版本通告|Apache Doris 0.15 Release 版本正式发布!

栏目: 软件资讯 · 发布时间: 3年前

内容简介:亲爱的社区小伙伴们,历时数个月精心打磨,我们很高兴地宣布, Apache Doris 于 2021 年 11 月 29 日迎来了 0.15.0 Release 版本的正式发布!有 99 位 Contributor为 Apache Doris 提交了近 700 项优化和修复,在...

版本通告|Apache Doris 0.15 Release 版本正式发布!

亲爱的社区小伙伴们,历时数个月精心打磨,我们很高兴地宣布, Apache Doris 于 2021 年 11 月 29 日迎来了 0.15.0 Release 版本的正式发布有 99 位 Contributor为 Apache Doris 提交了近 700 项优化和修复,在此我们也对所有贡献者表示最真诚的感激!

在 0.15.0 Release 版本中,我们增加了诸多新功能,对 Apache Doris 的查询性能、易用性、稳定性方面等进行了全面优化:新增资源划分和隔离功能,用户可以通过资源标签的方式将集群中的 BE 节点划分为资源组,实现对在线、离线业务的统一管理和资源隔离;增加了 Runtime Filter 及 Join Reorder 功能,对多表 Join 场景的查询效率进行了大幅提升,在 Star Schema Benchmark 测试数据集下有 2-10 倍的性能提升;新增导入方式 Binlog Load ,使 Doris 可以增量同步 MySQL 中对数据更新操作的 CDC ;支持 String 列类型,长度最大支持 2GB ;支持 List 分区功能,可以通过枚举值创建分区;支持 Unique Key 模型上的 Update 语句;Spark-Doris-Connector 支持数据写入 Doris …… 还有更多重要特性。

我们欢迎大家在使用过程中,有任何问题通过 GitHub Discussion 或者 Dev 邮件组与我们取得联系,也期待大家参与社区讨论和建设中 。

重要更新

资源划分与隔离

用户可以通过资源标签的方式将一个 Doris 集群中的 BE 节点划分成多个资源组,从而可以进行在线、离线业务的统一管理和节点级别的资源隔离。

同时,还可以通过限制单个查询任务的 CPU、内存开销以及复杂度,来控制单个查询的资源开销,从而降低不同查询之间的资源抢占问题。

性能优化

新增 Runtime Filter 及 Join Reorder 功能。Runtime Filter 功能通过使用 Join 算子中右表的 Join Key 列条件来过滤左表的数据,在大部分 Join 场景下可以显著提升查询效率。如在 Star Schema Benchmark (TPCH 的精简测试集) 下可以获得 2-10 倍的性能提升。

Join Reorder 功能可以通过通过代价模型自动帮助调整 SQL 中 Join 的顺序,以帮助获得最优的 Join 效率。 可通过会话变量 set enable_cost_based_join_reorder=true 开启。

新增功能

  • 支持直接对接 Canal Server 同步 MySQL binlog 数据。
  • 支持 String 列类型,长度范围 1-2GB 。
  • 支持 List 分区功能,可以针对枚举值创建分区。
  • 支持事务性 Insert 语句功能。可以通过 begin ; insert ; insert; ,… ; commit ; 的方式批量导入数据。
  • 支持在 Unique Key 模型上的 Update 语句功能。可以在 Unique Key 模型表上执行 Update Set where 语句。
  • 支持 SQL 阻塞名单功能。可以通过正则、Hash 值匹配等方式阻止部分 SQL 的执行。
  • 支持 LDAP 登陆验证。

拓展功能

  • 支持 Flink-Doris-Connector 。
  • 支持 DataX doriswriter 插件。
  • Spark-Doris-Connector 支持数据写入 Doris 。

功能优化

查询

支持在 SQL 查询规划阶段,利用 BE 的函数计算能力计算所有常量表达式。

导入

  • 支持导入文本格式文件时,指定多字节行列分隔符或不可见分隔符。
  • 支持通过 Stream Load 导入压缩格式文件。
  • Stream Load 支持导入多行格式的 Json 数据。

导出

  • 支持 Export 导出功能指定 where 过滤条件。支持导出文件使用多字节行列分隔符。支持导出到本地文件。
  • Export 导出功能支持仅导出指定的列。
  • 支持通过 outfile 语句导出结果集到本地磁盘,并支持导出后写入导出成功的标记文件。

易用性

  • 动态分区功能支持创建、保留指定的历史分区、支持自动冷热数据迁移设置。
  • 支持在命令行使用可视化的树形结构展示查询、导入的计划和 Profile。
  • 支持记录并查看 Stream Load 操作日志。
  • 通过 Routine Load 消费 Kafka 数据时,可以指定时间点进行消费。
  • 支持通过 show create routine load 功能导出 Routine Load 的创建语句。
  • 支持通过 pause/resume all routine load 命令一键启停所有 Routine Load Job。
  • 支持通过 alter routine load 语句修改 Routine Load 的 Broker List 和 Topic。
  • 支持 create table as select 功能。
  • 支持通过 alter table 命令修改列注释和表注释。
  • show tablet status 增加表创建时间、数据更新时间。
  • 支持通过 show data skew 命令查看表的数据量分布,以排查数据倾斜问题。
  • 支持通过 show/clean trash 命令查看 BE 文件回收站的磁盘占用情况并主动清除。
  • 支持通过 show view 语句展示一个表被哪些视图所引用。

