Apache Doris 2.1.4 版本已于 2024 年 6 月 26 日正式发布。 在 2.1.4 版本中,我们对数据湖分析场景进行了多项功能体验优化,重点修复了旧版本中异常内存占用的问题,同时提交了若干改进项以及问题修复,进一步提升了系统的性能、稳定性及易用性,欢迎大家下载使用。

官网下载: https://doris.apache.org/download/

GitHub 下载: https://github.com/apache/doris/releases

行为变更

  • 通过 Catalog 查询外部表(如 Hive 数据表)时,系统将忽略不存在的文件: 当从元数据缓存中获取文件列表时,由于缓存更新并非实时,因此可能存在实际的文件列表已删除、而元数据缓存中仍存在该文件的情况。为了避免由于尝试访问不存在的文件而导致的查询错误,系统会忽略这些不存在的文件。 #35319

  • 默认情况下,创建 Bitmap Index 不再默认变更为 Inverted Index。该行为由 FE 配置项 enable_create_bitmap_index_as_inverted_index 控制,默认为 FALSE。#35521

  • 当使用 --console 启动 FE、BE 进程时,所有日志将输出到标准输出,并通过前缀区分不同类型的日志。#35679

    关于更多信息,请参考文档:

  • 如果建表时没有填写表注释,默认注释为空,不再使用表类型作为默认表注释。 #36025

  • DECIMALV3 的默认精度从 (9, 0) 调整为 (38,9) ,以和最初发布此功能的版本保持兼容。 #36316

新增功能

查询优化器

  • 支持 FE 火焰图工具:在 FE 部署目录 ${DORIS_FE_HOME}/bin 中会增加profile_fe.sh 脚本,可以利用 async-profiler 工具生成 FE 的火焰图,用以发现性能瓶颈点。

    关于更多信息,请参考文档:使用 FE Profiler 生成火焰图

  • 支持 SELECT DISTINCT 与聚合函数同时使用:支持 SELECT DISTINCT 与聚合函数同时使用,在一个查询中同时去重和进行聚合操作,如 SUM、MIN/MAX 等。

  • 支持无 GROUP BY 的单表查询重写:无 GROUP BY 的单表查询重写功能允许数据库优化器在不需要分组的情况下,根据查询的复杂性和数据表的结构,自动选择最佳的执行计划来执行查询,这可以提高查询的性能,减少不必要的资源消耗,并简化查询逻辑。 #35242.

  • 查询优化器全面支持高并发点查询功能:在 2.1.4 版本之后,查询优化器全面支持高并发点查询功能,所有符合点查询条件的 SQL 语句会自动走短路径查询,无需用户在客户端额外设置 set experimental_enable_nereids_planner = false#36205.

湖仓一体

  • 支持 Paimon 的原生读取器来处理 Deletion Vector: Deletion Vector 主要用于标记或追踪哪些数据已被删除或标记为删除,通常应用在需要保留历史数据的场景,基于本优化可以提升大量数据更新或删除时的处理效率。 #35241

    关于更多信息,请参考文档:数据湖分析 - Paimon

  • 支持在表值函数(TVF)中使用 Resource:TVF 功能为 Apache Doris 提供了直接将对象存储或 HDFS 上的文件作为 Table 进行查询分析的能力。通过在 TVF 中引用 Resource,可以避免重复填写连接信息,提升使用体验。 #35139

    关于更多信息,请参考文档:表函数 - HDFS

  • 支持通过 Ranger 插件实现数据脱敏:开启 Ranger 鉴权功能后,支持使用 Ranger 中的 Data Mask 功能进行数据脱敏。

    关于更多信息,请参考文档:基于 Apache Ranger 的鉴权管理

异步物化视图

  • 构建支持内表触发式更新,如果物化视图使用的是内表,如果内表数据发生变化,可以触发物化视图刷新,需要在创建物化视图时指定 REFRESH ON COMMIT。

  • 支持单表透明改写。

    关于更多信息,请参考文档:查询异步物化视图

  • 透明改写支持 agg_state, agg_union 类型的聚合上卷,物化视图可以定义为 agg_state 或者 agg_union,查询使用具体的聚合函数,或者使用 agg_merge

    关于更多信息,请参考文档:AGG_STATE

其他

  • 新增 replace_empty 函数:将字符串中的子字符串进行替换,当旧字符串为空时,会将新字符串插入到原有字符串的每个字符前以及最后。

    关于更多信息,请参考文档:字符串函数 - REPLACE_EMPTY

  • 支持 show storage policy using 语句:支持查看所有或指定存储策略关联的表和分区。

    关于更多信息,请参考文档:SQL 语句 - SHOW

  • 支持 BE 侧的 JVM 指标: 通过在 be.conf 配置文件中设置enable_jvm_monitor=true,可以启用对 BE 节点 JVM 的监控和指标收集,有助于了解 BE JVM 的资源使用情况,以便进行故障排除和性能优化。

