Doris 原理、部署与调优指南

Doris 是 MPP（Massively Parallel Processing，大规模并行处理）分析型数据库，定位”在线报表 + 实时分析”，主打高并发点查与多表 Join。本文覆盖底层原理、集群部署（FE/BE）、参数优化与常见问题，作为湖仓时代 OLAP 引擎的第一块拼图。

底层原理速览

MPP 架构：一条 SQL 拆成多个子任务在多个 BE 上并行执行，结果汇总返回，吞吐随节点数线性扩展
FE / BE 分离：FE（Frontend）管元数据、查询规划、导入调度；BE（Backend）管存储与执行
列式存储 + 向量化执行：按列存储天然适配分析聚合；SIMD 向量化让单核性能成倍提升
Tablet 分片：表按分区（Range）+ 分桶（Hash）切成 Tablet，是数据分布、副本与均衡的最小单元
多副本 + Quorum：默认 3 副本，写多数派成功即成功，读可走任意副本
导入体系：Stream Load（HTTP）、Broker Load（从外部系统）、Routine Load（Kafka 持续消费）、Insert Into
Compaction：后台把多个版本的小数据文件合并成大文件，控制文件数与读放大

Doris 的定位一句话：**”能查准的 ClickHouse”**。它有完善的 SQL/Join/事务语义，不像 Hive 那样重，也不像 ES 那样搜。适合承接”报表、即席分析、实时数仓汇总层”。

部署

1. 规划

节点	角色	数量	规格参考（测试/生产）
FE	Leader/Follower/Observer	1+1+1（生产）	4C8G / 16C64G（元数据放 SSD）
BE	数据与计算	3+	8C16G / 32C256G

目录规划：FE 的 meta_dir、BE 的 storage_root_path 放独立磁盘（SSD）
端口：FE 9030（MySQL 协议）/ 8030（Web UI）/ 8040（BE 心跳）；BE 9060/8040
时间同步、关闭 swap、设置 vm.max_map_count（参考调优）

2. FE 部署（部署 3 台，1 Leader + 2 Follower）

# 下载并解压（选择与集群版本一致的稳定版）
wget https://apache-doris-releases.oss-accelerate.aliyuncs.com/apache-doris-2.1.x-bin-x64.tar.gz
tar -zxvf apache-doris-*.tar.gz -C /opt && ln -s /opt/apache-doris-* /opt/doris
mkdir -p /data/doris/meta && chown -R doris:doris /opt/doris /data/doris

# fe/conf/fe.conf 关键项
meta_dir = /data/doris/meta
priority_networks = 10.0.0.0/24        # 必须显式指定，避免多网卡选错
JAVA_OPTS="-Xmx16g -Xms16g"            # FE 内存按元数据量给

# 第一台：启动并初始化集群
fe/bin/start_fe.sh --daemon
mysql -h127.0.0.1 -P9030 -uroot            # 首次无密码

# 其余两台：加入集群
mysql> ALTER SYSTEM ADD FOLLOWER "node2:9010";
mysql> ALTER SYSTEM ADD FOLLOWER "node3:9010";
# 每台执行 start_fe.sh --helper node1:9010 --daemon 完成加入

3. BE 部署（3 台）

# be/conf/be.conf 关键项
storage_root_path = /data/doris/data1,medium:ssd;/data/doris/data2,medium:hdd
priority_networks = 10.0.0.0/24
be_port = 9060

# 启动 BE 并加入集群
be/bin/start_be.sh --daemon
mysql> ALTER SYSTEM ADD BACKEND "node1:9050";
mysql> ALTER SYSTEM ADD BACKEND "node2:9050";
mysql> ALTER SYSTEM ADD BACKEND "node3:9050";
mysql> SHOW BACKENDS;    # 全部 Alive 即集群就绪
mysql> SHOW FRONTENDS;

验证就绪的标准：SHOW BACKENDS 全 Alive、Web UI（8030）可访问、SHOW TABLET 无异常。首次建表会触发 Tablet 均衡，耐心等副本补齐。

