Apache Doris 2.1.6 版本正式发布

9月21日，源创会西安，聊聊大模型技术与产业应用

亲爱的社区小伙伴们，Apache Doris 2.1.6 版本已于 2024 年 9 月 10 日正式发布。2.1.6 版本在 Lakehouse、异步物化视图、半结构化数据管理持续升级改进，同时在查询优化器、执行引擎、存储管理、数据导入与导出以及权限管理等方面完成了若干修复。欢迎大家下载使用。

• 官网下载：https://doris.apache.org/

• GitHub 下载：https://github.com/apache/doris/releases/tag/2.1.6-rc04

行为变更

• 移除 create repository 命令中的 delete_if_exists 选项。#38192

• 新增会话变量 enable_prepared_stmt_audit_log，用于控制 JDBC 预编译语句是否记录审计日志，默认不记录。#38624 #39009

• 采用文件描述符限制和内存限制来管理 Segment Cache。#39689

• 当 sys_log_mode 配置项设置为 BRIEF 时，在日志中增加文件位置信息，以提供更详细的上下文。#39571

• 将会话变量 max_allowed_packet 的默认值调整为 16MB，提高数据传输限制。#38697

• 在单次请求中，若包含多个 SQL 语句，各语句间必须使用分号进行分隔，以增强语句的清晰度和执行效率。#38670

• 现在支持 SQL 语句以分号开始，提供更灵活的语句书写方式。#39399

• 在执行如 show create table 等语句时，类型格式与 MySQL 保持一致，提升与 MySQL 的兼容性。#38012

• 当新优化器规划查询超时后，不再回退到旧优化器，以避免潜在的性能下降问题。#39499

新功能

Lakehouse

• 实现 Iceberg 表的写回功能。

  • 更多信息，请查看文档数据湖构建-Iceberg

• 增强 SQL 拦截规则，支持对外表的拦截处理。

  • 更多信息，请查看文档查询管理-SQL 拦截

• 新增系统表file_cache_statistics，用于查看 BE 节点的数据缓存性能指标。

  • 更多信息，请查看文档系统表-file_cache_statistics

异步物化视图

• 支持在 Insert 中进行透明改写。#38115

• 支持对查询中存在 VARIANT 类型时的透明改写。#37929

半结构化数据管理

• 支持 ARRAY MAP 类型到 JSON 类型的 CAST 转换功能。#36548

• 引入json_keys函数，用于提取 JSON 中的键名。#36411

• 支持在导入 JSON 时指定json path$``#38213

• ARRAY / MAP / STRUCT 类型支持replace_if_not_null#38304

• 允许调整 ARRAY / MAP / STRUCT 类型的列顺序。#39210

• 新增multi_match函数，支持在多个字段中匹配关键词，并利用倒排索引加速查询。#37722

查询优化器

• 完善 MySQL 协议返回列的信息，包括原始数据库名、表名、列名和别名。#38126

• 增强聚合函数group_concat，支持同时使用order by和distinct进行复杂数据聚合。#38080

• 改进了 SQL 缓存机制，支持通过注释区分不同的查询以复用缓存结果。#40049

• 增强分区裁剪功能，支持在过滤条件中使用date_trunc和date函数。#38025 #38743

• 允许在表别名前使用数据库名作为限定名前缀。#38640

• 支持 Hint 格式注释。#39113

执行引擎

• Group concat函数现支持distinct和order by选项。#38744

Others

• 新增系统表table_properties，便于用户查看和管理表的各项属性。

  • 更多信息，请查看文档 table_properties

• 新增 FE 中死锁和慢锁检测功能。

  • 更多信息，请查看文档 FE 锁管理

改进提升

Lakehouse

• 革新外表元数据缓存机制。

  • 更多信息，请查看文档 元数据缓存。

• 新增会话变量keep_carriage_return，默认关闭。读取 Hive Text 格式表时，默认将\r\n与\n均视为换行符。#38099

• 优化 Parquet / ORC 文件读写内存统计。#37257