改进优化

  • 支持为中文列名创建倒排索引。#36321

  • 优化 Segment Cache 所消耗内存的估算准确度,以便能够更快地释放未使用的内存。#35751

  • 在使用 Export 功能导出数据时,提前过滤空分区以提升导出效率。#35542

  • 优化 Routine Load 任务分配算法以平衡 BE 节点之间的负载压力。#34778

  • 在设置错误的会话变量名时,自动识别近似变量值并给出更详细的错误提示。#35775

  • 支持将 Java UDF Jar 文件放到 FE 的 custom_lib 目录中并默认加载。#35984

  • 为审计日志导入作业添加超时的全局变量audit_plugin_load_timeout ,以控制在加载审计插件或处理审计日志时允许的最大执行时间。

  • 优化了异步物化视图透明改写规划的性能。

  • INSERT 源数据为空时,BE 将不会执行任何操作。#34418

  • 支持分批获取 Hudi 和 Hive 文件列表,当存在大量数据文件时可以提升数据扫描性能。 #35107

    • 120 万文件场景中,获取文件列表的时间由 390 秒缩减到 46 秒。
  • 创建异步物化试图时,禁止使用动态分区。

  • 支持检测 Hive 外表分区数据是否和异步物化试图同步。

  • 允许异步物化试图创建索引。

缺陷修复

查询优化器

  • 修复 SQL Cache 在 truncate paritition 后依然返回旧结果的问题。#34698

  • 修复从 JSON Cast 到其他类型 Nullable 属性不对的问题。#34707

  • 修复偶现的 DATETIMEV2 Literal 化简错误。 #35153

  • 修复窗口函数中不能使用 COUNT(*) 的问题。#35220

  • 修复 UNION ALL 下全部是无 FROM 的 SELECT` 时,Nullable 属性可能错误的问题。 #35074

  • 修复 bitmap in join 和子查询解嵌套无法同时使用的问题。#35435

  • 修复在特定情况下过滤条件不能下推到 CTE Producer 导致的性能问题。#35463

  • 修复聚合 Combinator 为大写时,无法找到函数的问题。#35540

  • 修复窗口函数没有被列裁剪正确裁剪导致的性能问题。#35504

  • 修复多个同名不同库的表同时出现在查询中时,可能解析错误导致结果错误的问题。#35571

  • 修复对于 Schema 表扫描时,由于生成了 Runtime Filter 导致查询报错的问题。#35655

  • 修复关联子查询解嵌套,关联条件被折叠为 Null Literal 导致无法执行的问题。#35811

  • 修复规划时,偶现的 Decimal Literal 被错误设置精度的问题。 #36055

  • 修复偶现的多层聚合被合并后规划错误的问题。#36145

  • 修复偶现的聚合扩展规划报错输入输出不匹配的问题。#36207

  • 修复偶现的 <=> 被错误转换为 = 的问题。#36521

查询执行

  • 修复 Pipeline 引擎上达到限定的行数且内存没有释放时查询被挂起的问题。 #35746

  • 修复当设置 enable_decimal256 =true 且查询优化器回退到旧版本时 BE 发生 Core 的问题。#35731

物化视图

  • 修复构建异步物化试图指定 store_row_column 属性,be core 的问题。

  • 修复构建异步物化视图指定 storage_medium 不生效的问题。

  • 修复基表删除后,异步物化视图 show partitions 报错的问题。

  • 修复异步物化视图引起备份恢复异常的问题。

  • 修复分区改写可能导致错误结果的问题。

半结构化数据分析

  • 修复带有空 Key 的 VARIANT 类型发生 Core 的问题。#35671

  • Bitmap 索引和 BloomFilter 索引不应支持轻量级索引变更。#35225

主键模型

  • 修复在有部分列更新导入的情况下发生异常重启,可能会产生重复 Key 的问题。#35678

  • 修复在内存紧张时发生 Clone 时 BE 可能会发生 Core 的问题。#34702

湖仓一体

  • 修复创建 Hive 表时无法使用完全限定名(如 ctl.db.tbl)的问题。 #34984

  • 修复 Refresh 操作时 Hive Metastore 连接未关闭的问题。#35426

  • 修复从 2.0.x 升级到 2.1.x 时可能的元数据回放问题。 #35532

  • 修复 TVF 表函数无法读取空 Snappy 压缩文件的问题。#34926

  • 修复无法读取具有无效最小/最大列统计信息的 Parquet 文件的问题。#35041

  • 修复 Parquet/ORC Reader 中无法处理带有 null-aware 函数下推谓词的问题。#35335

  • 修复创建 Hive 表时分区列顺序的问题。 #35347

  • 修复当分区值包含空格时无法将 Hive 表写入 S3 的问题。 #35645

  • 修复 Doris 写入 Parquet 格式 Hive 表无法被 Hive 读取的问题。 #34981

