大网数据广告活动
数据库部署与 SQL 参考

Apache Doris 中文参考:Fluss Catalog

· 52CE 我爱测

Doris 可以通过 Fluss Catalog 读取 Apache Fluss 中的表。Fluss 是面向实时分析的流存储系统,表里的数据可以由分层服务(Tiering Service)持续写入 Paimon 数据湖。Doris 既能直接读 Fluss 里的实时数据,也能把 Paimon 里已分层的历史数据和 Fluss 日志里还没分层的增量数据合并成一张表来查,这种读法称为 Union Read。

Doris 可以通过 Fluss Catalog 读取 Apache Fluss 中的表。Fluss 是面向实时分析的流存储系统,表里的数据可以由分层服务(Tiering Service)持续写入 Paimon 数据湖。Doris 既能直接读 Fluss 里的实时数据,也能把 Paimon 里已分层的历史数据和 Fluss 日志里还没分层的增量数据合并成一张表来查,这种读法称为 Union Read。

  • 该功能为实验功能,自 5.0.0 版本开始支持。
  • 当前仅支持读取 Fluss 表,不支持写入以及库表管理操作。
  • 湖仓分层表的湖端格式目前仅支持 Paimon。

适用场景

场景 说明
实时查询 直接查询 Fluss 日志表和主键表中的最新数据。
Union Read 开启了湖仓分层的表,一次查询同时读 Paimon 湖里已分层的历史数据和 Fluss 日志里尚未分层的增量数据,也就是湖与日志的联合读取。
数据集成 读取 Fluss 数据写入 Doris 内表,或与内表及其他 Catalog 中的表做联邦查询。
数据写回 暂不支持。

工作原理

Fluss 的表有三种形态,读法各不相同:

表类型 读取方式
日志表(Log Table) 读取 Fluss 的日志,每个 Bucket 生成一个扫描范围。
主键表(Primary-Key Table) 读取每个 Bucket 最新的 KV 快照,再叠加快照之后的变更日志,按主键合并出最新状态。
湖仓分层表(table.datalake.enabled = true) 读取 Paimon 湖中已分层的数据,再叠加分层位点之后的 Fluss 日志,在一次扫描中合并,即 Union Read。

湖端部分由 Doris 内置的 Paimon Connector 读取,Fluss Catalog 自己不实现。Fluss 会为每张分层表记录一个可读的 Paimon 快照,Doris 按这个快照读 Paimon 数据,原生的 ORC/Parquet 读取器和文件缓存都能直接用上。

对分层的主键表做 Union Read 时,按主键合并两部分数据。FE 规划时给每个 Bucket 的湖端 Split 带上该 Bucket 日志尾部的位点范围;BE 读湖端数据时,丢掉已经被日志尾部更新或删除的行;日志尾部自己的最新状态再作为单独的扫描范围输出一次。每行数据只输出一次,结果和只从 Fluss 读整张表相同。

配置 Catalog

语法

CREATE CATALOG [IF NOT EXISTS] catalog_name PROPERTIES (
    'type' = 'fluss',
    'fluss.bootstrap.servers' = '<bootstrap_servers>',
    {FlussProperties},
    {LakeProperties},
    {CommonProperties}
);
  • <bootstrap_servers>

    必填。Fluss 集群的引导地址,逗号分隔的 host:port 列表,一般填 CoordinatorServer 的地址,如 'fluss.bootstrap.servers' = '10.0.0.1:9123,10.0.0.2:9123'。

  • {FlussProperties}

    FlussProperties 部分用于填写 Fluss Catalog 特有的参数。

    参数名 必填 默认值 说明
    fluss.union_read.mode 否 auto 湖仓分层表的 Union Read 模式,可选 auto、required、disabled。详见【Union Read 模式】。
    fluss.union_read.max_tail_rows 否 2000000 对主键表做 Union Read 时,单个 Bucket 的日志尾部允许包含的最大行数。详见【Union Read 模式】。
    fluss.union_read.max_total_tail_rows 否 20000000 对主键表做 Union Read 时,一次扫描涉及的所有 Bucket 的日志尾部允许包含的最大总行数。不能小于 fluss.union_read.max_tail_rows。
    enable.mapping.varbinary 否 false 是否将 Fluss 的 BINARY/BYTES 类型映射为 Doris 的 varbinary。默认映射为 string。
    enable.mapping.timestamp_tz 否 false 是否将 Fluss 的 TIMESTAMP_LTZ 类型映射为 Doris 的 timestamptz。默认映射为 datetime。

    除了上面这些 Doris 专用参数和 fluss.lake.paimon.*,其他 fluss. 前缀的属性都会去掉前缀后原样交给 Fluss 客户端,FE 和 BE 用同一套。Doris 不限制参数名,Fluss 客户端认识的配置项都能这样传。比如 Fluss 集群开了 SASL 认证,可以这样填:

    'fluss.client.security.protocol' = 'sasl',
    'fluss.client.security.sasl.mechanism' = 'PLAIN',
    'fluss.client.security.sasl.username' = '<username>',
    'fluss.client.security.sasl.password' = '<password>'
    