• Paimon 表支持 IN/ NOT IN 谓词下推。#38390

• 升级优化器，支持 Hudi 表的 Time Travel 语法。#38591

• Kerberos 认证流程优化，提升安全认证效率与稳定性。#37301

• 支持 Rename column 操作后读取 Hive 表。#38809

• 提升外表分区列读取性能。#38810

• 优化外表查询规划，优化数据分片合并策略，有效避免小分片对查询性能的影响。#38964

• SHOW CREATE DATABASE / TABLE 新增 Location 等属性展示。#39644

• MaxCompute Catalog 扩展支持复杂类型。#39822

• 优化文件缓存加载策略，通过异步加载方式避免 BE 启动时间过长的问题。#39036

• 升级文件缓存淘汰策略，有效管理长时间占用锁的资源。#39721

异步物化视图

• 支持小时、周及季度级别的分区上卷构建。#37678

• 基于 Hive 外表的物化视图，在刷新前自动更新元数据缓存，以保证每次刷新可以获取最新数据。#38212

• 通过批量获取元数据，优化存算分离模式下的透明改写规划性能。#39301

• 通过禁止重复枚举，进一步提升透明改写的规划性能。#39541

• 优化基于 Hive 外表分区刷新物化视图的透明改写性能。#38525

半结构化数据管理

• 优化 TOPN 查询内存分配，显著提升查询性能。#37429

• 优化倒排索引字符串处理性能。#37395

• 优化倒排索引在 MOW 表中的性能。#37428

• 建表时支持指定行存 page_size，以控制压缩效果。#37145

查询优化器

• 调整 Mark Join 行数估计算法，提高基数估算准确性。#38270

• 优化 Semi / Anti Join 代价估计算法，能够正确选择最佳 Join 顺序。#37951

• 调整部分列无统计信息情况下的过滤估计算法，使估算更精准。#39592

• 改进 Set Operation 算子 Instance 计算逻辑，防止在极端情况下并行度不足的问题。#39999

• 优化 Bucket Shuffle 使用策略，数据打散不充分时也能获得更好的性能。#36784

• 窗口函数数据提前过滤，支持单投影中存在多窗口函数的情况。#38393

• 过滤条件含 NullLiteral 时，智能折叠为 False，转换为 EmptySet，减少不必要的数据扫描量。#38135

• 扩大谓词推导适用范围，在特定模式的查询下能够大幅减少数据扫描量。#37314

• 在分区裁剪中支持部分短路计算逻辑，以提升分区裁剪性能。在特定场景下，性能提升超过100%。#38191

• 在用户变量中，支持计算任意的标量函数。#39144

• 当查询中存在别名冲突时，报错信息能够保持与 MySQL 一致。#38104

执行引擎

• 实现 AggState 从 2.1 到 3.x 版本的兼容，并解决了 coredump 问题。#37104

• 重构无 Join 操作时的 Local Shuffle 策略选择机制。#37282

• 将内部表查询的 scanner 调整为异步模式，以防止查询内部表时出现卡顿。#38403

• 优化 Join 算子在构建 Hash 表时的 Block Merge 流程。#37471

• 缩短 MultiCast 持有锁的时间。#37462

• 优化 gRPC 的 keepAliveTime 设置并增加了链接监测机制，降低了因 RPC 错误导致的查询失败率。#37304

• 当内存超出限制时，将清理 jemalloc 中的所有 Dirty Pages。#37164

• 提升 aes_encrypt/decrypt 函数对常量类型的处理效率。#37194

• 加快 json_extract 函数对常量数据的处理速度。#36927

• 提高 ParseUrl 函数处理常量数据的性能。#36882

存储管理

备份恢复 / 跨集群同步

• Restore 功能现已支持删除多余的 Tablet 和分区选项。#39363

• 在创建 Repository 时，支持检查存储连通性。#39538

• Binlog 支持 Drop 表操作，使 CCR 能够支持 Drop 表的增量同步。#38541

Compaction

• 改进高优 Compaction 任务不受并发控制限制的问题。#38189

• 根据数据特性自动调整 Compaction 的内存消耗。#37486

