【遇见 Doris】Apache Doris 在京东双十一大促中的实践

Doris 线下沙龙完美收官！本次沙龙邀请了来自百度、美团、京东的技术大牛带来实战分享。了解更多详情请关注 Doris 官方公众号。公众号后台回复“1222”立即 get 现场录像及嘉宾 PPT。

2019 年 12 月 22 日，Doris 线下沙龙在百度大厦顺利举办。本次邀请了来自美团、京东、百度的技术大牛来分享实战经验，快来跟随小编一起回顾吧！

来自京东零售-商业提升部的刘航源为大家带来了 Apache Doris 在京东双十一大促活动的实践。

航源主要负责京东的广告平台报表业务，京东的广告平台每天支撑了千万级以上的查询量，同时每天有百亿级的增量需要维护。所有的报表级查询需要毫秒级返回数据，场景主要包括报表查询、多维分析、日志分析等。

以账户报表为例，京东的报表平台有如下特点：

存储介质多、逻辑计算复杂且延迟敏感：一张报表中通常会有非常多的指标列，涉及多个存储介质（MySQL、Doris、Redis 等），这些列都需要实时关联，且需要保证报表是毫秒级数据返回。

聚合数据为主：与 Doris 的聚合模型场景贴合。

对外业务，服务质量要求高：面对的客户是所有京东的广告主。

京东广告平台在京东内部支持了十余个业务线，300+报表，涵盖了 270 个底层数据。覆盖了京准通内绝大多数的效果报表。超过 80%的业务需求可以通过修改配置支持，并且平台作为统一的数据出口，拥有完善的权限管理系统。

• 性能问题：查询速度慢，满足不了大批量毫秒级返回数据的需求

• 运维问题：运维困难，难以保障

• 开发成本高

• SQL 兼容难

业务现状

在大规模将系统切入 Doris 时遇到了下面几个问题：

• 产品线众多，甚至包括海外产品线

• 对接的业务方众多

• 维护集群众多，面临资源隔离和数据隔离的问题

• 财务相关数据，数据安全性要求高

统一化

• 增量可回溯/可查询：对于导入增量进行把控

• 更强的抗泄洪能力：因为对接产品线众多，不能因为任务激增而影响到众多产品线

• 业务方可自助查数、补数

• 可接受秒级的任务延迟

平台化

• 数据定时备份

• 支持任务优先级

• 细化延迟监控

国际化

• 支持时区功能

• 多集群多环境/同名 HDFS NS 的区分

优化后整体架构如下：

Web Server：

• 集群运维可视化

• 统一运维

• 对外接口系统

ReportEngine：

• 查询业务引擎

• 业务逻辑处理

• 主要作为对外出口对接业务

AdminServer：

• 任务的管理系统

• 控制 Load 并发

数据最开始从 Kafka 进行导入，经过 ETL 层。ETL 会做一份增量数据，数据批次会取决于业务需求。目前线上大部分是每分钟会有一个批次。通过 HTTP 的接口调用 Admin Server，收到 Load 的任务后，会写到 MySQL 的消息队列上，向 Doris 提交一个 Load 的任务。Doris 收到任务后会提交 Broker Load 将 HDFS 的数据导入到 Doris 中。所有历史数据导入任务存储在 MySQL 中，通过 Admin Server 来实现可回溯可查询的功能，可同时可实现定期的 Backup。同时 Load 任务的并发是可控制的，也提供了更强的抗泄洪能力及支持任务优先级的能力。

具体实现：

所有提交的任务会通过 HTTP 的 JSON 发送到 Admin Server 里，主要是 Doris 的 Broker Load 需要的字段。Label，Path 和 Type（目前支持 csv 和 Parquet，未来会支持 orc）

WebServer 功能

WebServer 是京东研发的功能，覆盖了大部分 Doris 的操作功能，包括建表、建 Rollup、建 Partition、数据管理、数据查询、数据导入、任务管理、性能监控、集群导入、操作日志查询的功能。业务方可以方便地通过这个平台来提交任务。

任务管理

未来京东考虑将 WebServer 贡献给社区，让更多用户享受到 WebServer 带来的便利。

如何处理历史数据变更

Doris 修改数据的成本很高，但数据的修改和删除需求在真实业务中时常出现。

京东经历了几个阶段。

从最开始的无法进行删除操作，发展成采用了外部留存重新刷数的方式。即原来导入的错误数据不要删除，采用 replace 的方式，将原来的数据全部倒入一份负值的，从而将 value 刷成 0，再将正确的数据导入进去。这种方式的不便之处在于要留存原始错误数据。

后来采用了 Doris 的 delete 功能，把错误数据删除后再将正确数据 insert 进来。

但所有这些方式都存在一个问题，即总有一段时间窗口内数据 value 为 0。这对于外部系统来说是不能容忍的。例如广告主需要查看自己的账户信息，如果因数据变更问题而导致账户显示为 0，将是难以接受的，很不友好。

京东双十一大促期间 Doris 的表现

稳定性

• 整个大促期间 Doris 的内存、CPU 非常平稳，即使 11 日凌晨也没有出现大规模上涨

• 整个集群规模已经的达到了上百台

• 整个大促期间没有 Bug 和事故

导入性能

• 双 11 当天达到了 120 亿行的增量（聚合后的数据）

• 峰值导入在 2000 万/分钟

• 所有事实表基本都可以做到秒级延迟

查询性能

京东只用了 40 台 16 核 Docker 支撑了查询，且最高峰 CPU 占用率仅 30%左右。达到的效果：

• 双 11 当天承载了 8000 万+的查询

• TP99 58 毫秒，TP999 164 毫秒

• 双 11 当天 00:20 左右达到峰值 QPS 达到 4500+，压测阶段 QPS 达到万级以上

不仅如此，所有统计指标也是通过 Doris 来进行分析的：京东在每台 Doris 上部署了一个 Doris 的 Agent 来收集日志，然后将其导入到 Kafka 中，再通过 Doris 的 Kafka Load，即可使用 Doris 分析自己的日志。可以通过 Doris 优秀的 OLAP 特性，分析任意时间段，任意维度的查询，为问题定位和性能分析提供了很大的帮助。

未来规划

• 贡献成熟的 Web 屏体啊

• 建立 UDF 平台，提升业务灵活性

• 参与 SQL 优化器开发

• 支持 Apache Doris (incubating)社区发展

欢迎扫码关注：

Apache Doris(incubating)官方公众号

相关链接：

Apache Doris 官方网站：

http://doris.incubator.apache.org

Apache Doris Github：

https://github.com/apache/incubator-doris

Apache Doris Wiki：

https://github.com/apache/incubator-doris/wiki

Apache Doris 开发者邮件组：

dev@doris.apache.org