    参数列表见 Fluss 配置文档 和 Fluss 认证文档。

    FE 和 BE 的 Fluss 客户端配置只有一处不同:网络线程数。BE 上的每个 Fluss 连接同一时间只服务一个扫描范围,所以 Catalog 没有设置 fluss.netty.client.num-network-threads 时,BE 的连接只开 1 个网络线程,以节省 BE 上的线程和文件句柄;FE 的连接仍用 Fluss 客户端的默认值。一般不需要设置这个参数,设置之后 FE 和 BE 都用设置的值。

  • {LakeProperties}

    LakeProperties 部分填写湖仓分层表对应的 Paimon 湖的连接信息,前缀为 fluss.lake.paimon.。前缀后面的写法和 Fluss 集群 server.yaml 里 datalake.paimon.* 的写法一样,可以直接复制过来。详见【湖表连接配置】。

  • {CommonProperties}

    CommonProperties 部分用于填写通用属性。请参阅数据目录概述中【通用属性】部分。

示例

最简配置。只读 Fluss 自身的数据,或者湖所在的存储不需要凭证时,这样就够了:

CREATE CATALOG fluss PROPERTIES (
    'type' = 'fluss',
    'fluss.bootstrap.servers' = '10.0.0.1:9123'
);

Paimon 湖放在对象存储上(以 S3 兼容存储为例):

CREATE CATALOG fluss_lake PROPERTIES (
    'type' = 'fluss',
    'fluss.bootstrap.servers' = '10.0.0.1:9123',
    'fluss.lake.paimon.s3.endpoint' = 'http://minio:9000',
    'fluss.lake.paimon.s3.access-key' = '<ak>',
    'fluss.lake.paimon.s3.secret-key' = '<sk>'
);

Fluss 集群开启了 SASL 认证:

CREATE CATALOG fluss_sasl PROPERTIES (
    'type' = 'fluss',
    'fluss.bootstrap.servers' = '10.0.0.1:9123',
    'fluss.client.security.protocol' = 'sasl',
    'fluss.client.security.sasl.mechanism' = 'PLAIN',
    'fluss.client.security.sasl.username' = '<username>',
    'fluss.client.security.sasl.password' = '<password>'
);

部署要求

  • FE 用 Fluss 客户端读元数据、做查询规划,BE 用它读数据。两者都要能访问 Fluss 集群的 CoordinatorServer 和 TabletServer。
  • BE 会复用到 Fluss 集群的连接:一个扫描范围读完后,连接留给后面的扫描范围和查询接着用,空闲超过 60 秒才关闭。所以查询结束后,Fluss 一侧仍能看到来自 BE 的连接。连接按客户端配置区分,修改 Catalog 属性(比如 SASL 用户名和密码)之后,BE 会按新配置建立新连接。
  • 主键表的 KV 快照和已归档的日志段放在 Fluss 配置的远端存储(remote.data.dir)里,BE 会直接读这些文件,因此也要能访问这个远端存储。
  • 读湖仓分层表时,FE 和 BE 都要能访问 Paimon 湖所在的存储。
  • 湖端数据由 Doris 内置的 Paimon Connector 插件读取,插件随 Doris 一起发布,不用单独安装。

依赖的 Fluss 版本

Doris 版本 Fluss 客户端版本
5.0 1.0

不支持 1.0 之前的 Fluss 集群:Doris 依赖的客户端接口从 Fluss 1.0 才开始提供。

元数据映射

Fluss 的元数据层级是 Database -> Table,和 Doris 一一对应,没有额外的命名映射。

开启了湖仓分层的表,SHOW TABLES 只列出表本身。tbl$lake 和 tbl$log 是同一张表的两种读法,不会单独出现在列表里。

SHOW CREATE TABLE 会显示 Fluss 表的列和注释,但不包含表属性。要确认表有没有开湖仓分层(table.datalake.enabled)、用的是哪种湖格式(table.datalake.format),需要到 Fluss 一侧查看表定义,比如在 Flink SQL 里查看。在 Doris 里,只有开启了湖仓分层的表才有 tbl$lake 和 tbl$log。

列类型映射

Fluss Type Doris Type Comment
BOOLEAN boolean
TINYINT tinyint
SMALLINT smallint
INT int
BIGINT bigint
FLOAT float
DOUBLE double
DECIMAL(P, S) decimal(P, S)
CHAR(N) char(N) N 大于 255 时映射为 string
STRING string
BINARY(N) string / varbinary(N) 由 enable.mapping.varbinary 控制。默认为 false,映射为 string;为 true 时映射为 varbinary
BYTES string / varbinary 同上
DATE date
TIME UNSUPPORTED Doris 没有语义相同的类型。表里其他列照常可以查,只有查到这一列时报错
TIMESTAMP(P) datetime(P) 精度大于 6 时映射为 datetime(6),可能丢失精度
TIMESTAMP_LTZ(P) datetime(P) / timestamptz(P) 精度大于 6 时映射为精度 6。由 enable.mapping.timestamp_tz 控制。默认为 false,映射为 datetime;为 true 时映射为 timestamptz
ARRAY array
MAP map
ROW struct

注:

TIMESTAMP_LTZ 列在 DESCRIBE 语句的 Extra 列中会显示 WITH_TIMEZONE。映射为 datetime 时,Doris 会按当前会话时区(SET time_zone = <tz>)转换后返回。

