リモートストレージ

概要

リモートストレージは、コールドデータを外部ストレージ（オブジェクトストレージ、HDFSなど）に配置することをサポートします。

Note

リモートストレージ内のデータはコピーが1つしかなく、データの信頼性はリモートストレージの信頼性に依存します。データの信頼性を確保するために、リモートストレージがerasure coding（EC）またはマルチレプリカ技術を備えていることを確認する必要があります。

使用方法

コールドデータをS3互換ストレージに保存する

ステップ1: S3リソースを作成します。

CREATE RESOURCE "remote_s3"
PROPERTIES
(
    "type" = "s3",
    "s3.endpoint" = "bj.s3.com",
    "s3.region" = "bj",
    "s3.bucket" = "test-bucket",
    "s3.root.path" = "path/to/root",
    "s3.access_key" = "bbb",
    "s3.secret_key" = "aaaa",
    "s3.connection.maximum" = "50",
    "s3.connection.request.timeout" = "3000",
    "s3.connection.timeout" = "1000"
);

ヒント

S3 RESOURCEを作成する際、RESOURCEの作成が正しく行われることを確認するために、S3リモートへのリンク検証が実行されます。

ステップ 2: STORAGE POLICYを作成します。

次に、上記で作成したRESOURCEに関連付けられたSTORAGE POLICYを作成します：

CREATE STORAGE POLICY test_policy
PROPERTIES(
    "storage_resource" = "remote_s3",
    "cooldown_ttl" = "1d"
);

ステップ3: テーブル作成時にSTORAGE POLICYを使用します。

CREATE TABLE IF NOT EXISTS create_table_use_created_policy 
(
    k1 BIGINT,
    k2 LARGEINT,
    v1 VARCHAR(2048)
)
UNIQUE KEY(k1)
DISTRIBUTED BY HASH (k1) BUCKETS 3
PROPERTIES(
    "enable_unique_key_merge_on_write" = "false",
    "storage_policy" = "test_policy"
);

注意

UNIQUEテーブルが"enable_unique_key_merge_on_write" = "true"で設定されている場合、この機能は使用できません。

コールドデータをHDFSに保存する

ステップ1: HDFS RESOURCEを作成する：

CREATE RESOURCE "remote_hdfs" PROPERTIES (
        "type"="hdfs",
        "fs.defaultFS"="fs_host:default_fs_port",
        "hadoop.username"="hive",
        "hadoop.password"="hive",
        "dfs.nameservices" = "my_ha",
        "dfs.ha.namenodes.my_ha" = "my_namenode1, my_namenode2",
        "dfs.namenode.rpc-address.my_ha.my_namenode1" = "nn1_host:rpc_port",
        "dfs.namenode.rpc-address.my_ha.my_namenode2" = "nn2_host:rpc_port",
        "dfs.client.failover.proxy.provider.my_ha" = "org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider"
    );

ステップ2: STORAGE POLICYを作成します。

CREATE STORAGE POLICY test_policy PROPERTIES (
    "storage_resource" = "remote_hdfs",
    "cooldown_ttl" = "300"
)

ステップ 3: STORAGE POLICYを使用してテーブルを作成します。

CREATE TABLE IF NOT EXISTS create_table_use_created_policy (
    k1 BIGINT,
    k2 LARGEINT,
    v1 VARCHAR(2048)
)
UNIQUE KEY(k1)
DISTRIBUTED BY HASH (k1) BUCKETS 3
PROPERTIES(
"enable_unique_key_merge_on_write" = "false",
"storage_policy" = "test_policy"
);

Note

UNIQUE テーブルで "enable_unique_key_merge_on_write" = "true" が設定されている場合、この機能は使用できません。

既存テーブルのリモートストレージへのクーリング

新しいテーブルがリモートストレージの設定をサポートすることに加えて、Doris は既存のテーブルや PARTITION にリモートストレージを設定することもサポートしています。

既存のテーブルの場合、作成した STORAGE POLICY をテーブルに関連付けることでリモートストレージを設定します：

ALTER TABLE create_table_not_have_policy set ("storage_policy" = "test_policy");

既存のPARTITIONに対して、作成したSTORAGE POLICYをPARTITIONに関連付けることでリモートストレージを設定します：

ALTER TABLE create_table_partition MODIFY PARTITION (*) SET("storage_policy"="test_policy");