新增函数

  • bitmap_min , bit_length
  • yearweek , week , makedate
  • percentile 精确百分位函数
  • json_array,json_object,json_quote
  • 支持为 AES_ENCRYPT 和 AES_DECRYPT 函数创建自定义公钥。
  • 支持通过 create alias function 创建函数别名来组合多个函数。

其他

  • 支持访问 SSL 连接协议的 ES 外表。
  • 支持在动态分区属性中指定热点分区的数量,热点分区将存储在 SSD 磁盘中。
  • 支持通过 Broker Load 导入 Json 格式数据。
  • 支持直接通过 libhdfs3 库访问 HDFS 进行数据的导入导出,而不需要 Broker 进程。
  • select into outfile 功能支持导出 Parquet 文件格式,并支持并行导出。
  • ODBC 外表支持 SQLServer。

下载使用

下载地址

http://doris.apache.org/master/zh-CN/downloads/downloads.html

升级说明

您可以从 Apache Doris 0.14.0 或 0.14.x 发行版本直接升级到 0.15.0 Release 版本,升级过程请参考文档:

http://doris.apache.org/master/zh-CN/installing/upgrade.html

更新日志

详细 Release Note 请查看链接:

https://github.com/apache/incubator-doris/issues/6806

意见反馈

如果您遇到任何使用上的问题,欢迎随时通过 GitHub Discussion 论坛或者 Dev 邮件组与我们取得联系。

GitHub 论坛:https://github.com/apache/incubator-doris/discussions

Dev 邮件组:dev@doris.apache.org

致谢

Apache Doris 0.15.0 Release 版本的发布离不开所有社区用户的支持,在此向所有参与版本设计、开发、测试、讨论的社区贡献者们表示感谢,他们分别是:

贡献者名单

  • @924060929
  • @acelyc111
  • @Aimiyoo
  • @amosbird
  • @arthur-zhang
  • @azurenake
  • @BiteTheDDDDt
  • @caiconghui
  • @caneGuy
  • @caoliang-web
  • @ccoffline
  • @chaplinthink
  • @chovy-3012
  • @ChPi
  • @copperybean
  • @crazyleeyang
  • @dh-cloud
  • @DinoZhang
  • @dixingxing0
  • @dohongdayi
  • @e0c9
  • @EmmyMiao87
  • @eyesmoons
  • @francisoliverlee
  • @Gabriel39
  • @gaodayue
  • @GoGoWen
  • @HappenLee
  • @harveyyue
  • @Henry2SS
  • @hf200012
  • @huangmengbin
  • @huozhanfeng
  • @huzk8
  • @hxianshun
  • @ikaruga4600
  • @JameyWoo
  • @Jennifer88huang
  • @JinLiOnline
  • @jinyuanlu
  • @JNSimba
  • @killxdcj
  • @kuncle
  • @liutang123
  • @luozenglin
  • @luzhijing
  • @MarsXDM
  • @mh-boy
  • @mk8310
  • @morningman
  • @Myasuka
  • @nimuyuhan
  • @pan3793
  • @PatrickNicholas
  • @pengxiangyu
  • @pierre94
  • @qidaye
  • @qzsee
  • @shiyi23
  • @smallhibiscus
  • @songenjie
  • @spaces-X
  • @stalary
  • @stdpain
  • @Stephen-Robin
  • @Sunt-ing
  • @Taaang
  • @tarepanda1024
  • @tianhui5
  • @tinkerrrr
  • @TobKed
  • @ucasfl
  • @Userwhite
  • @vinson0526
  • @wangbo
  • @wangliansong
  • @wangshuo128
  • @weajun
  • @weihongkai2008
  • @weizuo93
  • @WindyGao
  • @wunan1210
  • @wuyunfeng
  • @xhmz
  • @xiaokangguo
  • @xiaoxiaopan118
  • @xinghuayu007
  • @xinyiZzz
  • @xuliuzhe
  • @xxiao2018
  • @xy720
  • @yangzhg
  • @yx91490
  • @zbtzbtzbt
  • @zenoyang
  • @zh0122
  • @zhangboya1
  • @zhangstar333
  • @zuochunwei

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

大数据之眼

大数据之眼

[德]尤夫娜·霍夫施泰特 / 陈巍 / 浙江文艺出版社 / 2018-5-7 / 68.00元

德国狂销10万册的大数据商业应用畅销书,经典之作《大数据时代》的姊妹篇。 该书在德语国家促发了一场关于大数据,人工智能与人的关系建构的大讨论。 德国大数据与人工智能领域权威,首度为中国读者亲笔作序。 在后大数据时代,如何维护自己的隐私,如何巧妙利用资源获得更多金钱? 一部对大数据发展所产生的问题进行思考和规避的先知式作品。 当智能机器欲“优化”我们,入侵我们的生活,统......一起来看看 《大数据之眼》 这本书的介绍吧!

JS 压缩/解压工具
JS 压缩/解压工具

在线压缩/解压 JS 代码

HSV CMYK 转换工具
HSV CMYK 转换工具

HSV CMYK互换工具