开启了湖仓分层的表,tbl 和 tbl$lake 的列类型一致。上面的映射规则和 Fluss 写入 Paimon 时的类型转换、Paimon Catalog 的类型映射是对齐的。

分区表

分区列在 Doris 里就是普通列,SHOW PARTITIONS 以 k1=v1/k2=v2 的形式列出分区。查询时分区列上的谓词用于分区裁剪,少读一些 Bucket。

Fluss 只在分区名里保存分区值,分区名不允许出现的字符(比如 .、:)会被替换成 _。只有分区值能原样写进分区名的类型,Doris 才能读:

  • 支持:CHAR、STRING、BOOLEAN、TINYINT、SMALLINT、INT、BIGINT、DATE,以及未开启 enable.mapping.varbinary 时的 BINARY/BYTES(分区值为字节的十六进制文本)。
  • 不支持:FLOAT、DOUBLE、TIME、TIMESTAMP、TIMESTAMP_LTZ。这类表可以 DESCRIBE,但查询和 SHOW PARTITIONS 会报错,错误信息里会指出是哪个分区列。

查询操作

基础查询

-- 切换到 Catalog 后查询
SWITCH fluss;
USE db;
SELECT * FROM tbl LIMIT 10;

-- 使用全限定名
SELECT * FROM fluss.db.tbl WHERE dt = '20260101';

日志表读到查询规划那一刻为止的全部日志,同一分区里的各个 Bucket 用同一时刻的位点,一次查询看到的是一致的视图。主键表返回每个主键的最新状态,删掉的主键不会出现在结果里。

湖仓分层表与 Union Read

对于 table.datalake.enabled = true 的表,Doris 提供三种读法。默认读法把湖和日志合在一起读,称为 Union Read:

SELECT * FROM fluss.db.tbl;         -- Union Read:湖 + 日志合并后的完整数据(默认)
SELECT * FROM fluss.db.`tbl$lake`;  -- 只读 Paimon 湖中已分层的数据
SELECT * FROM fluss.db.`tbl$log`;   -- 只读 Fluss 日志中尚未分层的数据

tbl$lake 和 tbl$log 按数据所在位置划分,互不重叠,合起来就是 tbl 的全部数据。名字说的是数据在哪里,不是数据有多新:分层服务停了,tbl$log 仍然是还留在日志里的那部分。

tbl$lake

  • 由 Paimon Connector 直接读分层服务写出的 Paimon 表。由 Fluss 1.0 分层的表,tbl$lake 的列和 tbl 完全相同。早期 Fluss 版本给湖表附加的 __bucket、__offset、__timestamp 三个系统列已经没有了。
  • 按 Fluss 记录的可读湖快照读湖;还没有可读湖快照时,读湖表的最新状态。Fluss 创建表时就会建好对应的 Paimon 表,所以分层服务提交数据之前,查 tbl$lake 返回空结果,不会报错。
  • Doris 按当前的湖连接配置找不到湖表时,查询报错 nothing has been tiered。这通常说明 fluss.lake.paimon.warehouse 等配置没有指向 Fluss 集群实际写入的仓库。参见【湖表连接配置】。
  • 不支持 Paimon Catalog 的时间旅行和增量查询。

tbl$log

  • 从湖快照对应的日志位点开始读,只返回这个位点之后写入的数据。
  • 只支持日志表。主键表在湖快照之后的日志是一段变更流,里面有对湖中已有主键的更新和删除,没法作为一组独立的行返回,查主键表的 $log 会报错。
  • 表必须已经有可读的湖快照,否则报错。
  • 未开启湖仓分层的表没有 $lake 和 $log。

Union Read 模式

查询湖仓分层表本身(即 SELECT * FROM tbl)时是否做 Union Read,由 Catalog 属性 fluss.union_read.mode 决定:

取值 行为
auto(默认) 有可读的湖快照时做 Union Read;条件不满足时退回为从 Fluss 读取,不报错。具体情形见下文。
required 必须 Union Read,条件不满足时报错,不退回。
disabled 不做 Union Read,只读 Fluss 里当前的数据,不看湖里的数据,只存在于湖里的分区也读不到。

会话变量 fluss_union_read_mode 可以在当前会话内覆盖 Catalog 的设置:

SET fluss_union_read_mode = 'required';  -- 不允许退回为只读 Fluss,退回时直接报错
SET fluss_union_read_mode = 'disabled';  -- 只从 Fluss 读取
SET fluss_union_read_mode = '';          -- 默认值,跟随 Catalog 的设置

只想对单条语句生效时,用 SET_VAR Hint:

SELECT /*+ SET_VAR(fluss_union_read_mode='required') */ * FROM fluss.db.tbl;