ヒント

テーブル作成時にユーザーがテーブル全体と一部のPartitionに対して異なるStorage Policyを指定した場合、Partitionに設定されたStorage Policyは無視され、テーブルのすべてのPartitionがテーブルのPolicyを使用することに注意してください。PartitionのPolicyを他と異なるものにする必要がある場合は、既存のPartitionにStorage Policyを関連付ける上記の方法を使用して変更できます。

詳細については、RESOURCE、POLICY、CREATE TABLE、ALTER TABLEなどのDocsディレクトリを参照してください。

Compactionの設定

BEパラメータcold_data_compaction_thread_numは、リモートストレージCompactionを実行する際の並行性を設定でき、デフォルトは2です。
BEパラメータcold_data_compaction_interval_secは、リモートストレージCompactionを実行する時間間隔を設定でき、デフォルトは1800秒（30分）です。

制限事項

リモートストレージを使用するテーブルはbackupをサポートしません。
endpoint、bucket、pathなどのリモートストレージのlocation情報の変更はサポートされません。
Merge-on-Writeが有効なUniqueモデルテーブルはリモートストレージをサポートしません。
Storage policyは作成、変更、削除をサポートします。Storage policyを削除する前に、それを参照しているテーブルがないことを確認してください。
Storage policyを一度設定すると、設定解除することはできません。

Cold Dataスペース

確認

方法1：show proc '/backends'により各BEがobjectにアップロードしたサイズをRemoteUsedCapacityの項目で確認できます。この方法は若干の遅延があります。

方法2：show tablets from tableNameにより各tabletがテーブルで占めるサイズをRemoteDataSizeの項目で確認できます。

Garbage Collection

リモートストレージ上でガベージデータが生成される状況があります：

Rowsetのアップロードが失敗したが、一部のsegmentは正常にアップロードされた場合。
アップロードされたrowsetが複数のreplicaでconsensusに達しなかった場合。
compaction完了後にcompactionに参加したrowset。

ガベージデータはすぐにはクリーンアップされません。BEパラメータremove_unused_remote_files_interval_secは、リモートストレージのガベージコレクションの時間間隔を設定でき、デフォルトは21600秒（6時間）です。

クエリとパフォーマンス最適化

クエリパフォーマンスを最適化し、オブジェクトストレージリソースを節約するため、ローカルCacheが導入されています。リモートストレージからデータを初回クエリする際、DorisはリモートストレージからデータをBEのローカルディスクに読み込んでキャッシュします。Cacheには以下の特徴があります：

CacheはBEのローカルディスクに実際に格納され、メモリ領域は占有しません。
CacheはLRUで管理され、TTLはサポートしません。

具体的な設定については、(../../lakehouse/data-cache)を参照してください。

FAQ

ERROR 1105 (HY000): errCode = 2, detailMessage = Failed to create repository: connect to s3 failed: Unable to marshall request to JSON: host must not be null.

S3 SDKはデフォルトでvirtual-hosted style方式を使用します。しかし、一部のオブジェクトストレージシステム（MinIOなど）では、virtual-hosted styleアクセスが有効化またはサポートされていない場合があります。この場合、use_path_styleパラメータを追加してpath style方式の使用を強制できます：

CREATE RESOURCE "remote_s3"
PROPERTIES
(
    "type" = "s3",
    "s3.endpoint" = "bj.s3.com",
    "s3.region" = "bj",
    "s3.bucket" = "test-bucket",
    "s3.root.path" = "path/to/root",
    "s3.access_key" = "bbb",
    "s3.secret_key" = "aaaa",
    "s3.connection.maximum" = "50",
    "s3.connection.request.timeout" = "3000",
    "s3.connection.timeout" = "1000",
    "use_path_style" = "true"
);

クールダウン時間に関連するパラメータを変更した後はどうなりますか？

クールダウン関連のパラメータの変更は、まだリモートストレージにクールされていないデータに対してのみ有効になります。すでにリモートストレージにクールされたデータについては、変更は適用されません。例えば、cooldown_ttlを21日から7日に変更した場合、すでにリモートストレージにあるデータはローカルストレージに戻されません。

概要​

使用方法​

コールドデータをS3互換ストレージに保存する​

コールドデータをHDFSに保存する​

既存テーブルのリモートストレージへのクーリング​

Compactionの設定​

制限事項​

Cold Dataスペース​

確認​

Garbage Collection​

クエリとパフォーマンス最適化​

FAQ​

概要