58集团 x DorisDB：全面升级数据分析能力，满足多场景业务分析需求

　　58集团是中国互联网生活服务领域的领导者，旗下有国内最大的生活服务平台，覆盖各类业务场景，例如车业务、房产业务、本地服务、招聘业务、金融业务等等。

　　随着业务的高速发展，越来越多的分析需求涌现，例如：安全分析、商业智能分析、数仓报表等。这些场景的数据体量都较大，对数据分析平台提出了很高的要求。为了满足这些分析型业务的需求，DBA团队从2021年初就开始调研各类分析型数据库，其中包括DorisDB、TiFlash、ClickHouse等，评测他们的性能及功能。

　　总体评测下来，DorisDB表现全面，在单表/多表查询性能、物化视图及SQL支持等方面能力都契合集团业务需求。目前，我们已经落地了两套DorisDB集群，还有1-2套正在测试阶段，后续会进行进一步推广和落地更多应用。

　　一、评测信息

　　我们从两个方面来评测以上这些分析型数据库：一个是功能，一个是性能。每种数据库都有各自的特点。

　　1.功能方面

　　2.性能方面

　　2021年初，我们完整对比过3种数据库的性能，包括TiFlash(4.0.10)、ClickHouse(20.3.8.53)、DorisDB(1.11.0)单表及多表join的性能情况。TiDB5.0的TiFlash已经支持MPP，此处为4.0版本，无MPP。

　　测试使用业界流行的Star Schema Benchmark星型模型测试集。结论如下：

　　·单表/多表查询，DorisDB总体时间均最短。

　　·单表查询：DorisDB最快次数最多，ClickHouse次之。

　　·多表查询：DorisDB所有执行均最快。

　　关于TiDB/TiFlash

　　·TiDB/TiFlash总体时间单表/多表查询均最长。

　　·TiDB执行计划多数走TiKV，导致执行时间长，且数据量越多，执行时间越长。

　　·TiDB强制走TiFlash，单表多数提速多，多表多数变慢，但4.0.10版本的执行计划多数不走。

　　关于Clickhouse

　　·ClickHouse多表查询需要更改SQL，使类型一致才可以，且字段名、表名区分大小写。

　　·ClickHouse单机性能强悍，性价比较高。

　　·ClickHouse大单表查询方式效率好，多表关联效率降低明显。

　　关于DorisDB

　　·DorisDB单表和多表关联查询速度都非常快。

　　【单表查询结果】

　　【多表关联查询结果】

　　二、业务需求及应用

　　1.安全分析相关业务

　　每天，内部服务器上的各类操作和运行情况，是内部安全人员比较关心的。但是服务器上每天有大量的信息，如何能快速收集落地、统一实时分析，是这个数据分析场景面临的挑战。具体来说，安全分析业务需要应对以下情况：

　　·写入数据量大，每天大约几亿的数据需要落地;

　　·实时快速的分析支持，例如：最近15分钟，机器信息的情况是怎样的;

　　·需要定期进行数据清理;

　　·数据量不断累积，数据总量规模增长快。

　　综合评估后，我们选择了DorisDB来支持安全分析相关业务。在使用初期，我们使用了DorisDB的明细模型(即保留所有历史数据)，20天左右，数据行数总量就800亿+了，磁盘空间占用8T左右，由于明细数据量庞大导致查询性能也受到影响。

　　后与内部研发人员讨论，业务分析并不需要详细的历史明细，数据按照指定时间粒度进行聚合汇总即可。便将数据模型改成聚合模型，设置日期、小时和15分钟三个时间维度，指标数据按照这个级别的时间维度进行聚合，聚合后每天新增的数据在10亿左右，数据量降低了75%，查询性能也得到大幅提升。且采用kafka+routine load的方式在DorisDB中进行导入聚合，避免了引入冗余的组件，统一了技术栈。

　　2.DBA内部业务

　　MySQL中间件，我们使用的ProxySQL，ProxySQL支持展示SQL情况。但是操作较为繁琐，每次需要重置，才重新开始统计。如何分析指定时间的SQL情况，是困扰我们的另一问题。

　　每个ProxySQL有自己的全日志，我们可以分析全日志来获取需要的信息。第一个架构方案，我们想到了使用ES，ProxySQL全日志–>Filebeat采集–>Kafka–>Logstash–>ES。但是实际使用中，发现虽然可以查看流水，但是分析时就比较麻烦，不如写SQL的方便。

