최종 수정: 2026년 6월 4일에

Vector

Vector는 Rust로 작성된 고성능 관측성 데이터 파이프라인으로, 로그, 메트릭, 트레이스 데이터를 수집, 변환, 라우팅하도록 설계되었습니다. Doris 생태계를 더 잘 지원하기 위해 Doris 커뮤니티는 Vector용 Doris Sink 컴포넌트를 개발했습니다. 이 컴포넌트는 분석 처리를 위해 다양한 소스의 데이터를 Stream Load를 통해 Apache Doris에 효율적으로 기록합니다.

적용 시나리오

Vector + Doris Sink는 주로 다음과 같은 데이터 수집 시나리오에 사용됩니다:

애플리케이션 로그 수집: 애플리케이션, 웹 서버, 데이터베이스 등에서 생성되는 여러 줄 또는 한 줄 텍스트 로그를 Doris에 실시간으로 기록합니다.
JSON 구조화 로그: GitHub Events나 JSON 형식의 Nginx 액세스 로그와 같은 NDJSON 이벤트 스트림을 수집합니다.
메트릭 및 트레이스 데이터: Prometheus, OpenTelemetry 등의 소스에서 관측성 데이터를 Doris에 저장하여 분석합니다.
여러 소스의 데이터 통합: Vector의 Source 및 Transform 기능을 사용하여 이기종 데이터 소스를 변환하고 결과를 일관된 형식으로 Doris에 기록합니다.

데이터 파이프라인

일반적인 데이터 흐름은 다음과 같습니다:

Data source (Source) -> Vector Transform -> Doris Sink (Stream Load) -> Apache Doris

설치 및 배포

옵션 1: 사전 컴파일된 패키지 다운로드

x86_64 Linux 환경에 적합합니다. 다운로드한 패키지의 압축을 풀면 바로 사용할 수 있습니다:

wget https://apache-doris-releases.oss-cn-beijing.aliyuncs.com/extension/vector-x86_64-unknown-linux-gnu.tar.gz

옵션 2: 소스에서 컴파일

사용자 지정 빌드가 필요하거나 x86_64 이외의 플랫폼을 사용하는 경우에 적합합니다:

cd ${VECTOR_HOME}

# Choose a target based on the deployment environment. The Makefile provides multiple target platform options.
make package-x86_64-unknown-linux-gnu

빠른 시작

다음 최소 구성 예제는 Vector에서 Doris Sink를 통해 파일 내용을 Doris에 기록하는 방법을 보여줍니다:

[sources.demo]
    type = "file"
    include = ["/path/to/input.json"]

[sinks.doris]
    type = "doris"
    inputs = ["demo"]
    endpoints = ["http://fe_ip:8030"]
    database = "log_db"
    table = "demo_table"

[sinks.doris.auth]
    strategy = "basic"
    user = "root"
    password = ""

[sinks.doris.encoding]
    codec = "json"

Vector를 시작합니다:

${VECTOR_HOME}/bin/vector --config vector_config.toml

예제

예제 1: TEXT 여러 줄 로그 수집(Doris FE 로그)

이 예제는 Doris FE의 Java 애플리케이션 로그를 수집하는 방법을 보여줍니다. FE 로그에는 타임스탬프, 로그 수준, 스레드 이름, 코드 위치, 로그 내용 등의 필드가 포함되며, 여러 줄로 된 예외 스택 트레이스 정보도 자주 포함됩니다. 기본 로그 줄과 해당 스택 트레이스를 하나의 레코드로 병합해야 합니다.

1. 샘플 데이터

FE 로그는 일반적으로 Doris 설치 디렉터리 아래의 fe/log/fe.log에 있습니다:

2024-07-08 21:18:01,432 INFO (Statistics Job Appender|61) [StatisticsJobAppender.runAfterCatalogReady():70] Stats table not available, skip
2024-07-08 21:18:53,710 WARN (STATS_FETCH-0|208) [StmtExecutor.executeInternalQuery():3332] Failed to run internal SQL: OriginStatement{originStmt='SELECT * FROM __internal_schema.column_statistics WHERE part_id is NULL  ORDER BY update_time DESC LIMIT 500000', idx=0}
org.apache.doris.common.UserException: errCode = 2, detailMessage = tablet 10031 has no queryable replicas. err: replica 10032's backend 10008 does not exist or not alive
        at org.apache.doris.planner.OlapScanNode.addScanRangeLocations(OlapScanNode.java:931) ~[doris-fe.jar:1.2-SNAPSHOT]
        at org.apache.doris.planner.OlapScanNode.computeTabletInfo(OlapScanNode.java:1197) ~[doris-fe.jar:1.2-SNAPSHOT]