• 修复顺序数据优化策略可能引发的聚合表或 MOR UNIQUE 表数据准确性问题。#38299

• 优化补副本期间 Compaction 选择 rowset 的策略，以避免触发 -235 错误。#39262

Merge-on-Write

• 解决了列更新和 Compaction 并发时列更新慢的问题。#38682

• 修复一次导入大量数据时，Segcompaction 可能导致 MOW 数据不正确的问题。#38992 #39707

• 解决 BE 重启后，可能导致列更新数据丢失的问题。#39035

其他

• 增加了 FE 配置，用于控制冷热分层下查询是否优先访问本地数据的副本。#38322

• 解决了过期的 BE 汇报消息未包含新创建 Tablet 的问题。#38839 #39605

• 优化副本调度优先级策略，优先调度缺少数据的副本。#38884

• 对于有未完成 ALTER JOB 的 Tablet，不进行均衡调度。#39202

• List 分区方式的表现支持修改分桶数。#39688

• 优先选择在线的磁盘服务进行查询。#39654

• 改进了同步物化视图的 Base 表不支持删除时的提示信息。#39857

• 改进了单列超过 4G 时的报错信息。#39897

• 修复了 Insert 语句遇到 Plan 错误时未正确中止事务的问题。#38260

• 修复了 SSL 链接关闭时的异常问题。#38677

• 修复了使用 Label 中止事务时未持有表锁的问题。#38842

• 修复了 Gson Pretty 导致 Image 过大的问题。#39135

• 修复了 CREAT TABLE 语句在新优化器下未检查 Bucket 为 0 的问题。#38999

• 修复了 DELETE 条件谓词中包含中文列时报错的问题。#39500

• 修复了分区均衡模式下频繁均衡 Tablet 的问题。#39606

• 修复了分区丢失 Storage Policy 属性的问题。#39677

• 修复了事务内导入多个表时统计信息不正确的问题。#39548

• 修复了 Random 分桶表删除时报错的问题。#39830

• 修复了 UDF 不存在导致 FE 无法启动的问题。#39868

• 修复了 FE 主从 Last Failed Version 不一致的问题。#39947

• 修复了 Schema Change Job 被取消时，相关 Tablet 可能仍处于 Schema Change 状态的问题。#39327

• 修复了单个语句修改类型和列顺序 SC 时出现的报错问题。#39107

数据导入

• 改进了导入发生 -238 错误时的错误信息提示。#39182

• 实现在 Restore 分区时，其他分区可以同时进行导入。#39915

• 优化了 Group Commit FE 选择 BE 的策略。#37830 #39010

• 对于一些常见的 Stream Load 错误信息，避免了程序栈的打印，简化了错误处理。#38418

• 改进下线的 BE 可能影响导入出错的问题。#38256

权限管理

• 优化了开启 Ranger 鉴权插件后的访问性能。#38575

• 优化了 Refresh Catalog / Database / Table 操作的权限策略，用户仅需 SHOW 权限即可执行此操作。#39008

Bug 修复

Lakehouse

• 修复切换 Catalog 时可能出现的数据库找不到问题。#38114

• 解决了读取 S3 上不存在的数据时出现的异常报错。#38253

• 修正导出操作时，指定异常路径可能导致导出位置异常的问题。#38602

• 修复 Paimon 表时间列时区问题。#37716

• 临时关闭 Parquet PageIndex 功能以避免部分错误行为。

• 修复外表查询时，错误选取黑名单中 Backend 节点的问题。#38984

• 解决读取 Parquet Struct 列类型中缺失子列导致查询错误的问题。#39192

• 修复 JDBC Catalog 的谓词下推问题。#39082

• 修正 Parquet 格式读取时，历史格式导致查询结果错误的问题。#39375

• 增强了 Oracle JDBC Catalog 对 OJDBC6 驱动的兼容性。#39408

• 解决了 Refresh Catalog/Database/Table 操作可能导致的 FE 内存泄漏问题。#39186 #39871

• 修复了 JDBC Catalog 在某些情况下的线程泄漏问题。 #39666 #39582

• 修复开启 Hive Metastore 事件订阅后，可能出现事件处理失败的问题。#39239

