データ分散の概念
Dorisにおいて、データ分散の核心は、テーブルに書き込まれたデータの行を、合理的なパーティション分割とバケット分割戦略を通じて、基盤ストレージの様々なデータシャード（Tablets）に効率的にマッピングすることです。データ分散戦略により、Dorisは複数ノードのストレージと計算能力を十分に活用でき、大規模データの効率的なストレージとクエリをサポートします。
データ分散の概要
データ書き込み
データ書き込み時、Dorisはまずテーブルのパーティション戦略に基づいて、データの行を対応するパーティションに割り当てます。次に、バケット戦略に従って、データの行をパーティション内の特定のシャードにさらにマッピングし、データ行のストレージ場所を決定します。
クエリ実行
クエリ実行時、Dorisのオプティマイザーはパーティション分割とバケット分割戦略に基づいてデータをトリミングし、スキャン範囲の削減を最大化します。JOINや集約クエリが関わる場合、ノード間でのデータ転送（Shuffle）が発生する可能性があります。合理的なパーティション分割とバケット分割の設計により、Shuffleを削減し、Colocate Joinを十分に活用してクエリパフォーマンスを最適化できます。
ノードとストレージアーキテクチャ
ノードタイプ
Dorisクラスターは以下の2種類のノードで構成されます：
- FE Node（Frontend）：クラスターメタデータ（テーブルやシャードなど）を管理し、SQLの解析と実行計画を担当します。
- BE Node（Backend）：データを格納し、計算タスクの実行を担当します。BEの結果はFEに集約されて返され、その後ユーザーに返されます。
データシャード（Tablet）
BEノードに格納されるデータはシャードに分割され、各シャードはDorisにおけるデータ管理の最小単位であり、データ移動と複製の基本単位です。
パーティション戦略
パーティション分割は、データ組織の第一層の論理的分割であり、テーブル内のデータをより小さなサブセットに分割するために使用されます。Dorisは以下の2つのパーティションタイプと3つのパーティションモードを提供します：
パーティションタイプ
- Range Partitioning：パーティション列の値の範囲に基づいて、データ行を対応するパーティションに割り当てます。
- List Partitioning：パーティション列の特定の値に基づいて、データ行を対応するパーティションに割り当てます。
パーティションモード
- Manual Partitioning：ユーザーが手動でパーティションを作成します（例：テーブル作成時に指定、または
ALTER文で追加）。 - Dynamic Partitioning：システムが時間スケジューリングルールに基づいて自動的にパーティションを作成しますが、データ書き込み時にオンデマンドでパーティションを作成することはありません。
- Automatic Partitioning：システムがデータ書き込み時に必要に応じて対応するパーティションを自動的に作成しますが、汚れたデータで多くのパーティションを生成しないよう注意が必要です。
バケット戦略
バケット分割は、データ組織の第二層の論理的分割であり、パーティション内でデータ行をより小さな単位にさらに分割するために使用されます。Dorisは以下の2つのバケット分割方法をサポートします：
- Hash Bucketing：バケット列の
crc32ハッシュ値を計算し、バケット数で剰余を取ることにより、データ行をシャード間に均等に分散します。 - Random Bucketing：データ行をランダムにシャードに割り当てます。Random bucketingを使用する場合、
load_to_single_tabletオプションを使用して小規模データの高速書き込みを最適化できます。
データ分散最適化
Colocate Join
頻繁にJOINや集約クエリが必要な大きなテーブルに対して、Colocate戦略を有効にすることで、同じバケット列値を持つデータを同じ物理ノードに配置し、ノード間のデータ転送を削減してクエリパフォーマンスを大幅に向上させることができます。
パーティション Pruning
クエリ時、Dorisはフィルタ条件を通じて無関係なパーティションをプルーニングし、データスキャン範囲を削減してI/Oコストを下げることができます。
Bucketing Parallelism
クエリ時、合理的なバケット数により、マシンの計算とI/Oリソースを十分に活用できます。
データ分散の目標
-
均一なデータ分散 すべてのBEノードにデータが均等に分散されることを確保し、特定のノードに過負荷をかけるデータスキューを回避し、システム全体のパフォーマンスを向上させます。
-
クエリパフォーマンスの最適化 合理的なパーティションプルーニングによりスキャンデータ量を大幅に削減し、合理的なバケット数により計算並列性を向上させ、COLOCATEの効果的な使用によりShuffleコストを下げ、JOINと集約クエリの効率を向上させます。
-
柔軟なデータ管理
- 時間ベースのパーティション分割によりコールドデータ（HDD）とホットデータ（SSD）を格納。
- 定期的に履歴パーティションを削除してストレージ容量を解放。
-
メタデータスケールの制御 各シャードのメタデータはFEとBEの両方に格納されるため、シャード数を合理的に制御する必要があります。経験的な推奨値は：
- 1,000万シャードごとに、FEは最低100GBのメモリが必要。
- 単一BEが処理するシャード数は20,000未満にする。
-
書き込みスループットの最適化
- バケット数を合理的に制御し（推奨 < 128）、書き込みパフォーマンスの低下を回避。
- 一度に書き込むパーティション数を適切にする（一度に少数のパーティションを書き込むことを推奨）。
パーティション分割とバケット分割戦略を慎重に設計・管理することにより、Dorisは大規模データのストレージとクエリ処理を効率的にサポートし、様々な複雑なビジネスニーズに対応できます。
