本文根据肖康在【第十三届中国数据库技术大会（DTCC2022）】线上演讲内容整理而成。
基于Apache Doris大数据实时MPP数据库，构建新一代云原生实时数仓，充分发挥Apache Doris高性能、易用MPP引擎能力和云计算极致弹性，解决海量日志等半结构化、非结构化数据存储成本高、分析困难的痛点。
Apache Doris基本介绍
Apache Doris是一个基于MPP架构的高性能、实时的分析型数据库，以极速易用的特点被人们所熟知，仅需亚秒级响应时间即可返回海量数据下的查询结果，不仅可以支持高并发的点查询场景，也能支持高吞吐的复杂分析场景。
基于此，Apache Doris在多维报表、即席查询、用户画像、实时大屏、日志分析、数据湖查询加速等诸多业务领域都能得到很好应用。
Apache Doris于2022年6月成功从Apache孵化器毕业，正式成为Apache顶级项目，截止目前Apache Doris社区已经聚集了来自不同行业百余家企业的超400位贡献者，每月活跃贡献者人数也接近100位。
Apache Doris如今在中国乃至全球范围内都拥有着广泛的用户群体，截止目前，Apache Doris已经在全球范围内1000家企业的生产环境中得到应用。
在中国市值或估值排行前50的互联网公司中，有超过80%长期使用Apache Doris，包括百度、美团、小米、京东、字节跳动、腾讯、快手、网易、微博、新浪、360等，同时在一些传统行业如金融、能源、制造、电信等领域也有着丰富的应用。
Apache Doris的定位是极速易用实时统一的多模分析型数据库。不同类型的数据源经过ETL，让数据进入Doris，可以进行面向企业内部或外部的BI分析、日志分析等，还可以直接对存储在湖仓中的数据进行查询。用户可以通过 Apache Doris 构建多种不同场景的数据分析服务、同时支撑在线与离线的业务负载、高吞吐的交互式分析与高并发的点查询；通过一套架构实现湖和仓的统一、在数据湖和多种异构存储之上提供无缝且极速的分析服务；也可通过对日志/文本等半结构化乃至非结构化的多模数据进行统一管理和分析、来满足更多样化数据分析的需求。
Apache Doris在易用性方面有很大特色，其跟MySQL协议高度兼容，MySQL应用可以直接对接。
典型日志存储与分析场景
在日志存储与分析场景，很多数据如用户程序、审计日志等数据都需要实时写入进行统一存储与实时分析，日志对于保障系统、业务稳定性至关重要，常用于故障排查、监控告警等。
日志存储与分析场景具有三大特点：
1， 数据写入吞吐量大，还要实时可见；
2， 数据存储量大，还要成本低；
3，交互式查询速度快，且需要支持文本检索、时间排序。
目前典型方案有两大类：一类是以ES为代表的倒排索引检索架构，另一类是以Loki为代表的元数据索引/无索引架构。
具体分析如下：ES在实时写入吞吐方面较弱，在存储规模方面ES一般采用存算一体架构，数据存在本地，扩展规模有一定限制，存储成本较高，但ES在交互式查询性能上表现更好更快；而Loki在实时写入吞吐方面更高，存储规模更大，存储成本更低，但在交互式查询性能上表现更慢。
简单对比总结：ES为代表的索引架构优化查询性能，牺牲写入性能和存储空间；Loki为代表的无索引架构优化写入性能和存储空间，牺牲查询性能。
那么问题来了：优化这个牺牲那个，是不是头痛医头脚痛医脚了？倒排索引是0-1选择吗，它是问题的全部吗？最为回顾，向量化计算成熟前，是不是都认为OLAP加速要靠预计算，而后来向量化加速是不是打破了固有认知？ 在日志存储分析领域，我们也找到了突破点。
日志场景解决方案
作为 ApacheDoris的商业化公司，SelectDB团队基于 ApacheDoris内核开发了云原生版本 SelectDBCloud，并推出了面向日志分析场景的解决方案。
基于以上问题，日志场景解决方案的想法基于Doris高性能向量化引擎底座，再加上SelectDB存算分离架构、轻量级倒排索引和时序数据管理达到更好的效果。
举例：在上游写入方面，我们配置Logstash使用内置的http output plugin将数据写入SelectDB。
在下游查询方面，可观测性：Grafana中使用内置MySQL数据源，导入已有模板配置可视化日志看板、检索界面；商业智能：Superset等BI工具通过MySQL协议，即可开箱即用访问SelectDB进行可视化BI分析。