2. Doris 테이블 생성

테이블 스키마에는 로그 생성 시각, 수집 시각, 호스트 이름, 로그 파일 경로, 로그 유형, 로그 수준, 스레드 이름, 코드 위치, 로그 내용 등의 필드가 포함되며, 자주 쿼리하는 필드에는 역색인을 생성합니다:

CREATE TABLE `doris_log` (
    `log_time`     datetime NULL COMMENT 'log content time',
    `collect_time` datetime NULL COMMENT 'log agent collect time',
    `host`         text     NULL COMMENT 'hostname or ip',
    `path`         text     NULL COMMENT 'log file path',
    `type`         text     NULL COMMENT 'log type',
    `level`        text     NULL COMMENT 'log level',
    `thread`       text     NULL COMMENT 'log thread',
    `position`     text     NULL COMMENT 'log code position',
    `message`      text     NULL COMMENT 'log message',
    INDEX idx_host     (`host`)     USING INVERTED,
    INDEX idx_path     (`path`)     USING INVERTED,
    INDEX idx_type     (`type`)     USING INVERTED,
    INDEX idx_level    (`level`)    USING INVERTED,
    INDEX idx_thread   (`thread`)   USING INVERTED,
    INDEX idx_position (`position`) USING INVERTED,
    INDEX idx_message  (`message`)  USING INVERTED PROPERTIES("parser" = "unicode", "support_phrase" = "true")
) ENGINE=OLAP
DUPLICATE KEY(`log_time`)
PARTITION BY RANGE(`log_time`) ()
DISTRIBUTED BY RANDOM BUCKETS 10
PROPERTIES (
    "replication_num" = "1",
    "dynamic_partition.enable" = "true",
    "dynamic_partition.time_unit" = "DAY",
    "dynamic_partition.start" = "-7",
    "dynamic_partition.end" = "1",
    "dynamic_partition.prefix" = "p",
    "dynamic_partition.buckets" = "10",
    "dynamic_partition.create_history_partition" = "true",
    "compaction_policy" = "time_series"
);

3. Vector 구성

# ==================== Sources ====================
[sources.fe_log_input]
    type = "file"
    include = ["/path/fe/log/fe.log"]
    start_at_beginning = true
    max_line_bytes = 102400
    ignore_older_secs = 0
    fingerprint.strategy = "device_and_inode"

    # Multi-line log handling: lines that start with a timestamp are treated as a new log; other lines are merged into the previous line (handles stacktraces).
    multiline.start_pattern     = "^\\d{4}-\\d{2}-\\d{2} \\d{2}:\\d{2}:\\d{2},\\d{3}"
    multiline.mode              = "halt_before"
    multiline.condition_pattern = "^\\d{4}-\\d{2}-\\d{2} \\d{2}:\\d{2}:\\d{2},\\d{3}"
    multiline.timeout_ms        = 10000

# ==================== Transforms ====================
# Use VRL to parse log content
[transforms.parse_log]
    inputs = ["fe_log_input"]
    type = "remap"
    source = '''
        # Add the type field
        .type = "fe.log"

        # Add collect_time (use the Asia/Shanghai time zone, consistent with log_time)
        .collect_time = format_timestamp!(.timestamp, format: "%Y-%m-%d %H:%M:%S", timezone: "Asia/Shanghai")

        # Parse the log format: 2024-01-01 12:00:00,123 INFO (thread-name) [position] message
        # Use (?s) to enable DOTALL mode so that .* matches newlines (handles multi-line logs)
        parsed, err = parse_regex(.message, r'(?s)^(?P<log_time>\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2},\d{3}) (?P<level>[A-Z]+) \((?P<thread>[^\)]+)\) \[(?P<position>[^\]]+)\] (?P<content>.*)')

        if err == null {
            .log_time = parsed.log_time
            .level    = parsed.level
            .thread   = parsed.thread
            .position = parsed.position
            # Keep the full original message (including multi-line stacktrace information)
        } else {
            # On parse failure, set default values to avoid NULL causing partition errors
            .log_time = .collect_time
            .level    = "UNKNOWN"
            .thread   = ""
            .position = ""
        }