• 禁止读取自定义 Escape CHAR 和 NULL Format 的 Hive Text 格式表，防止数据错误。#39869

• 修复某些情况下，无法访问通过 Iceberg API 创建的 Iceberg 表的问题。#39203

• 修复无法读取存储在开启高可用的 HDFS 集群上的 Paimon 表的问题。#39876

• 修复开启文件缓存后，读取 Paimon 表 Deletion Vector 可能导致错误的问题。#39875

• 修复某些情况下读取 Parquet 可能导致死锁的问题 #39945

异步物化视图

• 修复无法在 Follower FE 上使用 show create materialized view 命令的问题。#38794

• 统一异步物化视图在元数据中的对象类型，使其在数据工具中正常显示。#38797

• 修复嵌套异步物化视图总是进行全量刷新的问题。#38698

• 修正 Cancel 任务在重启 FE 后状态可能显示为 running 的问题。 #39424

• 修复错误使用上下文，导致刷新物化视图任务可能非预期失败的问题。#39690

• 修复基于外表创建异步物化视图时，VARCHAR 类型因长度不合理导致写入失败的问题。#37668

• 修复 FE 重启或 Catalog 重建后，基于外表的异步物化视图可能失效的问题。#39355

• 禁止 List 分区的物化视图使用分区上卷，以防止生成错误数据。#38124

• 修复在聚合上卷透明改写时，SELECT List 中存在字面量导致的结果错误问题。#38958

• 修复当查询中存在形如a = a的过滤条件时，透明改写可能出错的问题。#39629

• 修复透明改写直查外表无法成功的问题。#39041

半结构化数据管理

• 删除老优化器上 PreparedStatement 的支持。#39465

• 修复 JSON 转义字符处理的问题。#37251

• 修复 JSON 字段重复处理的问题。 #38490

• 修复部分 ARRAY MAP 函数的问题。#39307 #39699 #39757

• 修复倒排索引查询和 LIKE 查询复杂组合的问题。#36687

查询优化器

• 修复分区过滤条件中存在 or 时，可能导致分区裁剪错误的问题。#38897

• 修复存在复杂表达式时，可能导致的分区裁剪错误的问题。#39298

• 修复 AGG_STATE 类型中的子类型，Nullable 可能规划不正确导致执行报错的问题。#37489

• 修复 Set Operation 算子 Nullable 可能规划不正确，导致执行报错的问题。#39109

• 修复 Intersect 算子执行优先级不正确的问题。 #39095

• 修复当查询中存在最大合法日期字面量时，可能出现 NPE 的问题。#39482

• 修复偶现的规划报错，导致的执行时报错 Slot 不合法的问题。#39640

• 修复重复引用 CTE 中的列，可能导致结果缺少部分列数据的问题。#39850

• 修复在查询中存在 CASE WHEN 时，偶现的规划报错问题。#38491

• 修复不能将 IP 类型隐式转换为 STRING 类型的问题。#39318

• 修复在使用多维聚合时，当 SELECT List 中存在相同列和其别名时，可能出现的规划报错问题。#38166

• 修复使用 BE 常量折叠时，处理 BOOLEAN 类型可能不正确的问题。#39019

• 修复在表达式中存在 default_cluster: 作为 Database 名称前缀导致的规划报错问题。#39114

• 修复 Insert Into 可能导致的死锁问题。#38660

• 修复没有在规划全过程持有表锁导致可能出现规划报错的问题。 #38950

• 修复创建表时不能正确处理 CHAR(0), VARCHAR(0)的问题。#38427

• 修复 SHOW CREAT TABLE 可能错误的显示出隐藏列的问题。#38796

• 修复创建表时没有禁止使用和隐藏列同名列的问题。 #38796

• 修复在执行 INSERT INTO AS SELECT 时，如果存在 CTE，偶现的规划报错问题。#38526

• 修复 INSERT INTO VALUES 无法自动填充 NULL 默认值的问题。#39122

• 修复在 DELETE 中使用 CTE，但是没有使用 USING 时，导致的 NPE 问题。#39379

• 修复对随机分布的聚合模型表执行删除操作会失败的问题。#37985

执行引擎

