网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts 盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘平台 IEF
CloudPond云服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts 盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
数字内容生产线 MetaStudio
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务
更新时间:2025-01-09 GMT+08:00
分享

Broker Load

Broker Load是一个异步的导入方式,支持的数据源取决于Broker进程支持的数据源。本文为您介绍Broker Load导入的基本原理、基本操作、系统配置以及最佳实践。

适用场景

  • 源数据在Broker可以访问的存储系统中,如HDFS、OBS。
  • 数据量在几十到百GB级别。

基本原理

用户在提交导入任务后,FE会生成对应的Plan并根据目前BE的个数和文件的大小,将Plan分给多个BE执行,每个BE执行一部分导入数据。

BE在执行的过程中会从Broker拉取数据,在对数据transform之后将数据导入系统。所有BE均完成导入,由FE最终决定导入是否成功。

+
                 | 1. user create broker load
                 v
            +----+----+
            |         |
            |   FE    |
            |         |
            +----+----+
                 |
                 | 2. BE etl and load the data
    +--------------------------+
    |            |             |
+---v---+     +--v----+    +---v---+
|       |     |       |    |       |
|  BE   |     |  BE   |    |   BE  |
|       |     |       |    |       |
+---+-^-+     +---+-^-+    +--+-^--+
    | |           | |         | |
    | |           | |         | | 3. pull data from broker
+---v-+-+     +---v-+-+    +--v-+--+
|       |     |       |    |       |
|Broker |     |Broker |    |Broker |
|       |     |       |    |       |
+---+-^-+     +---+-^-+    +---+-^-+
    | |           | |          | |
+---v-+-----------v-+----------v-+-+
|       HDFS/BOS/AFS cluster       |
|                                  |
+----------------------------------+

开始导入

下面我们通过几个实际的场景示例来看Broker Load的使用。

数据样例:

'100','101','102','103','104','105',100.00,100.01,100.02,'100',200,100.08,2022-04-01

'101','102','103','104','105','105',100.00,100.01,100.02,'100',200,100.08,2022-04-02

'102','103','104','105','106','105',100.00,100.01,100.02,'100',200,100.08,2022-04-03

准备工作:

在本地创建示例数据文件source_text.txt,并上传至hdfs的/tmp/。

在hive中创建ods_source表。
CREATE TABLE `ods_source`(
  `id` string, 
  `store_id` string, 
  `company_id` string, 
  `tower_id` string, 
  `commodity_id` string, 
  `commodity_name` string, 
  `commodity_price` double, 
  `member_price` double, 
  `cost_price` double, 
  `unit` string, 
  `quantity` string, 
  `actual_price` double,
  `day ` string
)
row format delimited fields terminated by ','
lines terminated by '\n'
stored as textfile;
将hdfs创建的txt文件导入到ods_source表。
load data inpath '/tmp/source_text.txt' into table ods_source;
  • 示例1,Parquet格式表导入。
    • 在hive中创建parquet分区表并写入数据。
      • 创建ods_demo_detail表。
        CREATE TABLE `ods_demo_detail`(
          `id` string, 
          `store_id` string, 
          `company_id` string, 
          `tower_id` string, 
          `commodity_id` string, 
          `commodity_name` string, 
          `commodity_price` double, 
          `member_price` double, 
          `cost_price` double, 
          `unit` string, 
          `quantity` string, 
          `actual_price` double
        )
        PARTITIONED BY (day string)
        row format delimited fields terminated by ','
        lines terminated by '\n'
        stored as textfile;
      • 把ods_source表中的数据导入到ods_demo_detail表中。
        set hive.exec.dynamic.partition.mode=nonstrict;
        set hive.exec.dynamic.partition=true;
        insert overwrite table ods_demo_detail partition(day) select * from ods_source;
    • 查看Hive表ods_demo_detail有没有数据。
      select * from ods_demo_detail;
    • 在Doris创建数据库。
      create database doris_demo_db;
    • 创建Doris表doris_ods_test_detail。