性能测试效果如下：
测试说明：
1，测试环境是3台16c 64g云主机组成的集群
2，测试数据和测试case来源于ES官方性能benchmark中http_logs，数据总量32GB，2.47亿行
3，查询时间是ES官方性能benchmark中的11个query，每个串行执行100次的总时间
4，写入速度越高越好，磁盘空间越低越好，查询时间越低越好
性能测试结果显示：在写入速度方面，SelectDB达到ES的4.2倍，存储空间只需要ES的五分之一，查询性能是ES的2倍。
关键技术解析
关键技术1：MPP查询与向量化引擎
在向量化方面，我们把行式变成了列式内存布局，向量化计算框架大幅减少虚函数调用，大幅提升cache命中率。高效利用SIMD指令。在宽表聚合场景下性能提升5-10倍。
针对MPP查询引擎，我们采用分布式MPP的查询框架，节点间和节点内都并行执行，大幅提升效率，支持大表的shuffle分布式join。
关键技术2：多重算子优化与查询优化器
在算子优化方面，采用自适应两阶段聚合算子优化，JOIN/TOPN runtime filter优化为连接列生成filter推到左表，支持in/min/max/bf等filter，filter自动穿透到最底层，SSB部分查询依赖RF有2-10倍提升。
在查询优化器方面，新一代智能优化器（Nereids）支持CBO和RBO，RBO常见规则常量折叠、子查询改写、谓词下推等，CBO支持Join Reorder。
值得一提的是，在性能方面我们取得佳绩，多项指标登顶ClickBenck，在近半数SQL在所有产品中更优，查询总耗时远低于行业竞品。
关键技术3：轻量级倒排索引
支持快速检索，支持文本检索、普通数值/日期查找，支持多条件AND OR组合；扩展数据库引擎，内置倒排索引，避免了外挂式的跨系统通信、冗余存储。
为日志场景精简优化索引结构，简化norm、score等，采用bitmap等优化倒排表；列式存储+ ZSTD高效压缩算法，本身列式存储压缩率高，zstd比gzip快5倍且压缩率更高，数据和索引都进行压缩；采用C++和向量化的高性能实现，单核吞吐>20MB/s vs ES 5MB/s。
关键技术4：存算分离云原生架构
在云服务方面的重要关键点包括，存算分离，以对象存储为主存储；共享缓存，写入即缓存提高性能；弹性扩展，利用云的弹性加速查询；负载隔离，避免业务互相影响。
这样做的好处是将存储成本大幅降低，我们认为，存储成本=存储空间*单位成本。
在存储空间方面，我们将原始数据行存变成了列式存储，将复杂倒排索引变成了专为日志简化的索引，将普通压缩算法变成了日志高压缩比；
在单位成本方面，我们将原有的冷热数据全本地盘变成了冷热分离，将存储计算同步扩容变成了存储分离独立扩容。
这样的效果实现了存储空间降至五分之一，单位成本降至三分之一，最终实现存储成本降至十五分之一，达到突破性的一个量级降低。
关键技术5：高吞吐实时写入
我们让客户端进行实时小批量写入，在SelectDB服务端进行攒批，可实现秒级flush可见，向量化索引吞吐几十GB/s，写放大更优的时序compaction。
关键技术6：快速交互式查询
快速交互式查询面临两大挑战：挑战一，如何从海量日志中全文检索关键词；挑战二：如何从时间排序取满足条件的最新N条日志。
针对挑战一，我们基于分区、主键的时间范围快速跳过，基于倒排索引的全文检索精确定位；针对挑战二，我们按时间排序的时序存储模型，动态剪枝的TopN查询算法。最终实现百亿日志检索秒级响应。
关于开源
SelectDB一直秉承开源开放的价值观，对于上面介绍的倒排索引、TopN优化、时序Compaction优化等关键技术，已经贡献到ApacheDoris社区，预计在2023年Q1的Doris 2.0版本中正式发布，2月份也会开放Doris 2.0 preview版本供大家试用，欢迎刚兴趣的朋友们参与试用和技术交流，一起繁荣ApacheDoris社区。
｜嘉宾介绍｜
肖康
SelectDB联合创始人兼技术副总裁
2009年至2012年在百度从事Hadoop平台研究与建设，2012开始先后在360、奇安信负责大数据平台，研发基于MPP架构的安全大数据引擎，构建全球最大的网络安全大数据。2022年联合创立SelectDB，致力于研发新一代云原生实时数仓。