冷热数据分层概述
冷热数据分层（Tiered Storage） 是 Apache Doris 提供的存储优化能力，通过将访问频率较低的冷数据下沉到低成本存储介质（HDD、对象存储、HDFS），同时保留热数据在高性能存储中，从而在保证查询效率的前提下显著降低存储成本。
适用场景
- 存储成本压力大，希望对历史数据进行降本处理
- 数据具有明显的冷热访问特征（如近 7 天为热数据，更早数据为冷数据）
- 已有对象存储（S3/OSS/COS 等）或 HDFS 资源可复用
- 部署模式不同（存算一体 / 存算分离），需要差异化的冷数据存储方案
快速决策
根据部署条件与成本目标，快速选择合适的分层模式：
| 用户场景 | 推荐模式 | 关键收益 |
|---|---|---|
| 具备存算分离部署条件，追求极致弹性扩展 | 存算分离 | 单副本存储 + 计算/存储独立扩展 |
| 存算一体模式，希望优化本地 SSD 资源 | 本地分层 | 冷数据从 SSD 冷却到 HDD，节省高性能存储 |
| 存算一体模式，希望使用对象存储或 HDFS 降本 | 远程分层 | 冷数据单副本存储到对象存储或 HDFS，深度降本 |
三种分层模式详解
Doris 针对不同部署条件提供了三种冷数据分层方案，用户可以根据实际情况灵活选择。
模式对比表
下表汇总了三种模式的适用条件与核心特性，便于快速对比：
| 冷数据选择 | 适用条件 | 核心特性 |
|---|---|---|
| 存算分离 | 用户具备部署存算分离的条件 | - 数据以单副本完全存储在对象存储中 - 通过本地缓存加速热数据访问 - 存储与计算资源独立扩展，显著降低存储成本 |
| 本地分层 | 存算一体模式下，用户希望进一步优化本地存储资源 | - 支持将冷数据从 SSD 冷却到 HDD - 充分利用本地存储层级特性，节省高性能存储成本 |
| 远程分层 | 存算一体模式下，使用廉价的对象存储或 HDFS 进一步降本 | - 冷数据以单副本形式保存到对象存储或 HDFS 中 - 热数据继续使用本地存储 - 不能对一个表和本地分层混合使用 |
1. 存算分离
适用场景：用户具备部署存算分离的条件，追求弹性扩展与极致降本。
核心特性：
- 数据以单副本完全存储在对象存储中
- 通过本地缓存加速热数据访问
- 存储与计算资源独立扩展，显著降低存储成本
2. 本地分层
适用场景：存算一体模式下，用户希望进一步优化本地存储资源。
核心特性：
- 支持将冷数据从 SSD 冷却到 HDD
- 充分利用本地存储层级特性，节省高性能存储成本
详细配置与使用方法请参考：本地磁盘分层存储
3. 远程分层
适用场景：存算一体模式下，使用廉价的对象存储或 HDFS 进一步降本。
核心特性：
- 冷数据以单副本形式保存到对象存储或 HDFS 中
- 热数据继续使用本地存储
- 不能对一个表和本地分层混合使用
详细配置与使用方法请参考：本地-远程分层存储
设计目标
通过上述三种模式，Doris 能够灵活适配用户的部署条件，实现以下目标：
- 查询效率与存储成本的平衡：热数据保持高性能访问，冷数据享受低成本存储
- 灵活适配多种部署形态：兼容存算一体与存算分离两种模式
- 复用已有基础设施：支持对象存储、HDFS、本地 HDD 等多种冷存储介质
FAQ
Q1：存算分离与远程分层的本质区别是什么？
- 存算分离：所有数据（包括热数据）都以单副本存储在对象存储中，本地仅作缓存加速。
- 远程分层：仅冷数据下沉到对象存储/HDFS，热数据仍保留在本地存储中，属于存算一体架构下的优化方案。
Q2：本地分层和远程分层可以同时使用吗？
不可以。同一张表不能混合使用本地分层与远程分层。
Q3：如何判断我应该选择哪种模式？
- 如果具备存算分离部署条件，优先选择存算分离。
- 如果是存算一体且仅希望优化本地磁盘成本，选择本地分层。
- 如果是存算一体且希望利用对象存储或 HDFS 降本，选择远程分层。
Q4：冷数据分层会影响查询性能吗？
冷数据查询会因介质性能差异（HDD/对象存储延迟高于 SSD）而略有下降，但 Doris 通过本地缓存等机制最大限度降低性能损失。