      如果创建集群的时候不是超高io,则去掉'storage_medium' = 'SSD'。

      use doris_demo_db;
      CREATE TABLE `doris_ods_test_detail` (
        `rq` date NULL,
        `id` varchar(32) NOT NULL,
        `store_id` varchar(32) NULL,
        `company_id` varchar(32) NULL,
        `tower_id` varchar(32) NULL,
        `commodity_id` varchar(32) NULL,
        `commodity_name` varchar(500) NULL,
        `commodity_price` decimal(10, 2) NULL,
        `member_price` decimal(10, 2) NULL,
        `cost_price` decimal(10, 2) NULL,
        `unit` varchar(50) NULL,
        `quantity` int(11) NULL,
        `actual_price` decimal(10, 2) NULL
      ) ENGINE=OLAP
      UNIQUE KEY(`rq`, `id`, `store_id`)
      PARTITION BY RANGE(`rq`)
      (
      PARTITION P_202204 VALUES [('2022-04-01'),('2022-08-30')))
      DISTRIBUTED BY HASH(`store_id`) BUCKETS 1
      PROPERTIES (
      'replication_allocation' = 'tag.location.default: 3',
      'dynamic_partition.enable' = 'true',
      'dynamic_partition.time_unit' = 'MONTH',
      'dynamic_partition.start' = '-2147483648',
      'dynamic_partition.end' = '2',
      'dynamic_partition.prefix' = 'P_',
      'dynamic_partition.buckets' = '1',
      'in_memory' = 'false',
      'storage_format' = 'V2',
      'storage_medium' = 'SSD'
      );
    • 导入数据。
      LOAD LABEL broker_name_test01
      (
          DATA INFILE('hdfs://{hdfs远端ip}:{hdfs远端端口号}/user/hive/warehouse/ods_demo_detail/*/*')
          INTO TABLE doris_ods_test_detail
          COLUMNS TERMINATED BY ','  (id,store_id,company_id,tower_id,commodity_id,commodity_name,commodity_price,member_price,cost_price,unit,quantity,actual_price) 
          COLUMNS FROM PATH AS (`day`)
         SET 
         (rq = str_to_date(`day`,'%Y-%m-%d'),id=id,store_id=store_id,company_id=company_id,tower_id=tower_id,commodity_id=commodity_id,commodity_name=commodity_name,commodity_price=commodity_price,member_price=member_price,cost_price=cost_price,unit=unit,quantity=quantity,actual_price=actual_price)
          )
      WITH BROKER 'broker1' 
          ( 
            'username' = 'hdfs', 
            'password' = '' 
          )
      PROPERTIES
      (
          'timeout'='1200',
          'max_filter_ratio'='0.1'
      );
    • 查看导入状态
      您可以通过下面的命令查看上面导入任务的状态信息。
      show load order by createtime desc limit 1\G;
      如果状态信息出现"Scan bytes per file scanner exceed limit: 3221225472",说明导入失败,需要修改参数"max_bytes_per_broker_scanner",请参见Doris参数配置章节的FE节点参数说明表。
      图1 查看数据导入状态
  • 示例2,ORC格式表导入。
    • 在Hive中创建Hive分区表,ORC格式。
      CREATE TABLE `ods_demo_orc_detail`(
        `id` string, 
        `store_id` string, 
        `company_id` string, 
        `tower_id` string, 
        `commodity_id` string, 
        `commodity_name` string, 
        `commodity_price` double, 
        `member_price` double, 
        `cost_price` double, 
        `unit` string, 
        `quantity` double, 
        `actual_price` double
      )
      PARTITIONED BY (day string)
      row format delimited fields terminated by ','
      lines terminated by '\n'
      STORED AS ORC;
    • 查询Source表写入分区表。
      insert overwrite table ods_demo_orc_detail partition(day) select * from ods_source;
    • 创建Doris表。
      CREATE TABLE `doris_ods_orc_detail` (
        `rq` date NULL,
        `id` varchar(32) NOT NULL,
        `store_id` varchar(32) NULL,
        `company_id` varchar(32) NULL,
        `tower_id` varchar(32) NULL,
        `commodity_id` varchar(32) NULL,
        `commodity_name` varchar(500) NULL,
        `commodity_price` decimal(10, 2) NULL,
        `member_price` decimal(10, 2) NULL,
        `cost_price` decimal(10, 2) NULL,
        `unit` varchar(50) NULL,
        `quantity` int(11) NULL,
        `actual_price` decimal(10, 2) NULL
      ) ENGINE=OLAP
      UNIQUE KEY(`rq`, `id`, `store_id`)
      PARTITION BY RANGE(`rq`)
      (
      PARTITION P_202204 VALUES [('2022-04-01'), ('2022-08-30')))
      DISTRIBUTED BY HASH(`store_id`) BUCKETS 1
      PROPERTIES (
      'replication_allocation' = 'tag.location.default: 3',
      'dynamic_partition.enable' = 'true',
      'dynamic_partition.time_unit' = 'MONTH',
      'dynamic_partition.start' = "-2147483648",
      'dynamic_partition.end' = '2',
      'dynamic_partition.prefix' = 'P_',
      'dynamic_partition.buckets' = '1',
      'in_memory' = 'false',
      'storage_format' = 'V2');
    • 导入数据。
      LOAD LABEL orc_2022_02_17
      (
          DATA INFILE("hdfs://{hdfs远端ip}:{hdfs远端端口号}/user/hive/warehouse/ods_demo_orc_detail/*/*")
          INTO TABLE doris_ods_orc_detail
          COLUMNS TERMINATED BY ","
          FORMAT AS 'orc'
      (id,store_id,company_id,tower_id,commodity_id,commodity_name,commodity_price,member_price,cost_price,unit,quantity,actual_price) 
          COLUMNS FROM PATH AS (`day`)
         SET 
         (rq = str_to_date(`day`,'%Y-%m-%d'),id=id,store_id=store_id,company_id=company_id,tower_id=tower_id,commodity_id=commodity_id,commodity_name=commodity_name,commodity_price=commodity_price,member_price=member_price,cost_price=cost_price,unit=unit,quantity=quantity,actual_price=actual_price)
          )
      WITH BROKER 'broker1' 
          ( 
            'username' = 'hdfs', 
            'password'= "" 
          )
      PROPERTIES
      (
          'timeout'="1200",
          'max_filter_ratio'="0.1"
      );
    • 查询导入数据。
      show load order by createtime desc limit 1\G;
  • 示例3,OBS格式数据导入。
    • 创建Doris表。
      CREATE TABLE `obs_detail_test` (
        `id` varchar(32) NOT NULL,
        `store_id` varchar(32) NULL,
        `company_id` varchar(32) NULL,
        `tower_id` varchar(32) NULL,
        `commodity_id` varchar(32) NULL,
        `commodity_name` varchar(500) NULL,
        `commodity_price` decimal(10, 2) NULL,
        `member_price` decimal(10, 2) NULL,
        `cost_price` decimal(10, 2) NULL,
        `unit` varchar(50) NULL,
        `quantity` int(11) NULL,
        `actual_price` decimal(10, 2) NULL
      ) ENGINE=OLAP
      UNIQUE KEY(`id`, `store_id`)
      DISTRIBUTED BY HASH(`store_id`) BUCKETS 1
      PROPERTIES (
      'replication_allocation' = 'tag.location.default: 3',
      'in_memory' = 'false',
      'storage_format' = 'V2'
      );
    • 将OBS数据导入到Doris表。

