Apache Doris (incubating) 0.12.0版本预览

What’s Doris?

Doris是一款基于Mesa模型的MPP、列式数据仓库，具有兼容MySQL协议，方便用户使用，在线运维等特点。

Doris的架构中主要包含两个模块：FE和BE。 FE模块主要用来进行元数据管理、事务管理、查询规划和任务调度，Doris支持多个FE，实现了在线的高可用；BE负责数据的存储、查询计划的执行。BE能够按需进行动态的伸缩，在线扩展，方便部署和运维。

 

我们已经发布了0.11.0版本，在下一个版本0.12.0中，主要包含Segment v2这个新的功能，用新的存储格式来解决原来的一些问题。

What’s Segment?

 

Doris之前的存储格式被称为Segment V1，如下图所示，BE中的存储引擎会将数据存成Segment文件。Segment V1是一种跟orcfile类似的存储文件，实现了纯列式的存储，并且加上short key index，在其中还支持了zone map/bloom filter索引，并支持了谓词下推和向量化执行等优化。

 

但V1版本的Segment中，存在以下问题

1、按照字节流的方式进行读取和解析，效率不高

2、存在随机Seek的问题，在解析流的时候，需要先读8字节的头部信息，然后在读取一个压缩块信息

3、String类型按照Plain方式存储，效率比较低

4、对Cache不友好，只有Column Stream粒度的Cache

5、只缓存压缩之后的数据，对数据的多次读取，会解压多次数据

6、难以扩展新的索引，比如Bitmap索引

7、读取的逻辑比较复杂，难以理解

 

Segment V2，存储效率性能提升

 

由于Segment V1的种种问题，Doris设计了Segment V2以提升存储的效率和性能。

如上图所示，Segment V2也是一种纯列存的存储格式，分为三个部分：数据区，索引区和元数据区。数据是按照Page为粒度进行组织的，能够解决原来按照字节处理的问题。Page是编码和压缩的单位，并且我们在Page粒度实现了Cache，Cache解压缩之后的数据，对同一份数据的反复读取，只会解压缩一遍。

并且，我们实现了原来的Short Key、Bloom Filter、Zone Map的索引，同时我们增加了行号索引和Bitmap索引。在优化方面，我们实现了谓词下推和向量化执行，延迟物化的优化目前也在开发之中。

 

Segment V2——Page

首先来介绍一下最基本的概念：Page。在V2上，Page是编码和压缩的基本单位，而且索引的粒度基本也都是Page的，也是Cache的基本单位。

Page的格式分为头部信息，数据信息和Checksum。其中头部信息包含Page的第一行行号及Page中包含的行数。如果Column是Nullable，则还会存储NullBitmap的长度和NullBitmap信息。Data就是经过编码和压缩的数据信息。最后会在Page的末位存储Page的Checksum信息，用于校验数据的正确性。

 

Segment V2——Index Page

除了Data Page，我们还引入了另外一个概念：Index Page，用来存储索引信息，支持行号索引和Value索引，主要用于带索引数据列的实现，比如Bitmap索引和Bloom Filter索引。具体内容就是存储行号到Page Pointer的信息或者Value到Page Pointer的信息。

 

Segment V2——Index

上图是V2中索引的实现大概示意图。目前我们实现了Shortkey索引、行号索引、Zonemap索引、Bloomfilter索引和Bitmap索引，其中Short Key索引是构建在Row Block粒度的；行号、Zonemap、Bloomfilter索引是构建在Page粒度的，Bitmap索引是在行号上的。我们实现行号索引，能够比较简单的将各种索引组合在一起，以提升查询的性能；并且能够方便扩展新的二级索引。

 

Segment V2——Write

关于V2的写入流程：

1、Add Row，数据是一行一行添加在Segment中，但是是保存在内存中

2、当Segment文件大小达到阈值，就会将Segment文件刷到磁盘，整个刷数据的顺序就是按照前面Segment图中描述的顺序写入的，先写数据，然后写索引，然后再写Footer

3、如果segment文件大小没有满，就会将数据添加到当前的Page中，进行编码；如果Page满了就会进行压缩，将Page添加Page List中，保存在内存中。

整个过程具有以下的特点：

1、Segment文件是缓存在内存中，等到阈值时一次性写入到磁盘。一方面是为了实现控制文件的组织结构，另外一方面是为了顺序I/O

2、Segment Size阈值可以配置

3、各个列的同一种类型的索引是写到一起的。

 

Segment V2——Read

下面是Segment读取的流程

1、在Doris中，数据是按照Batch方式读取的，不是一条一条读取。调用next_batch读取下一个批次的数据，Batch大小是1024行，在调用这个接口的时候会传入Predicate信息。

2、获取要读取的行号范围，该过程会利用Predicate信息和索引信息，过滤掉一些不需要的行号范围

3、将行号范围映射到各个列的Page Ids范围

4、在各个列中查询该列的Page是否被缓存，如果缓存在内存中，就Decode Page信息，填充到返回结果的Batch内存中

5、如果该列的该Page没有被缓存，就会进行I/O操作，将Page加载到内存中，进行解压缩，然后加到Page Cache中，然后Decode该Page的数据，填充到Batch中

6、最后会拼装各个列的数据，进行向量化执行Predicate过滤，之后返回给调用方。

 

Segment V2——Predicate Pushdown

这里大概介绍一下，在读取过程中谓词下推是怎么实现的。在V2中，暂时支持的Predicate还比较简单，后续打算会进行扩展。下图是一个例子，如果用户查询age = 35 and phone in 的语句，那么在Zone Map和Bloomfilter索引过滤之后，就会只剩下红框中的数据需要读取，降低读取的数据量

 

 

Segment V2——Encoding & Compression Framework

 

在V2中，为了实现高效的在Page粒度的编码，我们目前已经支持了多种方式的编码：

• Run Length Encoding
• Bitshuffle encoding
• Plain encoding
• Frame of reference encoding
• Dict encoding
• Prefix encoding

未来也会在此基础上增加新的编码，如PageBuilder/PageDecoder以及EncodingInfo Factory

 

现在也支持了多种压缩的框架：

• Zlib
• Snappy
• Lz4
• lz4f

未来也会支持更多压缩框架，如BlockCompressionCodec，Compression Codec Factory等

 

Segment V2——String Encoding

相对V1做了字典压缩的功能，原有V1版本中用的是Plain Encoding的方式，效率比较低。Dict Encoding主要是用来解决低基列的字符串类型的存储。最终实现的例子如下：会建一份词典，并存储词典对应的编码来对应原始数据。同时Prefix Encoding也已经实现了，后续会进行一些优化。

 

性能数据

下面是一些性能测试。用随机构造的不同基数下的数据进行测试，V2的词典压缩效果在低基数要明显优于v1。用TPCH的Part表进行测试，效果会更加明。同时，从业务数据上看，词典压缩效果也比较明显，能够节省达50%的存储空间。

数据导入在不同的情况下也有不同程度的提升。

我们使用TPCDS catalog_sales进行了测试，从上面的数据来看，目前相对于v1，v2的性能有所提升，但是有进一步的优化空间，我们正在努力进一步提升v2的效率和性能。

RoadMap

未来Doris的主要工作包括：继续优化Segment V2，并在下一个版本中发布Bitmap索引的功能，并持续探索复杂类型的支持和云原生的设计。