        # Extract host and path (Vector adds these metadata automatically)
        .host = .host
        .path = .file
    '''

# ==================== Sinks ====================
[sinks.doris]
    inputs = ["parse_log"]
    type = "doris"
    endpoints = ["http://fe_ip:http_port"]
    database = "log_db"
    table = "doris_log"
    label_prefix = "vector_fe_log"
    log_request = true

[sinks.doris.auth]
    strategy = "basic"
    user = "root"
    password = ""

[sinks.doris.encoding]
    codec = "json"

[sinks.doris.framing]
    method = "newline_delimited"

[sinks.doris.request]
    concurrency = 10

[sinks.doris.headers]
    format = "json"
    read_json_by_line = "true"
    load_to_single_tablet = "true"

[sinks.doris.batch]
    max_events = 10000
    timeout_secs = 3
    max_bytes = 100000000

4. Vector 시작

${VECTOR_HOME}/bin/vector --config vector_fe_log.toml

log_request = true인 경우 Vector는 모든 Stream Load 요청의 매개변수와 응답을 출력하므로 디버깅에 도움이 됩니다:

2025-11-19T10:14:40.822071Z  INFO sink{component_kind="sink" component_id=doris component_type=doris}:request{request_id=82}: vector::sinks::doris::service: Doris stream load response received. status_code=200 OK stream_load_status=Successful response={
  "TxnId": 169721,
  "Label": "vector_fe_log_log_db_doris_log_1763547280791_e2e619ee-4067-4fe8-974e-9f35f0d4e48e",
  "Comment": "",
  "TwoPhaseCommit": "false",
  "Status": "Success",
  "Message": "OK",
  "NumberTotalRows": 10,
  "NumberLoadedRows": 10,
  "NumberFilteredRows": 0,
  "NumberUnselectedRows": 0,
  "LoadBytes": 7301,
  "LoadTimeMs": 30,
  "BeginTxnTimeMs": 0,
  "StreamLoadPutTimeMs": 1,
  "ReadDataTimeMs": 0,
  "WriteDataTimeMs": 8,
  "ReceiveDataTimeMs": 2,
  "CommitAndPublishTimeMs": 18
} internal_log_rate_limit=true

예제 2: JSON 로그 수집(GitHub Events)

이 예제는 GitHub Events Archive 데이터를 소스로 사용하여 NDJSON 형식의 구조화 로그를 수집하는 방법을 보여줍니다.

1. 샘플 데이터

GitHub Events Archive에는 GitHub 사용자의 활동 이벤트를 JSON 형식으로 아카이브한 데이터가 포함되어 있습니다. 예를 들어 2024년 첫 달의 1일 15:00 데이터를 다운로드합니다:

wget https://data.gharchive.org/2024-01-01-15.json.gz

실제 데이터에서는 각 줄이 완전한 JSON 객체입니다. 아래 예제는 읽기 쉽도록 형식을 정리한 것입니다:

{
    "id": "37066529221",
    "type": "PushEvent",
    "actor": {
        "id": 46139131,
        "login": "Bard89",
        "display_login": "Bard89",
        "gravatar_id": "",
        "url": "https://api.github.com/users/Bard89",
        "avatar_url": "https://avatars.githubusercontent.com/u/46139131?"
    },
    "repo": {
        "id": 780125623,
        "name": "Bard89/talk-to-me",
        "url": "https://api.github.com/repos/Bard89/talk-to-me"
    },
    "payload": {
        "repository_id": 780125623,
        "push_id": 17799451992,
        "size": 1,
        "distinct_size": 1,
        "ref": "refs/heads/add_mvcs",
        "head": "f03baa2de66f88f5f1754ce3fa30972667f87e81",
        "before": "85e6544ede4ae3f132fe2f5f1ce0ce35a3169d21"
    },
    "public": true,
    "created_at": "2024-04-01T23:00:00Z"
}

2. Doris 테이블 생성

VARIANT 타입을 사용하여 중첩된 JSON 객체를 직접 저장하고, 쿼리 대상 필드에 역색인을 생성합니다:

CREATE DATABASE log_db;
USE log_db;