      构造text数据100条,该数据与Doris表字段对应,将数据上传到OBS桶。

      fs.obs.access.key, fs.obs.secret.key,fs.obs.endpoint获取方式如下所示:

      LOAD LABEL label_2023021801
      (
      DATA INFILE("obs://xxx/source_text2.txt")
      INTO TABLE `obs_detail_test`
      COLUMNS TERMINATED BY "," (id,store_id,company_id,tower_id,commodity_id,commodity_name,commodity_price,member_price,cost_price,unit,quantity,actual_price)
      ) 
      WITH BROKER 'broker1' (
      'fs.obs.access.key' = 'xxx',
      'fs.obs.secret.key' = 'xxxxxx',
      'fs.obs.endpoint' = 'xxxxxx'
      )
      PROPERTIES
      (
      'timeout'="1200",
      'max_filter_ratio'='0.1'
      );
    • 查询数据。
      show load order by createtime desc limit 1\G;
  • 示例4,使用With HDFS方式将HDFS的数据导入Doris表。
    • 创建Doris表。
      CREATE TABLE `ods_dish_detail_test` (
        `id` varchar(32) NOT NULL,
        `store_id` varchar(32) NULL,
        `company_id` varchar(32) NULL,
        `tower_id` varchar(32) NULL,
        `commodity_id` varchar(32) NULL,
        `commodity_name` varchar(500) NULL,
        `commodity_price` decimal(10, 2) NULL,
        `member_price` decimal(10, 2) NULL,
        `cost_price` decimal(10, 2) NULL,
        `unit` varchar(50) NULL,
        `quantity` int(11) NULL,
        `actual_price` decimal(10, 2) NULL
      ) ENGINE=OLAP
      UNIQUE KEY(`id`, `store_id`)
      DISTRIBUTED BY HASH(`store_id`) BUCKETS 1
      PROPERTIES (
      'replication_allocation' = 'tag.location.default: 3',
      'in_memory' = 'false',
      'storage_format' = 'V2'
      ); 
    • 导入数据。

      构造text数据100条,该数据与Doris表字段对应。

      LOAD LABEL label_2023021703
              (
                  DATA INFILE("hdfs://{hdfs远端ip}:{hdfs远端端口号}/tmp/source_text2.txt")
                  INTO TABLE `ods_dish_detail_test`
                  COLUMNS TERMINATED BY "," (id,store_id,company_id,tower_id,commodity_id,commodity_name,commodity_price,member_price,cost_price,unit,quantity,actual_price)
              ) 
              with HDFS (
                  'fs.defaultFS'="hdfs://{hdfs远端ip}:{hdfs远端端口号}",
                  'hadoop.username'="hdfs",
                  'password'=""
              )
              PROPERTIES
              (
                  'timeout'="1200",
                  'max_filter_ratio'='0.1'
              );
    • 查询数据。
      show load order by createtime desc limit 1\G;

