メインコンテンツまでスキップ
バージョン: 4.x

データ分散の概念

Dorisでは、データ分散の核心は、Tableに書き込まれるデータの行を、合理的なパーティション戦略とバケット戦略を通じて、基盤ストレージ内のさまざまな**データシャード（Tablet）**に効率的にマッピングすることです。データ分散戦略により、Dorisは複数ノードのストレージ能力と計算能力を最大限活用し、大規模データの効率的なストレージとクエリをサポートできます。

データ分散の概要​

データ書き込み​

データ書き込み時、DorisはまずTableのパーティション戦略に基づいて、データの行を対応するパーティションに割り当てます。次に、バケット戦略に従って、データの行をパーティション内の特定のシャードにさらにマッピングし、データ行のストレージ場所を決定します。

クエリ実行​

クエリ実行時、Dorisのオプティマイザーはパーティション戦略とバケット戦略に基づいてデータをトリミングし、スキャン範囲の削減を最大化します。JOINまたは集約クエリを含む場合、ノード間でのデータ転送（Shuffle）が発生する可能性があります。合理的なパーティション設計とバケット設計により、Shuffleを削減し、Colocate Joinを最大限活用してクエリパフォーマンスを最適化できます。

ノードとストレージアーキテクチャ​

ノードタイプ​

Dorisクラスターは以下の2種類のノードで構成されます：

  • FE Node（Frontend）：クラスターメタデータ（Tableやシャードなど）を管理し、SQLの解析と実行プランの作成を担当します。
  • BE Node（Backend）：データを格納し、計算タスクの実行を担当します。BEからの結果はFEで集約され、ユーザーに返されます。

データシャード（Tablet）​

BEノードに格納されるデータはシャードに分割され、各シャードがDorisにおけるデータ管理の最小単位であり、データ移動と複製の基本単位です。

パーティション戦略​

パーティションは、データ組織の第1層の論理分割であり、Table内のデータをより小さなサブセットに分割するために使用されます。Dorisは以下の2つのパーティションタイプと3つのパーティションモードを提供します：

パーティションタイプ​

  • Range Partitioning：パーティションカラムの値範囲に基づいて、データ行を対応するパーティションに割り当てます。
  • List Partitioning：パーティションカラムの特定の値に基づいて、データ行を対応するパーティションに割り当てます。

パーティションモード​

  • Manual Partitioning：ユーザーが手動でパーティションを作成します（例：Table作成時の指定やALTER文による追加）。
  • Dynamic Partitioning：システムが時間スケジューリングルールに基づいて自動的にパーティションを作成しますが、データ書き込み時にオンデマンドでパーティションを作成することはありません。
  • Automatic Partitioning：システムがデータ書き込み時に必要に応じて自動的に対応するパーティションを作成しますが、汚染データで過多のパーティションを生成することを避けるよう注意が必要です。

バケット戦略​

バケットは、データ組織の第2層の論理分割であり、パーティション内でデータ行をさらに小さな単位に分割するために使用されます。Dorisは以下の2つのバケット方法をサポートします：

  • Hash Bucketing：バケットカラムのcrc32ハッシュ値を計算し、バケット数で剰余を取ることで、データ行をシャード間に均等に分散します。
  • Random Bucketing：データ行をシャードにランダムに割り当てます。Random bucketingを使用する場合、小規模データの高速書き込みを最適化するためにload_to_single_tabletオプションを使用できます。

データ分散の最適化​

Colocate Join​

JOINや集約クエリを頻繁に必要とする大きなTableに対しては、Colocate戦略を有効にして、同じバケットカラム値を持つデータを同じ物理ノードに配置し、ノード間のデータ転送を削減してクエリパフォーマンスを大幅に向上させることができます。

パーティションプルーニング​

クエリ時、Dorisはフィルタリング条件を通じて無関係なパーティションをプルーニングし、データスキャン範囲を削減してI/Oコストを低減できます。

バケット並列性​

クエリ時、合理的なバケット数により、マシンの計算リソースとI/Oリソースを最大限活用できます。

データ分散の目標​

  1. 均等なデータ分散 全てのBEノードに均等にデータを分散し、特定のノードに過負荷をかけるデータスキューを回避することで、システム全体のパフォーマンスを向上させます。

  2. クエリパフォーマンスの最適化 合理的なパーティションプルーニングにより、スキャンするデータ量を大幅に削減し、合理的なバケット数により計算並列性を向上させ、COLOCATEの効果的な利用によりShuffleコストを低減し、JOINと集約クエリの効率を向上させます。

  3. 柔軟なデータ管理

    • 時間ベースのパーティションにより、コールドデータ（HDD）とホットデータ（SSD）を格納。
    • 履歴パーティションを定期的に削除してストレージ容量を解放。

  4. メタデータ規模の制御 各シャードのメタデータはFEとBEの両方に格納されるため、シャード数を合理的に制御する必要があります。経験的な推奨事項は：

    • 1,000万シャードごとに、FEには最低100GBのメモリが必要。
    • 単一のBEが処理するシャード数は20,000未満にする。

  5. 書き込みスループットの最適化

    • バケット数を合理的に制御（推奨 < 128）して、書き込みパフォーマンスの劣化を回避。
    • 一度に書き込むパーティション数を適切にする（一度に少数のパーティションを書き込むことを推奨）。

パーティション戦略とバケット戦略を慎重に設計・管理することで、Dorisは大規模データのストレージとクエリ処理を効率的にサポートし、さまざまな複雑なビジネスニーズに対応できます。