  • 修复 Hive 表 Schema 变更后无法读取 ORC 文件的问题。#35583

  • 修复了部分情况下,启用 Hive Metastore Listener 后 FE 无法启动的问题。#36533

  • 修复由 Hadoop FS 缓存引起的 FE OOM 问题。#36403

  • 修复写出 Parquet 格式文件写出 Row Group 过小的问题。#36042 #36143

  • 修复 Paimon 表 Schema 变更后无法通过 JNI 读取 Paimon 表的问题。#35309

  • 修复 Paimon 表 Schema 变更后由于表字段长度判断错误导致无法读取的问题。 #36049

  • 修复了读取 Iceberg 中的时间戳列类型时的时区问题。 #36435

  • 修复了 Iceberg 表上的日期时间转换错误和数据路径错误的问题。#35708

  • 修复阿里云 OSS Endpoint 不正确的问题。#34907

  • 修复了大量文件导致的查询性能下降问题。#36431

  • 允许用户定义的属性通过表函数传递给 S3 SDK。#35515

数据导入

  • 修复 CANCEL LOAD 命令不生效的问题。#35352

  • 修复导入事务 Publish 阶段空指针错误导致导入事务无法完成的问题。#35977

  • 修复 bRPC 通过 HTTP 发送大数据文件序列化的问题。 #36169

数据管控

  • 修复了在将 DDL 或 DML 转发到主 FE 后,ConnectionContext 中的资源标签未设置的问题。 #35618

  • 修复了在启用 lower_case_table_names 时,Restore 表名不正确的问题。 #35508

  • 修复了清理无用数据或文件的管理命令不生效的问题。 #35271

  • 修复了无法从分区中删除存储策略的问题。#35874

  • 修复了向多副本自动分区表导入数据时的数据丢失问题。#36586

  • 修复了使用旧优化器查询或插入自动分区表时,表的分区列发生变化的问题。 #36514

内存管理

  • 修复日志中频繁报错 Cgroup meminfo 获取失败的问题。 #35425

  • 修复使用 BloomFilter 时 Segment 缓存大小不受控制导致进程内存异常增长的问题。#34871

权限

  • 修复开启表名大小写不敏感后,权限设置无效的问题。#36557

  • 修复通过非 Master FE 节点设置 LDAP 密码不生效的问题。#36598

  • 修复了无法检查 SELECT COUNT(*) 语句授权的问题。#35465

其他

  • 修复 MySQL 连接损坏情况下,客户端 JDBC 程序无法关闭连接的问题。 #36616

  • 修改 SHOW PROCEDURE STATUS 语句返回值与 MySQL 协议不兼容的问题。#35350

  • libevent 库强制开启 Keepalive 以解决部分情况下连接泄露的问题。 #36088

致谢

@133tosakarin、@924060929、@airborne12、@amorynan、@AshinGau、@BePPPower、@BiteTheDDDDt、@ByteYue、@caiconghui、@CalvinKirs、@cambyzju、@catpineapple、@cjj2010、@csun5285、@DarvenDuan、@dataroaring、@deardeng、@Doris-Extras、@eldenmoon、@englefly、@feiniaofeiafei、@felixwluo、@freemandealer、@Gabriel39、@gavinchou、@GoGoWen、@HappenLee、@hello-stephen、@hubgeter、@hust-hhb、@jacktengg、@jackwener、@jeffreys-cat、@Jibing-Li、@kaijchen、@kaka11chen、@Lchangliang、@liaoxin01、@LiBinfeng-01、@lide-reed、@luennng、@luwei16、@mongo360、@morningman、@morrySnow、@mrhhsg、@Mryange、@mymeiyi、@nextdreamblue、@platoneko、@qidaye、@qzsee、@seawinde、@shuke987、@sollhui、@starocean999、@suxiaogang223、@TangSiyang2001、@Thearas、@Vallishp、@w41ter、@wangbo、@whutpencil、@wsjz、@wuwenchi、@xiaokang、@xiedeyantu、@XieJiann、@xinyiZzz、@XuPengfei-1020、@xy720、@xzj7019、@yiguolei、@yongjinhou、@yujun777、@Yukang-Lian、@Yulei-Yang、@zclllyybb、@zddr、@zfr9527、@zgxme、@zhangbutao、@zhangstar333、@zhannngchen、@zhiqiang-hhhh、@zy-kkk、@zzzxl1993