跳到主要内容
版本：Latest-3.3

存算分离集群能力边界

提示

以下列出的所有功能均已列出其引入版本。如果您想搭建新的存算分离集群，推荐您部署 v3.2 或以上的最新小版本。

概述​

StarRocks 存算分离集群采用了存储计算分离架构，将数据存储在远程存储中，从而降低存储成本、优化资源隔离并加强集群的弹性扩展能力。

本文介绍了存算分离功能的能力边界，涵盖了部署方法、存储配置、缓存机制、Compaction、主键表功能和性能测试等。

部署​

存算分离集群支持在物理或虚拟机上部署以及通过 Operator 在 Kubernetes 上部署。

两种部署方案均有以下限制：

  • 不支持混合部署存算一体模式和存算分离模式。
  • 不支持从存算一体集群转换为存算分离集群，反之亦然。
  • 不支持异构部署，即集群内所有 CN 节点的硬件规格必须相同。

StarRocks Kubernetes Operator​

StarRocks 提供用于在 Kubernetes 上部署存算分离集群的 StarRocks Kubernetes Operator。

您可以通过以下方法扩缩容存算分离集群：

  • 手动扩缩容。
  • 使用 Kubernetes HPA（Horizontal Pod Autoscaler）策略自动扩缩容。

存储​

存算分离集群支持在 HDFS 和对象存储上构建存储卷。

HDFS​

Location​

StarRocks 支持以下 HDFS 存储卷 Location：

  • HDFS：hdfs://<host>:<port>/

    说明

    从 v3.2 起，存储卷支持启用 NameNode HA 模式的 HDFS 集群。

  • WebHDFS（从 v3.2 起支持）：webhdfs://<host>:<http_port>/

  • ViewFS（从 v3.2 起支持）：viewfs://<ViewFS_cluster>/

认证​

StarRocks 支持以下 HDFS 存储卷的认证方式：

  • Basic

  • Username（从 v3.2 起支持）

  • Kerberos Ticket Cache（从 v3.2 起支持）

    说明

    StarRocks 不支持自动刷新 Ticket。您需要设置 crontab 任务来刷新 Ticket。

暂不支持使用 Kerberos Keytab 和 Principal ID 进行认证。

使用说明​

StarRocks 支持基于 HDFS 和对象存储创建存储卷，但每个 StarRocks 实例中只允许创建一个 HDFS 存储卷。创建多个 HDFS 存储卷可能会导致 StarRocks 出现未知行为。

对象存储​

Location​

StarRocks 支持以下对象存储服务的存储卷：

  • 兼容 S3 协议的对象存储服务：s3://<s3_path>
    • AWS S3
    • GCS、OSS、OBS、COS、TOS、KS3、MinIO 和 Ceph S3
  • Azure Blob Storage（从 v3.1.1 起支持）：azblob://<azblob_path>

认证​

针对不同对象存储服务，StarRocks 支持以下认证方式：

  • AWS S3
    • AWS SDK
    • IAM user-based Credential
    • Instance Profile
    • Assumed Role
  • GCS、OSS、OBS、COS、TOS、KS3、MinIO 和 Ceph S3
    • 访问密钥
  • Azure Blob Storage
    • Shared Key
    • Shared Access Signatures（SAS）

分区前缀​

自 v3.2.4 起，StarRocks 支持基于兼容 S3 的对象存储系统创建带有分区前缀功能的存储卷。当启用此功能时，StarRocks 会将数据打散至桶下多个分区（子路径）中。此举可以轻松提高 StarRocks 对存储桶中数据文件的读写性能。

存储卷​

  • 从 v3.1.0 起，支持使用 CREATE STORAGE VOLUME 语句创建存储卷，并推荐在后续版本中使用这种方法。
  • 存算分离集群中的 default_catalog 使用默认存储卷进行数据持久化。您可以通过 Property storage_volume 为 default_catalog 中的数据库和表设置不同的存储卷。如未配置，该属性将以Catalog、数据库和表的顺序继承。
  • 目前，存储卷只能用于存储云原生表中的数据。未来将支持外部存储管理、导入和备份等功能。

Cache​

Cache 类型​

File Cache​

File Cache 是与存算分离集群一同支持的初始缓存机制，按 Segment 文件粒度加载缓存文件。自 v3.1.7 和 v3.2.3 起，不推荐使用 File Cache。

Data Cache​

Data Cache 自 v3.1.7 和 v3.2.3 开始支持，用以取代早期版本中的 File Cache。Data Cache 以 Block（MB 级别）为单位，按需从远程存储中加载缓存数据。推荐您在后续版本中使用 Data Cache。该功能自 v3.2.3 起默认开启。

