字节跳动Doris湖仓分析实践分享
分享嘉宾：杜军令字节跳动大数据工程师出品平台：DataFunTalk导读：Doris是一种基于MPP架构的分析型数据库，主要用于多维分析、数据报表和用户画像分析等场景。它自带分析引擎和存储引擎，支持向量化执行引擎，无需依赖其他组件，并兼容MySQL协议。01Doris概述ApacheDoris具有以下特点：优化的架构设计，支持高并发和低延迟的查询服务，适合高吞吐量的交互式分析。多FE节点均可对外提供服务，随着并发需求增加，通过线性扩展FE和BE节点即可满足高并发查询需求。支持批量和流式数据加载，支持
分享嘉宾：杜军令 字节跳动 大数据工程师
出品平台：DataFunTalk
导读：Doris是一种基于MPP架构的分析型数据库，主要用于多维分析、数据报表和用户画像分析等场景。它自带分析引擎和存储引擎，支持向量化执行引擎，无需依赖其他组件，并兼容MySQL协议。
01
Doris概述
Apache Doris具有以下特点：
优化的架构设计，支持高并发和低延迟的查询服务，适合高吞吐量的交互式分析。多FE节点均可对外提供服务，随着并发需求增加，通过线性扩展FE和BE节点即可满足高并发查询需求。支持批量和流式数据加载，支持数据更新。支持Update/Delete语法，unique/aggregate数据模型，支持动态更新数据，实时更新聚合指标。提供高可用性、容错处理和高扩展性的企业级功能。FE Leader出现异常时，FE Follower可在几秒内切换为新Leader，继续对外提供服务。支持聚合表和物化视图。多种数据模型，支持aggregate, replace等多种数据模型，支持创建rollup表和物化视图。rollup表和物化视图支持动态更新，无需用户手动处理。兼容MySQL协议，支持直接使用MySQL客户端连接，数据应用对接非常便捷。Doris由Frontend（简称FE）和Backend（简称BE）组成，FE负责接受用户请求、编译、优化、分发执行计划、元数据管理以及BE节点的管理等功能，BE则负责执行FE下发的执行计划，存储和管理用户数据。
02
数据湖格式Hudi简介
Hudi是下一代流式数据湖平台，为数据湖提供了表格式管理能力，支持事务、ACID、MVCC、数据更新删除和增量数据读取等功能。支持Spark, Flink, Presto, Trino等多种计算引擎。
Hudi根据数据更新行为分为两种表类型：
针对Hudi的两种表格式，有三种不同的查询类型：
03
Doris分析Hudi数据的技术背景
随着业务对数据实时性要求的提高，数仓业务从T+1逐渐演变为小时级、分钟级，甚至秒级。实时数仓的应用范围也在扩大，并经历了多个发展阶段。目前有多种解决方案。
1. Lambda架构
Lambda架构将数据处理流分为在线分析和离线分析两条路径，两条路径相互独立，互不影响。
离线分析处理T+1数据，使用Hive/Spark处理大数据量，不可变数据，数据通常存储在HDFS等系统上。如果需要更新数据，必须overwrite整张表或整个分区，成本较高。
在线分析处理实时数据，使用Flink/Spark Streaming处理流式数据，分析处理秒级或分钟级流式数据，数据保存在Kafka或定期（分钟级）保存到HDFS中。
该方案存在以下缺点：
同一套指标可能需要开发两套代码分别进行在线和离线分析，维护复杂。数据应用查询指标时可能需要同时查询离线和在线数据，开发复杂。需要同时部署批处理和流式计算两套引擎，运维复杂。数据更新需要overwrite整张表或分区，成本高。2. Kappa架构
随着在线分析业务的增加，Lambda架构的缺点愈发明显，增加一个指标需要分别开发在线和离线版本，维护困难，离线指标可能与在线指标不一致，部署复杂，组件繁多。因此，Kappa架构应运而生。
Kappa架构使用一套架构处理在线和离线数据，使用同一套引擎同时处理在线和离线数据，数据存储在消息队列上。
Kappa架构也存在一些限制：
流式计算引擎的批处理能力较弱，处理大数据量性能较差。数据存储使用消息队列，消息队列对数据存储有有效性限制，无法回溯历史数据。数据时序可能乱序，可能对时序要求严格的应用造成数据错误。数据应用需要从消息队列中取数，开发复杂，需要开发适配接口。3. 基于数据湖的实时数仓
针对Lambda架构和Kappa架构的缺陷，业界基于数据湖开发了Iceberg, Hudi, DeltaLake等数据湖技术，使得数仓支持ACID, Update/Delete，数据Time Travel, Schema Evolution等特性，数仓的时效性从小时级提升到分钟级，数据更新也支持部分更新，大大提高了数据更新的性能。兼具流式计算的实时性和批计算的吞吐量，支持近实时场景。
正软商城本月促销专区，汇集办公、设计、安全、影音、系统工具及AI软件等正版软件优惠活动，提供限时折扣、特价授权和优惠购买信息，活动库存及价格以页面实时展示为准。
正软商城装机必备专区，精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件，帮助用户快速完成新电脑软件配置。
正软商城Windows软件专区，汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件，提供软件介绍、系统要求、正版授权及购买下载服务。
正软商城macOS软件专区，精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具，提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。
正软商城iOS软件专区，精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用，提供功能介绍、适用设备、系统要求和正版获取方式等信息。
正软商城AI软件专区，汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具，提供功能介绍、适用平台、收费方式及正版购买信息。
正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法，同时介绍常用PDF软件和工具的使用技巧。
赤友清理大师是一款为 Mac 设计的智能清理优化工具，可精准扫描垃圾、大文件、重复文件等，释放磁盘空间。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
