Data Cache

自 StarRocks v3.1.7 和 v3.2.3 版本起，StarRocks 引入 Data Cache 功能用以加速存算分离集群中的查询。该功能将取代早期版本中的 File Cache 功能。Data Cache 以 Block（MB 级别）为单位，按需从远端存储中加载数据。相较之下，File Cache 无论查询需要读取多少数据，都需要在后台线程加载整个数据文件。

相比 File Cache，Data Cache 具有以下优势：

• 可以减少对对象存储的读取，从而降低访问对象存储的成本（假设对象存储服务按访问频率收费）。
• 无需后台加载线程，可以降低对本地磁盘的写入压力和 CPU 使用率，从而减少对其他写入或查询任务的影响。
• 可以优化有效缓存率（因为 File Cache 会加载文件中不常用的数据）。
• 提供更精确的缓存控制能力，避免了 File Cache 淘汰缓存不及时导致磁盘被写满的状况。

启用 Data Cache

自 v3.2.3 版本起，StarRocks 默认启用 Data Cache。如果您需要在 v3.1 版本集群中使用 Data Cache，或此前曾手动禁用了此功能，需执行以下流程启用 Data Cache。

执行以下语句在集群运行时动态启用 Data Cache：

UPDATE information_schema.be_configs SET VALUE = 1 
WHERE name = "starlet_use_star_cache";

动态配置将在 CN 节点重新启动后失效。

如需永久启用 Data Cache，需要将以下配置添加到 CN 配置文件 cn.conf 中，并重新启动 CN 节点：

starlet_use_star_cache = true

配置 Data Cache

您可以通过以下 CN（BE）配置项配置 Data Cache：

• storage_root_path（在存算分离集群中，此项用于指定用于缓存数据的根路径。）
• starlet_use_star_cache
• starlet_star_cache_disk_size_percent

备注

如果您在升级至 v3.1.7、v3.2.3 或更高版本之前启用了 File Cache，则需要检查是否修改了配置项 starlet_cache_evict_high_water。该项的默认值为 0.2，表示 File Cache 将使用 80% 的存储空间来缓存数据文件。如果您曾修改过此项，您必须在升级时针对 starlet_star_cache_disk_size_percent 做相应配置。假设您之前将 starlet_cache_evict_high_water 设置为 0.3，在升级 StarRocks 集群时，您需要将 starlet_star_cache_disk_size_percent 设置为 70，以确保 Data Cache 使用的磁盘容量上限与 File Cache 相同。

查看 Data Cache 状态

• 执行以下语句查看是否已启用 Data Cache：

  SELECT * FROM information_schema.be_configs 
  WHERE NAME LIKE "%starlet_use_star_cache%";

• 执行以下语句查看存储缓存数据的根路径：

  SELECT * FROM information_schema.be_configs 
  WHERE NAME LIKE "%storage_root_path%";

  缓存数据存储在 storage_root_path 的子路径 starlet_cache/star_cache 下。

• 执行以下语句以查看 Data Cache 的磁盘使用上限：

  SELECT * FROM information_schema.be_configs 
  WHERE NAME LIKE "%starlet_star_cache_disk_size_percent%";

监控 Data Cache

StarRocks 提供了多种监控 Data Cache 的指标。

Dashboard 模板

您可以根据您的 StarRocks 环境下载以下 Grafana Dashboard 模板：

• 虚拟机部署 StarRocks 存算分离集群 Dashboard 模板
• Kubernetes 部署 StarRocks 存算分离集群 Dashboard 模板

有关为 StarRocks 部署监控和警报服务的更多说明，请参考 监控报警。

重要指标

fslib read io_latency

Data Cache 的读延迟。

fslib write io_latency

Data Cache 的写延迟。

fslib star cache meta memory size

Data Cache 的预估内存使用量。

fslib star cache data disk size

Data Cache 的实际磁盘占用。

禁用 Data Cache

执行以下语句在集群运行时动态禁用 Data Cache：

UPDATE information_schema.be_configs SET VALUE = 0 
WHERE name = "starlet_use_star_cache";

