文件缓存
- 原理
- 使用方式

文件缓存

文件缓存(File Cache)通过缓存最近访问的远端存储系统(HDFS 或对象存储)的数据文件，加速后续访问相同数据的查询。在频繁访问相同数据的查询场景中，File Cache 可以避免重复的远端数据访问开销，提升热点数据的查询分析性能和稳定性。

原理

File Cache 将访问的远程数据缓存到本地的 BE 节点。原始的数据文件会根据访问的 IO 大小切分为 Block，Block 被存储到本地文件 cache_path/hash(filepath).substr(0, 3)/hash(filepath)/offset 中，并在 BE 节点中保存 Block 的元信息。当访问相同的远程文件时，doris 会检查本地缓存中是否存在该文件的缓存数据，并根据 Block 的 offset 和 size，确认哪些数据从本地 Block 读取，哪些数据从远程拉起，并缓存远程拉取的新数据。BE 节点重启的时候，扫描 cache_path 目录，恢复 Block 的元信息。当缓存大小达到阈值上限的时候，按照 LRU 原则清理长久未访问的 Block。

使用方式

File Cache 默认关闭，需要在 FE 和 BE 中设置相关参数进行开启。

FE 配置

单个会话中开启 File Cache:

SET enable_file_cache = true;

全局开启 File Cache:

SET GLOBAL enable_file_cache = true;

File Cache 功能仅作用于针对文件的外表查询（如 Hive、Hudi ）。对内表查询，或非文件的外表查询（如 JDBC、Elasticsearch）等无影响。

BE 配置

添加参数到 BE 节点的配置文件 conf/be.conf 中，并重启 BE 节点让配置生效。

参数	说明
`enable_file_cache`	是否启用 File Cache，默认 false
`file_cache_path`	缓存目录的相关配置，json格式，例子: `[{“path”: “/path/to/file_cache1”, “total_size”:53687091200,”query_limit”: “10737418240”},{“path”: “/path/to/file_cache2”, “total_size”:53687091200,”query_limit”: “10737418240”},{“path”: “/path/to/file_cache3”, “total_size”:53687091200,”query_limit”: “10737418240”}]`。`path` 是缓存的保存路径，`total_size` 是缓存的大小上限，`query_limit` 是单个查询能够使用的最大缓存大小。
`file_cache_min_file_segment_size`	单个 Block 的大小下限，默认 1MB，需要大于 4096
`file_cache_max_file_segment_size`	单个 Block 的大小上限，默认 4MB，需要大于 4096
`enable_file_cache_query_limit`	是否限制单个 query 使用的缓存大小，默认 false
`clear_file_cache`	BE 重启时是否删除之前的缓存数据，默认 false

查看 File Cache 命中情况

执行 set enable_profile=true 打开会话变量，可以在 FE 的 web 页面的 Queris 标签中查看到作业的 Profile。File Cache 相关的指标如下:

-  FileCache:
  -  IOHitCacheNum:  552
  -  IOTotalNum:  835
  -  ReadFromFileCacheBytes:  19.98  MB
  -  ReadFromWriteCacheBytes:  0.00  
  -  ReadTotalBytes:  29.52  MB
  -  WriteInFileCacheBytes:  915.77  MB
  -  WriteInFileCacheNum:  283

IOTotalNum: 远程访问的次数
IOHitCacheNum: 命中缓存的次数
ReadFromFileCacheBytes: 从缓存文件中读取的数据量
ReadTotalBytes: 总共读取的数据量
SkipCacheBytes: 创建缓存文件失败，或者缓存文件被删，需要再次从远程读取的数据量
WriteInFileCacheBytes: 保存到缓存文件中的数据量
WriteInFileCacheNum: 保存的 Block 数量，所以 WriteInFileCacheBytes/WriteInFileCacheBytes 为 Block 的平均大小

IOHitCacheNum / IOTotalNum 等于1，表示缓存完全命中

ReadFromFileCacheBytes / ReadTotalBytes 等于1，表示缓存完全命中