CREATE TABLE github_events
(
    `created_at` DATETIME,
    `id`         BIGINT,
    `type`       TEXT,
    `public`     BOOLEAN,
    `actor`      VARIANT,
    `repo`       VARIANT,
    `payload`    TEXT,
    INDEX `idx_id`      (`id`)      USING INVERTED,
    INDEX `idx_type`    (`type`)    USING INVERTED,
    INDEX `idx_actor`   (`actor`)   USING INVERTED,
    INDEX `idx_host`    (`repo`)    USING INVERTED,
    INDEX `idx_payload` (`payload`) USING INVERTED PROPERTIES("parser" = "unicode", "support_phrase" = "true")
)
ENGINE = OLAP
DUPLICATE KEY(`created_at`)
PARTITION BY RANGE(`created_at`) ()
DISTRIBUTED BY RANDOM BUCKETS 10
PROPERTIES (
    "replication_num" = "1",
    "inverted_index_storage_format" = "v2",
    "compaction_policy" = "time_series",
    "dynamic_partition.enable" = "true",
    "dynamic_partition.create_history_partition" = "true",
    "dynamic_partition.time_unit" = "DAY",
    "dynamic_partition.start" = "-30",
    "dynamic_partition.end" = "1",
    "dynamic_partition.prefix" = "p",
    "dynamic_partition.buckets" = "10",
    "dynamic_partition.replication_num" = "1"
);

3. Vector 구성

# ==================== Sources ====================
[sources.github_events_reload]
    type = "file"
    include = ["/path/2024-01-01-15.json"]
    read_from = "beginning"
    ignore_checkpoints = true
    max_line_bytes = 10485760
    ignore_older_secs = 0
    line_delimiter = "\n"
    fingerprint.strategy = "device_and_inode"

# ==================== Transforms ====================
# Parse the JSON-formatted GitHub Events data. The VARIANT type can store nested objects directly.
[transforms.parse_json]
    inputs = ["github_events_reload"]
    type = "remap"
    source = '''
        # Parse the JSON data (each line is a complete JSON object)
        . = parse_json!(.message)

        # Convert the payload field to a JSON string (TEXT type)
        .payload = encode_json(.payload)

        # Keep only the fields required by the table
        . = {
            "created_at": .created_at,
            "id":         .id,
            "type":       .type,
            "public":     .public,
            "actor":      .actor,
            "repo":       .repo,
            "payload":    .payload
        }
    '''

# ==================== Sinks ====================
[sinks.doris]
    inputs = ["parse_json"]
    type = "doris"
    endpoints = ["http://fe_ip:http_port"]
    database = "log_db"
    table = "github_events"
    label_prefix = "vector_github_events"
    log_request = true

[sinks.doris.auth]
    strategy = "basic"
    user = "root"
    password = ""

[sinks.doris.encoding]
    codec = "json"

[sinks.doris.framing]
    method = "newline_delimited"

[sinks.doris.request]
    concurrency = 10

[sinks.doris.headers]
    format = "json"
    read_json_by_line = "true"
    load_to_single_tablet = "true"

[sinks.doris.batch]
    max_events = 10000
    timeout_secs = 3
    max_bytes = 100000000

4. Vector 시작

vector --config vector_config.toml

구성 매개변수 참조

Doris Sink는 다양한 시나리오의 데이터 기록 요구 사항을 충족하는 폭넓은 구성 옵션을 지원합니다. 아래에서는 구성 항목을 기능별로 분류했습니다.

기본 구성

매개변수	타입	기본값	설명
`type`	string	-	`doris`로 고정
`inputs`	array	-	업스트림 데이터 소스 이름 목록
`endpoints`	array<string>	-	Doris FE HTTP/HTTPS 주소. 프로토콜과 포트를 포함해야 함. 예: `["https://fe1:8030"]`
`database`	string / template	-	대상 데이터베이스 이름. 템플릿 지원
`table`	string / template	-	대상 테이블 이름. 템플릿 지원
`label_prefix`	string	`"vector"`	Stream Load 레이블 접두사. 최종 레이블은 `{label_prefix}_{database}_{table}_{timestamp}_{uuid}` 형식

인증 구성

매개변수	타입	기본값	설명
`auth.strategy`	string	`"basic"`	인증 전략. Doris는 현재 Basic Auth만 지원
`auth.user`	string	-	Doris 사용자 이름
`auth.password`	string	-	Doris 비밀번호. 환경 변수 또는 비밀 정보 관리 시스템과 함께 사용 가능