动态配置将在 CN 节点重新启动后失效。

如需永久禁用 Data Cache，需要将以下配置添加到 CN 配置文件 cn.conf 中，并重新启动 CN 节点：

starlet_use_star_cache = false

清除缓存数据

在紧急情况下，您可以清除缓存数据。此举不会影响远程存储中的原始数据。

按照以下步骤清除 CN 节点上的缓存数据：

1. 删除存储缓存数据的子目录，即 ${storage_root_path}/starlet_cache。

   示例：

   # 假设 `storage_root_path = /data/disk1;/data/disk2`
   rm -rf /data/disk1/starlet_cache/
   rm -rf /data/disk2/starlet_cache/

2. 重启 CN 节点。

使用说明

• 如果云原生表的 datacache.enable 属性设置为 false，则不会为该表启用 Data Cache。
• 如果云原生表的 datacache.partition_duration 属性设置为一个特定的时间范围，则超出该时间范围的数据将不会被缓存。

已知问题

内存占用过高

• 现象：当集群在低负载条件下运行时，CN 节点的总内存使用量远远超过每个模块内存使用量的总和。
• 识别：如果 fslib star cache meta memory size 和 fslib star cache data memory size 的总和占据了 CN 节点总内存使用量中的较大比例，可能表明存在此问题。
• 影响版本：v3.1.8 及以下小版本，v3.2.3 及以下小版本
• 修复版本：v3.1.9、v3.2.4
• 解决方案：
  • 将集群升级到已修复版本。
  • 如果您不想升级集群，可以清除 CN 节点的 ${storage_root_path}/starlet_cache/star_cache/meta 目录，并重新启动节点。

Q&A

Q1：为什么通过 du、ls 命令看到的 Data Cache 目录占用的空间远大于实际的数据量？

Data Cache 的磁盘占用空间代表的是历史上的最高水位，与当前实际缓存的数据量没有关系。例如，假设导入了 100 GB 的数据，之后进行了 Compaction，数据量变成了 200 GB，然后又进行了数据 GC，数据量变成了 100 GB，那么 Data Cache 的磁盘占用空间仍然保持在最高水位 200 GB，但 Data Cache 内部的实际缓存数据量是 100 GB。

Q2：Data Cache 是否会自动淘汰？

不会。Data Cache 只有在达到磁盘使用上限（默认设置下为磁盘容量的 80%）时才会开始淘汰数据。淘汰过程并不会实际删除数据，只是将旧缓存的磁盘位置标记为空，后续的新缓存写入时会覆盖旧缓存。因此，即使发生淘汰，磁盘占用空间也不会下降，不会影响实际使用。

Q3：为什么磁盘水位一直维持在配置的最高点，不下降？

参考 Q2。Data Cache 的淘汰机制不会实际删除数据，只是将旧缓存标记为可覆盖，因此磁盘占用空间不会下降。

Q4：为什么 DROP TABLE 后，远程存储显示表文件已删除，但 Data Cache 实际存储的数据量没有下降？

DROP TABLE 不会触发 Data Cache 删除缓存的数据。被删除表的缓存会随着时间的推移，通过 Data Cache 的内部 LRU 逻辑逐渐淘汰，不影响实际使用。

Q5：为什么配置了 80% 的磁盘容量，实际使用却达到了 90% 甚至更多？

Data Cache 的磁盘容量使用是精确的，不会超过配置中设置的容量。磁盘实际使用超过 80% 可能是由以下原因导致的：

• 运行产生的日志文件。
• CN 崩溃产生的 Core 文件。
• 主键表的持久化索引（存储于 ${storage_root_path}/persist/ 目录下）。
• 混部 BE/CN/FE 实例共享一个磁盘。
• 外部表的缓存（存储于 ${STARROCKS_HOME}/block_cache/ 目录下）。
• 磁盘自身问题，如使用少见的 ext3 文件系统。

您可以在磁盘根目录或各个子目录执行 du -h . -d 1 查看具体占用空间的目录，然后删除意外的占用部分。或者，也可以通过配置 starlet_star_cache_disk_size_percent 调小 Data Cache 可使用的磁盘容量。

Q6：为什么各个节点之间的缓存占用差异很大？

由于单机缓存的天然限制，各节点之间的缓存占用无法保证一致。在不影响查询延迟的情况下，这种缓存占用差异是可以接受的。该差异可能由以下因素导致：

• 不同节点加入集群的时间先后。
• 不同节点拥有的 Tablet 数量差异。
• 不同 Tablet 内数据量差异。
• 不同节点的 Compaction 和 GC 情况差异。
• 节点发生过 Crash 或 OOM 等问题。

综上所述，缓存占用的差异是由多个因素共同影响的。