Data Cache 预热​

StarRocks v3.3.0 引入了 Data Cache 预热功能，用以加速数据湖和存算分离集群中的查询。Data Cache 预热是主动填充缓存的过程。通过执行 CACHE SELECT，可以提前从远程存储主动获取所需数据。

配置项​

  • 表属性：
    • datacache.enable：是否启用本地磁盘缓存。默认值：true。
    • datacache.partition_duration：缓存数据的有效时长。
  • BE 配置：
    • starlet_use_star_cache：是否启用 Data Cache。
    • starlet_star_cache_disk_size_percent：Data Cache 在存算分离集群中最多可使用的磁盘容量百分比。

能力​

  • 数据导入会生成本地缓存。本地缓存仅会通过缓存容量控制机制淘汰，而不受 partition_duration 限制。
  • StarRocks 支持设置定期任务进行 Data Cache 预热。

限制​

  • StarRocks 不支持多副本缓存数据。

Compaction​

可观测性​

分区 Compaction 状态​

从 v3.1.9 起，可以通过查询 information_schema.partitions_meta 查看分区的 Compaction 状态。

推荐监控以下关键指标：

  • AvgCS: 分区中所有表格的平均 Compaction Score。
  • MaxCS: 分区中所有表格的最大 Compaction Score。

Compaction 任务状态​

从 v3.2.0 起，可以通过查询 information_schema.be_cloud_native_compactions 查看 Compaction 任务的状态和进度。

推荐监控以下关键指标：

  • PROGRESS: 表格当前 Compaction 进度（以百分比表示）。
  • STATUS: Compaction 任务的状态。如果发生任何错误，详细的错误信息会在此字段中返回。

取消 Compaction 任务​

可以使用 CANCEL COMPACTION 语句取消特定的 Compaction 任务。

示例：

CANCEL COMPACTION WHERE TXN_ID = 123;

说明

CANCEL COMPACTION 语句必须在 Leader FE 节点上执行。

手动 Compaction​

从 v3.1 开始，StarRocks 支持通过 SQL 语句手动 Compaction。可以指定表或分区进行 Compaction。有关详细信息，请参阅 手动 Compaction。

主键表​

下表列出了主键表的主要功能及其在存算分离集群中的支持状态：

功能支持起始版本说明
主键表v3.1.0
主键索引持久化v3.2.0
v3.1.3
  • 目前，存算分离集群支持在本地磁盘上持久化主键索引。
  • 远程存储持久化将在未来版本中支持。
部分更新v3.1.0存算分离集群从 v3.1.0 开始支持行模式的部分更新，从 v3.3.1 开始支持列模式的部分更新。
条件更新v3.1.0目前仅支持“大于”条件。
行列混存❌将在未来版本中支持。

查询性能​

以下测试比较了禁用 Data Cache 的存算分离集群、启用 Data Cache 的存算分离集群、查询 Hive 数据的集群和存算一体集群的查询性能。

硬件规格​

测试中使用的集群包括一个 FE 节点和五个 CN/BE 节点。硬件规格如下：

VM 提供商阿里云 ECS
FE 节点8 Core 32 GB Memory
CN/BE 节点8 Core 64 GB Memory
网络带宽8 Gbits/s
磁盘ESSD

软件版本​

StarRocks v3.3.0

数据集​

SSB 1TB 数据集

备注

以下性能测试中使用的数据集和查询来自于 Star Schema Benchmark。

测试结果​

下表列出了十三个查询的测试结果及各集群的总和。查询延迟的单位为毫秒（ms）。

查询禁用 Data Cache 的存算分离集群启用 Data Cache 的存算分离集群查询 Hive 数据的集群禁用 Data Cache存算一体集群
Q01274285896523555
Q02271470486383183
Q03190865881632980
Q04311358582346047997
Q05265977806291836794
Q06216437147244015602
Q0735271154903890419530
Q08248187368275986984
Q09210566667235875687
Q102823912166633942
Q1150027189475299719636
Q12103004919361468136
Q1373783386231536380
SUM23841283444333689100406

结论​

  • 禁用 Data Cache 但启用并行 Scan 及 I/O 合并优化的存算分离集群的查询性能是查询 Hive 数据的集群的 1.4 倍。
  • 启用 Data Cache 和并行 Scan 及 I/O 合并优化的存算分离集群的查询性能是存算一体集群的 1.2 倍。

其他待支持功能​

  • 全文倒排索引
  • 行列混存
  • 全局字典对象
  • 生成列
  • 备份和恢复