Union Read 模式决定数据从哪条路径读出来。只要 Fluss 里还保留着表的全部数据,也就是没有日志按 TTL 过期,也没有分区已经从 Fluss 删掉而湖里还留着,三种模式返回的行就是一样的。required 适合回归测试和排查问题,读取路径不符合预期时直接报错,而不是换条路径把结果读出来。

auto 模式下的退回情形

情形 说明
没有可读的湖快照 分层服务还没提交过数据,此时全部数据都在 Fluss 里,整张表只从 Fluss 读取。
key-type 主键表的某个主键列(分区列除外)是湖端和日志端无法精确比较的类型:FLOAT、DOUBLE、TIME、精度大于 6 的 TIMESTAMP,以及 TIMESTAMP_LTZ。enable.mapping.timestamp_tz 为 false(默认)时,任意精度的 TIMESTAMP_LTZ 列都属于这种情况,因为在夏令时回拨的重叠时段里,两个不同的时刻会对应同一个本地时间;为 true 时,只有精度大于 6 的才属于这种情况。
partition-type 主键表的分区列不是 STRING。湖端 Split 要靠分区值的文本形式匹配到 Fluss 分区,只有 STRING 能保证两边写法一致。
tail-truncated 主键表湖快照之后的日志已经被 Fluss 按 TTL 删掉了一部分,日志尾部读不全。
tail-too-large 主键表的日志尾部行数超过了 fluss.union_read.max_tail_rows 或 fluss.union_read.max_total_tail_rows。

后四种情形只针对主键表,EXPLAIN 会在 degraded 字段里给出原因。主键表退回时,Fluss 里还在的分区从 Fluss 完整读取,不丢数据,因为 Fluss 保存着这些分区的完整状态,只是这部分用不上湖里的列存文件,读起来慢一些;已经从 Fluss 删掉、但湖里还留着的分区(比如因分区过期被删),仍然从湖里读。未分区的表整张从 Fluss 读取。

partition-type 情形下,Doris 没法可靠地判断湖端 Split 属于哪个 Fluss 分区。如果湖里有 Fluss 已经没有的分区,或者某个分区值在两边的写法不同,查询会报错 cannot be matched safely to a live fluss partition,不会退回。这时可以把 Union Read 模式设为 disabled,只读 Fluss 里的数据。

日志表不同,只读 Fluss 拿到的是 Fluss 日志里还留着的数据,早期日志按 TTL 过期后,结果会比 Union Read 少。已经分层的日志表不建议用 disabled。日志尾部不完整时,日志表也不会退回:湖快照之后的日志如果已经过期了一部分,auto 和 required 模式下的 Union Read 都会报错 Part of the log tail has expired,查询 tbl$log 在任何模式下也会报这个错。可以等 Fluss 发布更新的可读湖快照。

日志尾部行数上限

对主键表做 Union Read 时,BE 要把每个 Bucket 的日志尾部放在内存里:一份是用来过滤湖端数据的主键集合,一份是尾部自己要输出的行。为了限制内存占用,fluss.union_read.max_tail_rows 限制单个 Bucket 的尾部行数(默认 200 万行),fluss.union_read.max_total_tail_rows 限制一次扫描所有 Bucket 尾部的总行数(默认 2000 万行)。两个上限都在规划阶段按 Fluss 上报的位点检查。正常情况下,日志尾部只是一个 table.datalake.freshness 周期内写入的数据,离默认上限很远;碰到上限,多半是分层服务停了或者严重滞后。尾部要输出的行放在 BE 的 JVM 堆里,调大这两个上限之前,先确认 JVM 堆够用,参见【BE JVM 堆内存】。

通过 EXPLAIN 确认读取路径

EXPLAIN 输出中的 flussScan 行会显示本次查询实际的读取方式:

flussScan: readMode=default, unionRead=yes, lakeSplits=3, suppressedLakeSplits=1, logRanges=0, pkRanges=0, pkTailRanges=1, mode=auto
字段 含义
readMode default 表示读取整张表,log 表示读取的是 tbl$log。
unionRead 是否做了 Union Read。查 tbl$log 时也是 yes,因为它的起始位点来自湖快照,此时 lakeSplits 为 0。
lakeSplits 湖端 Split 数量。
suppressedLakeSplits 其中需要按日志尾部过滤的湖端 Split 数量,仅主键表有。
logRanges 日志表的日志扫描范围数量。
pkRanges 主键表从 Fluss 整体读取(KV 快照 + 变更日志)的 Bucket 数量。
pkTailRanges 主键表 Union Read 时,日志尾部的扫描范围数量。
mode 生效的 Union Read 模式。来自会话变量时带 (session) 后缀。
degraded 只在 auto 模式下主键表退回时出现,值是上表中的 key-type、partition-type、tail-truncated、tail-too-large 之一。没有可读湖快照的情形不在这里体现,只表现为 unionRead=no。只存在于湖里的分区仍从湖里读时,unionRead=yes 和 degraded 会同时出现。

湖表连接配置

Fluss 集群会把 server.yaml 里的 datalake.paimon.* 配置写进每张分层表的属性,Doris 据此构造 Paimon 湖的连接信息。多数情况下 Catalog 里不用再配湖的连接方式。

不过 Fluss 在把表属性返回给客户端之前,会删掉所有名字里含 key、secret 或 password 的配置项。Paimon 湖放在需要凭证的对象存储上时,Doris 拿不到凭证,必须在 Catalog 里用 fluss.lake.paimon. 前缀补上:

CREATE CATALOG fluss PROPERTIES (
    'type' = 'fluss',
    'fluss.bootstrap.servers' = '10.0.0.1:9123',
    'fluss.lake.paimon.s3.endpoint' = 'http://minio:9000',
    'fluss.lake.paimon.s3.access-key' = '<ak>',
    'fluss.lake.paimon.s3.secret-key' = '<sk>'
);

