且使用tomcat作为默认内置容器。但是jetty对307转发的处理似乎有些问题，所以后面将内置容器修改为了jetty。此外，在java程序中的 apache http client的版本需要使用4.5.13以后的版本。之前的版本，对转发的处理也存在一些问题。
所以这个问题可以有两种解决方式：
1.关闭httpv2
在fe.conf中添加 enable_http_server_v2=false后重启FE。但是这样无法再使用新版UI界面，并且之后的一些基于httpv2的新接口也无法使用。（正常的导入查询不受影响）。
2. 升级
可以升级到百度的Palo发行版0.14.13及之后的版本，已修复这个问题。
Q：节点新增加了新的磁盘，为什么数据没有均衡到新的磁盘上？
A：
当前Doris的均衡策略是以节点为单位的。也就是说，是按照节点整体的负载指标（分片数量和总磁盘利用率）来判断集群负载。并且将数据分片从高负载节点迁移到低负载节点。如果每个节点都增加了一块磁盘，则从节点整体角度看，负载并没有改变，所以无法触发均衡逻辑。
此外，Doris目前并不支持单个节点内部，各个磁盘间的均衡操作。所以新增磁盘后，不会将数据均衡到新的磁盘。
但是，数据在节点之间迁移时，Doris会考虑磁盘的因素。比如一个分片从A节点迁移到B节点，会优先选择B节点中，磁盘空间利用率较低的磁盘。
这里我们提供3种方式解决这个问题：
1. 重建新表
通过create table like 语句建立新表，然后使用 insert into select的方式将数据从老表同步到新表。因为创建新表时，新表的数据分片会分布在新的磁盘中，从而数据也会写入新的磁盘。这种方式适用于数据量较小的情况（几十GB以内）。
2. 通过Decommission命令
decommission命令用于安全下线一个BE节点。该命令会先将该节点上的数据分片迁移到其他节点，然后在删除该节点。前面说过，在数据迁移时，会优先考虑磁盘利用率低的磁盘，因此该方式可以“强制”让数据迁移到其他节点的磁盘上。当数据迁移完成后，我们在cancel掉这个decommission操作，这样，数据又会重新均衡回这个节点。当我们对所有BE节点都执行一遍上述步骤后，数据将会均匀的分布在所有节点的所有磁盘上。
注意，在执行decommission命令前，先执行以下命令，以避免节点下线完成后被删除。
admin set frontend config(“drop_backend_after_decommission” = “false”);
3. 使用API手动迁移数据
Doris提供了HTTP API，可以手动指定一个磁盘上的数据分片迁移到另一个磁盘上，具体可参阅：
http://doris.incubator.apache.org/master/zh-CN/administrator-guide/http-actions/tablet-migration-action.html
原创文章，作者：奋斗，如若转载，请注明出处：https://blog.ytso.com/tech/opensource/145355.html