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。

随着业务的高快速发展，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 LOAD\G; 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）