前缀后面用 Paimon 自己的参数写法,和 Fluss server.yaml 里 datalake.paimon. 后面的部分一样,直接复制即可:

Fluss server.yaml Doris Catalog 属性
datalake.paimon.warehouse: s3://bucket/lake 'fluss.lake.paimon.warehouse' = 's3://bucket/lake'
datalake.paimon.metastore: filesystem 'fluss.lake.paimon.metastore' = 'filesystem'
datalake.paimon.s3.endpoint: http://minio:9000 'fluss.lake.paimon.s3.endpoint' = 'http://minio:9000'

覆盖是按 Key 进行的,不是整体替换。Catalog 里指定的 Key 覆盖 Fluss 集群上报的同名配置,没指定的仍然用集群的。只填凭证时,warehouse、metastore 等仍然来自集群。

其中存储类参数(凭证、会话令牌、Endpoint、Region、寻址方式,以及 Hadoop 相关配置)不会交给 Paimon Catalog,而是转成 Doris 自己的存储参数名,由 Doris 的存储层统一生效。原因是这些配置要同时给 FE(读 Manifest)和 BE(读数据文件)用,只有走存储层两边才是同一套。对应关系如下:

Paimon 参数写法 对应的 Doris 存储参数
s3.access-key / s3.access.key / fs.s3a.access.key s3.access_key
s3.secret-key / s3.secret.key / fs.s3a.secret.key s3.secret_key
s3.session-token / s3.session.token / fs.s3a.session.token s3.session_token
s3.endpoint / fs.s3a.endpoint s3.endpoint
s3.region / fs.s3a.endpoint.region s3.region
s3.path-style-access / s3.path.style.access / fs.s3a.path.style.access use_path_style
fs.oss.accessKeyId oss.access_key
fs.oss.accessKeySecret oss.secret_key
fs.oss.endpoint oss.endpoint
fs.obs.access.key / fs.obs.access-key obs.access_key
fs.obs.secret.key / fs.obs.secret-key obs.secret_key
fs.obs.endpoint obs.endpoint

其他以 fs.、dfs.、hadoop. 开头的参数,比如 HDFS HA、Kerberos 相关配置,也交给 Doris 的存储层,参数名保持原样。

fluss.lake.paimon.metastore 支持 filesystem(默认)、hive 和 rest。其余参数,比如 Hive Metastore 地址、REST 认证信息,按 Paimon Catalog 的方式填写。

ALTER CATALOG 只能设置属性,不能删除属性。要撤销某个 fluss.lake.paimon.* 覆盖,把它设成空字符串,Doris 会重新使用 Fluss 集群上报的配置:

ALTER CATALOG fluss SET PROPERTIES ('fluss.lake.paimon.warehouse' = '');

一个 Fluss Catalog 只按一套湖配置读湖表。Fluss 集群改了 datalake.paimon.* 之后,需要删除并重新创建 Catalog,Doris 才会用上新的配置。REFRESH CATALOG 只清理元数据缓存,不会重新加载湖配置。

查询 Profile

一次 Fluss 扫描可能同时在读 Fluss 日志、Paimon 湖、覆盖湖端数据的日志尾部,还要做过滤,所以 Profile 按读取路径和范围类型分别统计耗时和行数,能看出时间花在哪一侧:

TableReader
├── FlussLogReadTime            8s25ms      Fluss 侧(JNI)总耗时
│   ├── FlussPkTailRangeNum          2      只注册本次扫描实际读取的范围类型
│   ├── FlussPkTailRangeReadTime  6s2ms
│   └── FlussLogRowsReturned         2
├── FlussLakeReadTime           8s25ms      Paimon 侧总耗时,包含尾部读取与过滤
│   ├── FlussLakeRangeNum            1
│   ├── FlussLakeSuppressRangeNum    2
│   └── FlussLakeRowsReturned        7      过滤后的行数;加上 FlussUnionSuppressedRows 即为过滤前的行数
├── FlussUnionTailReadTime      5s20ms      每个 Bucket 到 Fluss 的一次往返
└── FlussUnionSuppressTime      16.1us      按 Block 过滤,随湖端行数增长

某一侧的总耗时减去它下面各范围类型的耗时,就是初始化这个读取器的开销(JNI 类加载,或 Paimon 读取栈的初始化)。只读日志表的查询,Profile 里不会出现湖和主键相关的计数器。

读了湖端 Split 的扫描,TableReader 下还有下面几个计数器,对主键表做 Union Read 时才有实际数值:

计数器 含义
FlussUnionSuppressedRows 因为被日志尾部更新或删除而丢掉的湖端行数。
FlussUnionTailKeysRead 从日志尾部读到的变更日志记录数。
FlussUnionTailKeysRetained 为过滤湖端行而留在内存里的不重复主键数。
FlussUnionTailCacheHitCount 直接复用已读过的日志尾部的湖端 Split 数。同一 BE 上,同一 Bucket 的湖端 Split 共用读过的日志尾部。

从 Fluss 读取的部分由 JNI 读取器完成,它的计数器在 TableReader 下的 fluss 节点里,只出现在 Profile 的 DetailProfile 部分。其中下面几个和连接、JVM 堆有关:

计数器 含义
FlussJniConnectionsOpened 读取时新建的 Fluss 连接数。BE 会复用空闲的连接,紧接着重复执行的查询通常为 0。
JvmHeapDeclaredBytes 开启 JNI 堆准入后,读取器声明会占用的 JVM 堆内存。只有主键表整体读取和主键表 Union Read 的日志尾部会声明,其他读取为 0。参见【BE JVM 堆内存】。
JvmHeapWaitTime 开启 JNI 堆准入后,读取器排队等待 JVM 堆额度的时间。参见【BE JVM 堆内存】。

湖端 Split 走 Paimon JNI 读取时,同名的 JVM 堆计数器在 paimon 节点里。

查询性能

BE 读 Fluss 表有两条路径,开销差别很大:

  • C++ native reader。BE 直接读 Paimon 湖里的 ORC/Parquet 文件,和 Paimon Catalog 用的是同一套读取器,不经过 JVM,也能用上 Doris 的文件缓存。
  • JNI reader。BE 通过 JNI 调用 Fluss Java SDK 读 Fluss 自身的数据。日志、KV 快照、变更日志都只能这样读,每一批数据都要从 Java 对象转成 Doris 的列式 Block,比 native reader 慢得多。有些读取还要占用较多的 JVM 堆内存,参见【BE JVM 堆内存】。

走哪条路径由扫描范围的类型决定,对应 EXPLAIN 中 flussScan 行的各个计数:

读取内容 EXPLAIN 计数 读取路径
日志表的日志 logRanges JNI
主键表整体读取(KV 快照 + 变更日志) pkRanges JNI
Union Read 中主键表的日志尾部 pkTailRanges JNI
Union Read 中日志表的湖端 Split lakeSplits C++ native reader
Union Read 中主键表的湖端 Split lakeSplits、suppressedLakeSplits 按 Paimon Catalog 的规则决定,见下文。按日志尾部主键过滤湖端行的动作在 BE 的 C++ 里完成

tbl$lake 直接由 Paimon Connector 规划,EXPLAIN 里没有 flussScan 行,显示的是 paimonNativeReadSplits=N/M,表示 M 个 Split 中有 N 个走 native reader;它的 Profile 里也没有 Fluss 的计数器。

湖端 Split 由 Paimon Connector 规划,走不走 native reader 和查普通 Paimon 表时一样:

  • 日志表分层出来的是 Paimon Append 表,Split 都能直接读文件,全部走 native reader。
  • 主键表分层出来的是 Paimon 主键表。已经过 compaction、不需要和其他文件合并的 Split 走 native reader;刚写入还没 compaction 的文件,以及多个文件键范围重叠、需要 merge-on-read 的 Split,走 Paimon 的 JNI reader。
  • 会话变量 force_jni_scanner = true 会让湖端 Split 全部改走 JNI,只在排查问题时使用。

对已分层的表,Union Read 让湖里的那部分(通常是绝大部分数据)走 native reader,只有分层位点之后的少量日志走 JNI。分层越及时(table.datalake.freshness 越小),走 JNI 的部分越少,这也是分层表默认采用 Union Read 的原因。几点建议:

  • 分析历史数据、对新鲜度要求不高时,直接查 tbl$lake,完全不读 Fluss 日志:日志表全程走 native reader,主键表按上面的 Paimon 规则决定。
  • fluss.union_read.mode = disabled 会让整张表改走 JNI,除了排查问题不建议使用。
  • auto 模式退回时(EXPLAIN 里出现 degraded=),从 Fluss 读取的部分同样走 JNI,只有只存在于湖里的分区仍从湖里读。要留意 key-type 和 partition-type 两种情况,它们由表结构决定,得调整建表才能解决。
  • 主键表的 Union Read 要在每个 BE 上为每个 Bucket 额外读一次日志尾部的主键(Profile 里的 FlussUnionTailReadTime),同一 BE 上这个 Bucket 的其他湖端 Split 直接复用。尾部越长,开销越大。

要确认一条查询实际走了哪条路径,看 EXPLAIN 里 lakeSplits 与 logRanges、pkRanges、pkTailRanges 的比例,以及 Profile 里 FlussLakeReadTime 与 FlussLogReadTime 的耗时。

BE JVM 堆内存

BE 通过 JNI 读 Fluss 自身的数据,湖端需要合并的 Paimon Split 也走 JNI(见【查询性能】)。这些读取器都运行在 BE 内嵌的 JVM 里,和其他 Catalog 的 JNI 读取、Java UDF 共用一个堆。堆的上限由 be.conf 中 JAVA_OPTS_FOR_JDK_17 的 -Xmx 决定,默认 2 GB(-Xmx2048m)。

大部分读取边读边输出,只占几 MB 堆内存,比如日志表的日志。下面三种读取不一样,返回第一批数据之前就要把一部分数据放进堆里,一直占到读取结束:

读取内容 堆内存占用
主键表从 Fluss 整体读取(EXPLAIN 中的 pkRanges) 把 Bucket 最新 KV 快照之后的变更日志放进内存,按主键合并。快照之后的变更越多,占用越大。
主键表 Union Read 的日志尾部(pkTailRanges) 保留尾部里每个主键的最新一行。尾部越长,占用越大。
湖端需要合并的 Paimon Split(还没 compaction 的 Paimon 主键表) 每个参与合并的文件保留一个 Row Group,一个 Split 可能占上百 MB。