요청 및 동시성 구성

매개변수	타입	기본값	설명
`request.concurrency`	string / integer	`"adaptive"`	동시성 전략. `"adaptive"`, `"none"`(직렬) 또는 양의 정수로 지정한 동시성 제한 지원
`request.timeout_secs`	integer	`60`	단일 Stream Load 요청의 제한 시간(초)
`request.rate_limit_duration_secs`	integer	`1`	요청 속도 제한의 시간 구간(초)
`request.rate_limit_num`	integer	`i64::MAX`	시간 구간당 허용되는 요청 수. 기본값은 사실상 무제한
`request.retry_attempts`	integer	`usize::MAX`	Tower 미들웨어의 최대 재시도 횟수. 기본값은 무제한 재시도를 의미
`request.retry_initial_backoff_secs`	integer	`1`	첫 재시도 전 대기 시간(초). 이후 재시도에는 피보나치 백오프 적용
`request.retry_max_duration_secs`	integer	`30`	단일 재시도 백오프의 최대 대기 시간(초)
`request.retry_jitter_mode`	string	`"full"`	재시도 지터 모드. `full` 또는 `none` 지원

적응형 동시성

request.concurrency = "adaptive"인 경우에만 적용됩니다.

매개변수	타입	기본값	설명
`request.adaptive_concurrency.initial_concurrency`	integer	`1`	적응형 동시성의 초기값
`request.adaptive_concurrency.max_concurrency_limit`	integer	`200`	과부하를 방지하기 위한 적응형 동시성의 상한
`request.adaptive_concurrency.decrease_ratio`	float	`0.9`	속도 감소가 트리거될 때 적용할 감소 비율
`request.adaptive_concurrency.ewma_alpha`	float	`0.4`	RTT 메트릭에 적용할 지수 이동 평균 가중치
`request.adaptive_concurrency.rtt_deviation_scale`	float	`2.5`	일반적인 변동을 무시하는 데 사용하는 RTT 편차 배율

인코딩 및 데이터 형식

Doris Sink는 encoding 섹션으로 이벤트 직렬화를 제어합니다. 기본 출력 형식은 NDJSON(줄바꿈으로 구분된 JSON)입니다:

매개변수	타입	기본값	설명
`encoding.codec`	string	`"json"`	직렬화 인코딩. `json`, `text`, `csv` 등의 값 사용 가능
`encoding.timestamp_format`	string	-	타임스탬프 출력 형식. `rfc3339`, `unix` 등 지원
`encoding.only_fields` / `encoding.except_fields`	array<string>	-	필드 허용 목록 또는 차단 목록 제어
`encoding.framing.method`	string	추론됨	사용자 지정 프레이밍 형식. 예: `newline_delimited` 또는 `character_delimited`

Stream Load 헤더 (`headers`)

headers는 Doris Stream Load 요청의 HTTP 헤더로 그대로 전달되는 키-값 맵입니다. Stream Load에서 지원하는 모든 헤더 매개변수를 사용할 수 있습니다(모든 값은 문자열이어야 함). 일반적으로 사용하는 설정은 다음과 같습니다:

매개변수	타입	기본값	설명
`headers.format`	string	`"json"`	데이터 형식. `json`, `csv`, `parquet` 등 지원
`headers.read_json_by_line`	string	`"true"`	JSON을 줄 단위로 읽을지 여부(NDJSON)
`headers.strip_outer_array`	string	`"false"`	가장 바깥쪽 배열을 제거할지 여부
`headers.column_separator`	string	-	CSV 열 구분자(`format = csv`일 때 적용)
`headers.columns`	string	-	CSV/JSON 매핑에 사용할 열 순서. 예: `timestamp,client_ip,status_code`
`headers.where`	string	-	Stream Load의 `where` 필터 조건

배치 구성

매개변수	타입	기본값	설명
`batch.max_bytes`	integer	`10485760`	배치당 최대 바이트 수(10 MB)
`batch.max_events`	integer / `null`	`null`	배치당 최대 이벤트 수. 기본값은 무제한이며, 바이트 수를 기준으로 배치 구성
`batch.timeout_secs`	float	`1`	배치의 최대 대기 시간(초)