4. 建表与导入验证

CREATE TABLE dwd_order (
  order_id   BIGINT NOT NULL,
  user_id    BIGINT,
  amount     DECIMAL(20,2),
  dt         DATE
)
DUPLICATE KEY(order_id)
PARTITION BY RANGE(dt) ()
DISTRIBUTED BY HASH(order_id) BUCKETS 16
PROPERTIES ("replication_num" = "3");

# Stream Load 快速导入（HTTP）
curl -u root: --location-trusted \
  -H "label:demo_001" -H "column_separator:," \
  -T /tmp/order.csv \
  http://node1:8030/api/demo/dwd_order/_stream_load

调优

1. 内存

参数	建议	说明
BE `mem_limit`	节点物理内存的 60%-70%	BE 进程可用上限
BE `load_process_max_memory_limit_percent`	50	导入占用上限，避免挤占查询
FE `JAVA_OPTS -Xmx`	按元数据规模 8G-32G	元数据在 FE 内存
查询 `exec_mem_limit`（会话级）	按 SQL 复杂度	单查询内存上限，防止大查询打爆 BE

2. Tablet 与 Compaction

分桶数：单个 Tablet 数据量控制在 1-10G，桶数 = 数据量 / 单桶目标（如 2G），改小后新分区生效
Compaction：compaction_checker_interval_second（默认 10s）、min_compaction_failure_interval_second；大表可调大 max_compaction_concurrency（默认 1 即可）
均衡：SHOW BACKENDS 观察磁盘水位，ADMIN SET FRONTEND CONFIG ("tablet_scheduler_max_balancing_tablets"="200") 加快均衡

3. 查询

物化视图：高频聚合（如按天 sum）建物化视图，Doris 自动命中，替代手动同步聚合表
分桶键选择：高频等值过滤列（如 user_id）作分桶键，Join 时若两边同分桶键可走 Bucket Shuffle 免网络
Join 优化：小表放右侧（默认 broadcast）、大表间用 shuffle join；SET enable_cost_based_join_reorder=true
向量化：默认开启；SET enable_vectorized_engine=true 兜底老版本
Workload Group：不同业务建不同资源组（CPU/内存/并发配额），避免大查询拖垮在线报表

4. 导入

Routine Load：Kafka 持续导入是实时数仓标配，max_routine_load_job_num 按需调大；单任务 max_batch_rows（默认 20 万）可提升吞吐
Stream Load：客户端并发 5-10，超并发反而触发导入排队；strict_mode=true 拒绝脏数据
小文件：导入频率高导致版本多，配合 compaction 观察 SHOW TABLET 的 version 数量

常见问题

现象	原因	处理
BE 显示 Offline	心跳端口不通、磁盘满、进程挂了	检查 9050/8040 连通、`SHOW BACKENDS` 看 LastStartTime
Tablet 状态异常	副本数不足或磁盘坏	`ADMIN SHOW REPLICA STATUS` 定位，等均衡自动修复
导入 Label 已存在	幂等机制生效	换 label 或看是否真的失败需清理
查询报内存超限	exec_mem_limit 过小	会话级调大，或改 Workload Group
表数据膨胀快	分区粒度太细 / 桶数太多	分区按周/月，桶数按 1-10G 目标重排

总结

Doris = FE 元数据 + BE 存储执行，MPP + 列存 + 向量化，定位在线分析与实时数仓汇总层
部署三步：FE 集群 → BE 集群 → 建表导入验证；priority_networks 和磁盘规划是常见坑
调优主线：内存（mem_limit/exec_mem_limit）→ Tablet 与 Compaction → 分桶键与 Join → Workload Group 隔离
在底座迭代思路中，Doris 是”湖仓一体”阶段替换 Hive 数仓查询路径的首选引擎

bigdata

#2026 #部署 #doris #olap

Doris 原理、部署与调优指南

https://chaggle.github.io/2026/08/10/bigdata/doris-deploy-tuning-20260811/

作者

chaggle

发布于

2026年8月10日

更新于

2026年8月11日

许可协议

企业级大数据底座技术架构与未来迭代思路上一篇

Gravitino 原理、部署与调优指南下一篇