　　后来架构又改成了 ProxySQL全日志–>Filebeat采集–>Kafka–>DorisDB，这样就可以进行快速分析了。

　　另一个问题，因为线上的ProxySQL的日志量特别大，不能所有集群都开，我们设置了可以选择开启，这样有需要的集群才进行分析。降低存储的压力。

　　举例：分析某30分钟某集群的SQL执行情况，按照次数排序，查询很快。

　　除了上述两个场景之外，DorisDB还被用在了销售使用的报表系统等场景中，包含实时数据分析等业务场景，共50+张表，占用约100T存储空间，查询并发量100-500+。

　　三、系统运维

　　1.数据接入

　　DorisDB支持的数据导入方式很丰富，例如本地文件、HDFS、Kafka(支持csv、json格式)、外表、批量SQL等。数据接入时有以下需要注意的问题：

　　·HDFS导入需要提供Namenode的信息，有些不方便提供就支持不了。

　　·外表模式，创建外表后，可以使用insert into select的方式，循环导入到DorisDB的本地表，能比较方便的从MySQL、TiDB导入数据。

　　·日常最常用的是Kafka的Json格式的数据，需要开发提供：

　　··表字段、字段类型及模型(明细模型,聚合模型和更新模型)。

　　··Kafka信息：kafka_broker_list，kafka_topic，client.id等。

　　·Kafka的方式，DBA创建表及导入任务就可以导入数据了;日常需要注意的是：最好写个小工具，查看下Kafka的数据信息，然后指明字段，这样来保证成功率。

　　·查看导入任务：SHOW ROUTINE LOADG;关注Statistic，ErrorLogUrls。

　　2.集群架构

　　目前为单套集群，3个FE，3个BE，Broker按需建立，搭建1套监控(Prometheus+Grafana)，推荐使用kafka来接入数据。

　　3.运维及自动化

　　因为DorisDB标准版无管理组件，需要DBA自己实现：

　　·标准制定，例如：运维标准、开发接入标准等;

　　·自动化部署;

　　·自动化扩缩容;

　　·自动化升级;

　　·拓扑展示、登录;

　　·搭建开源监控;

　　·自己实现报警，例如存活报警、性能报警;

　　·相关运维报表，例如表大小、集群磁盘使用情况、流量情况、SQL情况等。

　　目前我们自己已经实现了部分运维规范的制定，例如集群端口、目录、拓扑架构等，并开发了拓扑工具：qdorisdb，可以查看所有集群、指定集群、登录、展示监控节点信息等。

　　后期我们会开发相关自动化管理工具，并整合至我们内部的CDB平台，开发相关报表、工单等，方便开发人员使用。

　　【查看指定集群拓扑】：

　　【查看所有集群】：

　　4.服务器

　　当前我们使用如下机器进行部署，后期会考虑将FE节点使用虚拟机部署。

　　四、发现的问题及注意事项

　　·如果想混合部署，需要提前计划好端口，集群间需要有一定间隔;

　　·DorisDB升级比较快，如果遇到bug可以咨询官方，及时升级避开;

　　·查询报错：2021-05-09 11:38:56-WARN

　　com.mysql.jdbc.PacketTooBigException:Packet for query is too large(1095400>1048576).You can change this value on the server by setting the max_allowed_packet’variable;

　　··处理：set global max_allowed_packet=102410248;

　　·账号授权跟MySQL不同，需要注意;

　　·标准版的周边较少，希望能不断丰富，让更多的人用起来;

　　·Json格式数据导入，字段没法复用，推荐官方添加上，例如：求最大最小时间，需要开发写入Kafka两个时间字段，无法复用一个;

　　·导入数据需要一定的调试经验，例如Kafka，可以自己写个工具，查看下Kafka里面的数据，再进行测试;

　　五、场景及定位

　　DorisDB是优秀的分析型数据库，可以满足多种数据分析场景的需求。但还有不少业务场景需要用其他数据库来服务，目前58DBA提供了多种数据库，方便业务方根据自身的场景进行选择。

　　总结

　　目前，我们已经落地了两套DorisDB集群，还有1-2套正在测试阶段，后续会进行进一步推广和落地更多应用。最后，十分感谢DorisDB鼎石科技团队专业的支持服务，希望我们能一起把DorisDB建设得更好。(作者：刘春雷 负责58同城MySQL、TiDB数据库、DorisDB的运维工作，主要从事数据库自动化、平台化的建设)

特别提醒：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。