查询会并行读取多个扫描范围:每个扫描实例最多同时运行 max_file_scanners_concurrency(默认 16)个读取器,一个 BE 上还可能有多个实例、多个查询在同时读。几个占用大的读取器同时打开,就可能把堆用满,查询报错。错误信息里会给出堆的上限和处理办法:

errCode = 2, detailMessage = (10.0.0.3)[JNI_ERROR]OutOfMemoryError: Java heap space. BE's JVM is out of heap. Its maximum is 2048 MB, the -Xmx in JAVA_OPTS_FOR_JDK_17 of be.conf: raise it and restart the BE, or have the statement hold less of the heap at once - read with fewer scanners by setting max_file_scanners_concurrency below its default of 16, or set enable_jni_heap_admission = true to have JNI readers wait for room by the heap they declare. A statement that ran out of heap frees it only once its scanners have exited

堆内存不足时的处理

可以从下面几个方向入手:

  1. 调大 JVM 堆。修改 be.conf 中 JAVA_OPTS_FOR_JDK_17 的 -Xmx,重启 BE 后生效。经常查询主键表的集群,优先考虑这种做法。JVM 堆用的也是 BE 所在机器的内存,调大之前先确认内存够用。

  2. 少开几个读取器。调小 max_file_scanners_concurrency,同时打开的读取器少了,占用的堆也跟着减少,代价是读得慢一些:

    SET max_file_scanners_concurrency = 4;
    -- 只对单条语句生效
    SELECT /*+ SET_VAR(max_file_scanners_concurrency=4) */ * FROM fluss.db.tbl;
    
  3. 开启 JNI 堆准入,让这几种读取器按要占用的堆排队打开,见下文。

  4. 减少要放进堆里的数据。Fluss 做 KV 快照越频繁(Fluss 集群的 kv.snapshot.interval),快照之后的变更日志越短;分层越及时(table.datalake.freshness),日志尾部越短;湖端的 Paimon 主键表经过 compaction 后,Split 不用合并,改走 native reader,不占 JVM 堆。

JNI 堆准入

会话变量 enable_jni_heap_admission(默认 false)打开后,FE 规划查询时会估算上面三种读取器各要占用多少堆,随扫描范围一起交给 BE。BE 记着已经打开的读取器一共声明了多少:加上新读取器的声明,仍不超过 JVM 最大堆(即 -Xmx)的 jni_scanner_heap_budget_ratio 时才打开它,否则让它排队,等前面的读取器读完关闭、归还额度后再打开。

SET enable_jni_heap_admission = true;
-- 只对单条语句生效
SELECT /*+ SET_VAR(enable_jni_heap_admission=true) */ * FROM fluss.db.tbl;

打开后:

  • 只有上面三种读取器会声明并排队。日志表的日志、走 native reader 的湖端 Split 不声明,开不开这个变量都一样快。
  • 只会让读取器等待,不会改变查询结果。
  • 按先来后到排队,声明大的读取器不会一直被后来的小读取器插队。当前没有读取器占着额度时总会放行,所以声明比整个额度还大的读取器也能打开,只是独自运行。
  • 一个读取器最多等 jni_scanner_heap_max_wait_ms(默认 60 秒),超时后不再等,直接打开。
  • 额度按 BE 计算,这个 BE 上所有打开了该变量的查询共用。没打开的查询不声明、不排队,也不占额度。多个查询同时读主键表时,可以用 SET GLOBAL enable_jni_heap_admission = true 让所有会话都打开。
  • 该变量同样作用于 Paimon Catalog 中走 JNI 读取的 Split。

相关的 BE 配置项都支持动态修改,修改方法见 BE 配置项:

配置项 默认值 说明
jni_scanner_heap_budget_ratio 0.5 已打开的读取器一共可以声明 JVM 最大堆的多少比例。其余的堆留给不声明的读取器、Java UDF 等 BE 中其他用到 JVM 的功能,以及读取时的瞬时峰值,不建议调得太高。
jni_scanner_heap_max_wait_ms 60000 一个读取器最多排队多久,单位为毫秒。超时后直接打开。

Profile 中的 JvmHeapDeclaredBytes 和 JvmHeapWaitTime(见【查询 Profile】)记录了读取器声明了多少堆、排队等了多久。JvmHeapWaitTime 经常很高,说明额度不够用,可以考虑调大 -Xmx。

声明值是估算出来的,这也是该变量默认关闭的原因:

  • 字符串、二进制和嵌套类型的值一律按 64 字节估算。值比较长的表,比如字符串列里存的是 JSON,或者主键是长字符串,实际占用会超过声明,准入拦不住,仍可能报 OutOfMemoryError。
  • Paimon 合并读取时会有短暂的峰值,可能达到声明值的几倍,这部分要靠额度之外的堆来承担。
  • 日志里同一个主键被反复更新时,声明值会大于实际占用,读取器可能多排一会儿队,查询变慢。