取消导入

当Broker load作业状态不为CANCELLED或FINISHED时,可以被用户手动取消。取消时需要指定待取消导入任务的Label 。

相关系统配置

  • FE配置。

    下面几个配置属于Broker load的系统级别配置,也就是作用于所有Broker load导入任务的配置。主要通过修改FE配置项来调整配置值。

    • max_bytes_per_broker_scanner/max_broker_concurrency

      max_bytes_per_broker_scanner配置限制了单个BE处理的数据量的最大值。max_broker_concurrency配置限制了一个作业的最大的导入并发数。最小处理的数据量(默认64M),最大并发数,源文件的大小和当前集群BE的个数 共同决定了本次导入的并发数。

      本次导入并发数=Math.min(源文件大小/最小处理量(默认64M),最大并发数,当前BE节点个数)。
      本次导入单个BE的处理量=源文件大小/本次导入的并发数。

      通常一个导入作业支持的最大数据量为max_bytes_per_broker_scanner*BE节点数。如果需要导入更大数据量,则需要适当调整max_bytes_per_broker_scanner参数的大小。

      默认配置:

      • 参数名:max_broker_concurrency, 默认10。
      • 参数名:max_bytes_per_broker_scanner,默认3G,单位bytes。

最佳实践

  • 应用场景。

    使用Broker load最适合的场景就是原始数据在文件系统(HDFS,BOS,AFS)中的场景。其次,由于Broker load是单次导入中唯一的一种异步导入的方式,所以如果用户在导入大文件中,需要使用异步接入,也可以考虑使用Broker load。

  • 数据量。

    这里仅讨论单个BE的情况,如果用户集群有多个BE则下面标题中的数据量应该乘以BE个数来计算。比如:如果用户有3个BE,则3G以下(包含)则应该乘以3,也就是9G以下(包含)。

    • 3G以下(包含):用户可以直接提交Broker load创建导入请求。
    • 3G以上:由于单个导入BE最大的处理量为3G,超过3G的待导入文件就需要通过调整Broker load的导入参数来实现大文件的导入。
      • 根据当前BE的个数和原始文件的大小修改单个BE的最大扫描量和最大并发数。
        修改fe配置项。
        max_broker_concurrency=BE个数。
        当前导入任务单个BE处理的数据量=原始文件大小/max_broker_concurrency。
        max_bytes_per_broker_scanner >=当前导入任务单个BE处理的数据量。
        比如一个100G的文件,集群的BE个数为10个。
        max_broker_concurrency=10。
        max_bytes_per_broker_scanner >=10G=100G/10。

        修改后,所有的BE会并发的处理导入任务,每个BE处理原始文件的一部分。

        上述两个FE中的配置均为系统配置,也就是说其修改是作用于所有的Broker load的任务的。

      • 在创建导入的时候自定义当前导入任务的timeout时间。

        这时候不推荐用户将导入最大超时时间直接改大来解决问题。单个导入时间如果超过默认的导入最大超时时间4小时,最好是通过切分待导入文件并且分多次导入来解决问题。主要原因是:单次导入超过4小时的话,导入失败后重试的时间成本很高。

        可以通过如下公式计算出Doris集群期望最大导入文件数据量:

        期望最大导入文件数据量=14400s*10M/s*BE个数。
        比如:集群的BE个数为10个。
        期望最大导入文件数据量=14400s*10M/s*10 =1440000M≈1440G。

        一般用户的环境可能达不到10M/s的速度,所以建议超过500G的文件都进行文件切分,再导入。

作业调度

系统会限制一个集群内正在运行的Broker Load作业数量,以防止同时运行过多的Load作业。

首先,FE的配置参数:desired_max_waiting_jobs会限制一个集群内未开始或正在运行(作业状态为PENDING或LOADING)的Broker Load作业数量。默认为100。如果超过这个阈值,新提交的作业将会被直接拒绝。

一个Broker Load作业会被分为pending task和loading task阶段。其中pending task负责获取导入文件的信息,而loading task会发送给BE执行具体的导入任务。

FE的配置参数async_pending_load_task_pool_size用于限制同时运行的pending task的任务数量。也相当于控制了实际正在运行的导入任务数量。该参数默认为10。也就是说,假设用户提交了100个Load作业,同时只会有10个作业会进入LOADING状态开始执行,而其他作业处于PENDING等待状态。

FE的配置参数async_loading_load_task_pool_size用于限制同时运行的loading task的任务数量。一个Broker Load作业会有1 pending task和多个loading task(等于LOAD语句中DATA INFILE子句的个数)。所以async_loading_load_task_pool_size应该大于等于async_pending_load_task_pool_size。

性能分析

可以在提交LOAD作业前,先执行set enable_profile=true打开会话变量。然后提交导入作业。待导入作业完成后,可以在FE的web页面的Queris标签中查看到导入作业的Profile。

相关文档