数据缓存

数据缓存(Data Cache)通过缓存最近访问的远端存储系统(HDFS 或对象存储)的数据文件，加速后续访问相同数据的查询。在频繁访问相同数据的查询场景中，Data Cache 可以避免重复的远端数据访问开销，提升热点数据的查询分析性能和稳定性。

原理

Data Cache 将访问的远程数据缓存到本地的 BE 节点。原始的数据文件会根据访问的 IO 大小切分为 Block，Block 被存储到本地文件 cache_path/hash(filepath).substr(0, 3)/hash(filepath)/offset 中，并在 BE 节点中保存 Block 的元信息。当访问相同的远程文件时，doris 会检查本地缓存中是否存在该文件的缓存数据，并根据 Block 的 offset 和 size，确认哪些数据从本地 Block 读取，哪些数据从远程拉起，并缓存远程拉取的新数据。BE 节点重启的时候，扫描 cache_path 目录，恢复 Block 的元信息。当缓存大小达到阈值上限的时候，按照 LRU 原则清理长久未访问的 Block。

使用方式

Data Cache 默认关闭，需要在 FE 和 BE 中设置相关参数进行开启。

FE 配置

单个会话中开启 Data Cache:

SET enable_file_cache = true;

全局开启 Data Cache:

SET GLOBAL enable_file_cache = true;

Data Cache 功能仅作用于针对文件的外表查询（如 Hive、Hudi ）。对内表查询，或非文件的外表查询（如 JDBC、Elasticsearch）等无影响。

BE 配置

添加参数到 BE 节点的配置文件 conf/be.conf 中，并重启 BE 节点让配置生效。

参数	必选项	说明
`enable_file_cache`	是	是否启用 Data Cache，默认 false
`file_cache_path`	是	缓存目录的相关配置，json格式，例子: `[{"path": "/path/to/file_cache1", "total_size":53687091200,"query_limit": 10737418240},{"path": "/path/to/file_cache2", "total_size":53687091200,"query_limit": 10737418240},{"path": "/path/to/file_cache3", "total_size":53687091200,"query_limit": 10737418240, "normal_percent":85, "disposable_percent":10, "index_percent":5}]`。`path` 是缓存的保存路径，`total_size` 是缓存的大小上限，`query_limit` 是单个查询能够使用的最大缓存大小，`normal_percent, disposable_percent, index_percent` 3个cache队列的百分比，他们之和是100
`file_cache_min_file_segment_size`	否	单个 Block 的大小下限，默认 1MB，需要大于 4096
`file_cache_max_file_segment_size`	否	单个 Block 的大小上限，默认 4MB，需要大于 4096
`enable_file_cache_query_limit`	否	是否限制单个 query 使用的缓存大小，默认 false
`clear_file_cache`	否	BE 重启时是否删除之前的缓存数据，默认 false

缓存可观测性

查看 Data Cache 命中情况

执行 set enable_profile=true 打开会话变量，可以在 FE 的 web 页面的 Queris 标签中查看到作业的 Profile。Data Cache 相关的指标如下:

-  FileCache:  0ns
    -  BytesScannedFromCache:  2.02  GB
    -  BytesScannedFromRemote:  0.00  
    -  BytesWriteIntoCache:  0.00  
    -  LocalIOUseTimer:  2s723ms
    -  NumLocalIOTotal:  444
    -  NumRemoteIOTotal:  0
    -  NumSkipCacheIOTotal:  0
    -  RemoteIOUseTimer:  0ns
    -  WriteCacheIOUseTimer:  0ns

BytesScannedFromCache：从本地缓存中读取的数据量。
BytesScannedFromRemote：从远端读取的数据量。
BytesWriteIntoCache：写入缓存的数据量。
LocalIOUseTimer：本地缓存的 IO 时间。
RemoteIOUseTimer：远端读取的 IO 时间。
NumLocalIOTotal：本地缓存的 IO 次数。
NumRemoteIOTotal：远端 IO 次数。
WriteCacheIOUseTimer：写入缓存的 IO 时间。

如果 BytesScannedFromRemote 为 0，表示全部命中缓存。

监控指标

用户可以通过系统表 file_cache_statistics 查看各个 Backend 节点的缓存统计指标。

原理​

使用方式​

FE 配置​

BE 配置​

缓存可观测性​

查看 Data Cache 命中情况​

监控指标​

原理