안정성 및 보안 구성

매개변수	타입	기본값	설명
`max_retries`	integer	`-1`	Sink 수준의 최대 재시도 횟수. `-1`은 무제한을 의미
`log_request`	boolean	`false`	모든 Stream Load 요청과 응답을 출력할지 여부(운영 환경에서는 필요에 따라 활성화)
`compression`	-	지원하지 않음	-
`distribution.retry_initial_backoff_secs`	integer	`1`	엔드포인트 상태 확인 복구를 위한 초기 백오프 시간(초)
`distribution.retry_max_duration_secs`	integer	`3600`	상태 확인의 최대 백오프 시간(초)
`tls.verify_certificate`	boolean	`true`	업스트림 인증서 검증 활성화 또는 비활성화
`tls.verify_hostname`	boolean	`true`	호스트 이름 검증 활성화 또는 비활성화
`tls.ca_file` / `tls.crt_file` / `tls.key_file` / `tls.key_pass` / `tls.alpn_protocols` / `tls.server_name`	다양함	-	사용자 지정 CA, 상호 인증 또는 SNI에 사용하는 표준 Vector TLS 클라이언트 구성 항목
`acknowledgements.enabled`	boolean	`false`	종단 간 확인 응답 활성화. 확인 응답을 지원하는 Sources와 함께 사용

모범 사례

배치 크기: 처리량이 높은 로그 시나리오에서는 batch.max_bytes를 약 100 MB로 설정하고 batch.timeout_secs를 그에 맞게 늘려 Stream Load 요청 수를 줄입니다.
동시성 전략: 업스트림 트래픽이 안정적인 경우 request.concurrency를 고정된 정수로 명시적으로 설정합니다. 트래픽 변동이 큰 경우에는 "adaptive"를 사용하여 Vector가 동시성을 자동으로 조정하도록 합니다.
단일 tablet 쓰기: load_to_single_tablet = "true"를 headers에 설정하면 작은 파일을 대규모 배치로 많이 기록할 때 BE 측의 리소스 오버헤드를 줄일 수 있습니다.
동적 파티셔닝 + 시계열 컴팩션: 로그 테이블에 dynamic_partition을 활성화하고 compaction_policy = "time_series"를 설정하면 스토리지 및 병합 오버헤드를 크게 줄일 수 있습니다.
운영 환경 디버깅: 로그가 과도하게 늘어나지 않도록 log_request는 기본적으로 비활성화하고 문제를 해결할 때만 활성화합니다.
TLS 및 인증: tls.* 구성으로 HTTPS 검증을 활성화합니다. 자격 증명을 평문으로 저장하지 않도록 auth.password를 환경 변수 또는 비밀 정보 관리 시스템을 통해 주입합니다.

적용 시나리오​

데이터 파이프라인​

설치 및 배포​

옵션 1: 사전 컴파일된 패키지 다운로드​

옵션 2: 소스에서 컴파일​

빠른 시작​

예제​

예제 1: TEXT 여러 줄 로그 수집(Doris FE 로그)​

1. 샘플 데이터​

2. Doris 테이블 생성​

3. Vector 구성​

4. Vector 시작​

예제 2: JSON 로그 수집(GitHub Events)​

1. 샘플 데이터​

2. Doris 테이블 생성​

3. Vector 구성​

4. Vector 시작​

구성 매개변수 참조​

기본 구성​

인증 구성​

요청 및 동시성 구성​

적응형 동시성​

인코딩 및 데이터 형식​

Stream Load 헤더 (headers)​

배치 구성​

안정성 및 보안 구성​

모범 사례​

적용 시나리오

데이터 파이프라인

설치 및 배포

옵션 1: 사전 컴파일된 패키지 다운로드

옵션 2: 소스에서 컴파일

빠른 시작

예제

예제 1: TEXT 여러 줄 로그 수집(Doris FE 로그)

1. 샘플 데이터

2. Doris 테이블 생성

3. Vector 구성

4. Vector 시작

예제 2: JSON 로그 수집(GitHub Events)

1. 샘플 데이터

2. Doris 테이블 생성

3. Vector 구성

4. Vector 시작

구성 매개변수 참조

기본 구성

인증 구성

요청 및 동시성 구성

적응형 동시성

인코딩 및 데이터 형식

Stream Load 헤더 (`headers`)

배치 구성

안정성 및 보안 구성

모범 사례