堆耗尽之后

  • 报 OutOfMemoryError 的查询失败,BE 进程继续运行。
  • 这个查询的读取器全部退出后,它占用的堆才会释放。在此之前执行的查询可能报 Failed to attach the current thread to the JVM, code=-1,后面同样附带上述处理建议,稍等一会儿再重试即可。
  • 堆耗尽时,Fluss 客户端的个别后台线程可能随之终止且不会恢复,少数 Fluss 读取会因此一直卡住,占用的线程和内存要等 BE 重启才能释放。所以发生过 JVM 堆耗尽之后,建议找合适的时间重启 BE。
  • 如果希望 JVM 堆耗尽时 BE 立即退出,由外部的进程守护工具拉起,可以在 JAVA_OPTS_FOR_JDK_17 中加上 -XX:+ExitOnOutOfMemoryError。代价是这个 BE 上正在执行的查询和导入都会失败。

使用限制

  • 只读。不支持 INSERT、UPDATE、DELETE,也不支持 CREATE TABLE、DROP TABLE 这类库表管理操作。
  • 湖格式只支持 Paimon。table.datalake.format 是其他格式的表,查 tbl$lake 会报错;这类表有了可读的湖快照之后,在 auto 和 required 模式下查表本身也会报错,需要把 Union Read 模式设为 disabled,只读 Fluss 里的数据。
  • Fluss 的 TIME 类型映射为 UNSUPPORTED,这一列查不了。
  • 谓词不下推到 Fluss:除分区裁剪外,从 Fluss 读出的数据由 Doris 读到之后再过滤。湖端规划 Split 时会把过滤条件交给 Paimon,由 Paimon 据此跳过不需要的分区和数据文件。列裁剪和嵌套类型的子列裁剪都支持。
  • 不支持时间旅行和增量查询,tbl$lake 也不支持。
  • Fluss 只提供表级行数,没有列级统计信息。

常见问题

  1. 查询湖仓分层表时报错 the paimon connector plugin is not available

    湖端数据靠 Paimon Connector 插件读取。检查 FE 部署目录下的 plugins/connector/paimon 目录是否完整。

  2. 查询 tbl$lake 或 Union Read 时报错,提示无法访问对象存储

    Fluss 不会下发存储凭证,需要在 Catalog 里用 fluss.lake.paimon.* 配上。参见【湖表连接配置】。

  3. 报错 has no readable lake snapshot yet

    分层服务还没往湖里提交过数据。查表本身时,只有 required 模式会报这个错,可以等分层服务提交,或者改用 auto。查 tbl$log 时任何模式都会报这个错,因为 tbl$log 要从湖快照开始读,这时改查表本身即可。

  4. 查询 tbl$lake 报错 nothing has been tiered

    Doris 按当前的湖连接配置找不到湖表。Fluss 1.0 创建表时就会建好湖表,所以这通常说明 fluss.lake.paimon.warehouse 等配置没有指向 Fluss 集群实际写入的仓库。参见【湖表连接配置】。

  5. 报错 is already serving lake tables with a different paimon configuration

    Catalog 开始读湖表之后,Fluss 集群的 datalake.paimon.* 配置变了。删除并重新创建 Catalog 即可,REFRESH CATALOG 不会重新加载湖配置。

  6. 报错 Part of the log tail has expired

    对日志表做 Union Read 或查询 tbl$log 时,需要读湖快照之后的日志,而其中一部分已经被 Fluss 按 TTL 删掉了。可以等 Fluss 发布更新的可读湖快照。参见【Union Read 模式】。

  7. 报错 cannot be read: its partition column 'xx' has fluss type TIMESTAMP(3)

    分区列的类型 Doris 读不了。参见【分区表】。

  8. 报错 cannot be matched safely to a live fluss partition

    主键表的分区列不是 STRING,而湖里有 Doris 无法对应到 Fluss 分区的分区,比如 Fluss 里已经删掉的分区。参见【Union Read 模式】中的 partition-type。要读 Fluss 里现有的数据,可以把 Union Read 模式设为 disabled。

  9. 报错 OutOfMemoryError: Java heap space,错误信息里带有 BE's JVM is out of heap

    BE 的 JVM 堆用满了,多发生在读主键表、对主键表做 Union Read,或者湖端有大量需要合并的 Paimon Split 时。可以调大 -Xmx、调小 max_file_scanners_concurrency,或者打开 enable_jni_heap_admission,参见【BE JVM 堆内存】。发生过堆耗尽之后,建议找合适的时间重启 BE。

  10. 报错 Failed to attach the current thread to the JVM, code=-1

    通常紧跟在一次 JVM 堆耗尽之后出现:上一个报 OutOfMemoryError 的查询,读取器还没有全部退出,堆还没释放。稍等一会儿再重试即可。参见【BE JVM 堆内存】。

功能调试

Doris 代码库的 docker/thirdparties/docker-compose/fluss 目录有一套回归测试用的 Fluss 环境,包含 Fluss、Flink、Paimon 分层服务和 MinIO,可以照着里面的 README 搭一套来验证功能。

参考资料

本文来自 Apache Doris 文档贡献者,按 Apache 2.0 整理版式与相对链接,保留正文与代码。图示请参阅原文。作者与贡献记录。

资料来源与适用范围

资料来源
Apache Doris 文档贡献者
适用范围
master 文档快照(2026-11-16)
内容语言
中文;命令、路径和错误标识保留技术原文
本地收录日期
2026-11-16
授权说明
Apache 2.0

正文与所需资源由本站本地存储。查看来源及更新记录 ↗

请按适用版本和实际日志确认原因;本站没有对每一种系统或设备逐项执行文中的操作。