• 修复多个场景下，Pipeline 执行引擎被卡顿，导致查询不结束的问题。#38657 #38206 #38885

• 修复了 NULL 和非 NULL 列在差集计算时导致的 Coredump 问题。#38737

• 修复了 width_bucket 函数结果错误的问题。#37892

• 修复了当单行数据很大且返回结果集也很大时（超过 2GB）查询报错的问题。#37990

• 修复了 stddev 在 DecimalV2 类型下结果错误的问题。#38731

• 修复了 MULTI_MATCH_ANY 函数导致的 Coredump 问题。#37959

• 修复了 INSERT OVERWRITE AUTO PARTITION 导致事务回滚的问题。#38103

• 修复了 convert_tz 函数结果错误的问题。#37358 #38764

• 修复了 collect_set 函数结合窗口函数使用时 Coredump 的问题。#38234

• 修复了 mod 函数在异常输入时导致的 Coredump 问题。#37999

• 修复了多线程下执行相同表达式可能导致 Java UDF 结果错误的问题。#38612

• 修复了 conv 函数返回类型错误导致的溢出问题。#38001

• 修复了 histogram 函数结果不稳定的问题。#38608

存储管理

• 修复备份恢复后，写入数据时可能出现不可读的问题。#38343

• 修复跨版本 Restore Version 使用问题 。#38396

• 修复 Backup 失败时 Job 没有取消的问题。#38993

• 修复 2.1.4 升级到 2.1.5 CCR 报 NPE，导致 FE 不能启动的问题。#39910

• 修复 Restore 之后视图和物化视图不能使用的问题。#38072 #39848

数据导入

Routine Load

• 修复 Routine Load 一流多表可能得内存泄露的问题。 #38824

• 修复 Routine Load 包围符和转义符不生效的问题。#38825

• 修复 Routine Load 任务名包含大写字母时 show routineload 结果不正确的问题。#38826

• 修复改变 Routine Load Topic 时没有重置 Offset Cache 的问题。#38474

• 修复并发情况下 show routineload 可能触发异常的问题。#39525

• 修复 Routine Load 可能重复导入数据的问题。#39526

Group Commit

• 修复 JDBC 方式下打开 Group Commit 时 setNull 导致的数据报错问题 #38276

• 修复打开 group commit insert 发往非 Master FE 时可能导致 NPE 问题 #38345

• 修复 Group Commit 内部写数据错误处理不正确的问题。#38997

• 修复 Group Commit 执行规划失败时可能触发的 Coredump。#39396

其它

• 修复并发导入 Auto Partition 表可能报 Tablet 不存在的问题。#38793

• 修复可能的 Load Stream 泄露问题。#39039

• 修复 INSERT INTO SELECT 没有数据时开启事务的问题。#39108

• 使用 Memtable 前移时忽略单副本导入的配置。#39154

• 修复后台导入 stream load record 遇见 Database 删除时异常中止的问题。 #39527

• 修复 Strict Mode 模式下，出现数据错误时错误信息提示不准确的问题。#39587

• 修复 Stream Load 遇见错误数据不返回 Error URL 的问题。#38417

• 修复 Insert Overwrite 和 Auto Partition 配合使用的问题。#38442

• 修复 CSV 遇到行分隔符被包围符包围数据时解析错误的问题。#38445

数据导出

• 修复导出操作中指定 delete_existing_files 属性后，可能会重复删除导出数据的问题。#39304

权限管理

• 修复创建物化视图时，错误地要求拥有 ALTER TABLE 的权限的问题。#38011

• 修复 show routine load 时，Database 显式为空的问题。#38365

• 修复 create table like 错误的要求拥有对原表的创建权限的问题。#37879

• 修复赋权操作没有检查对象是否存在的问题。#39597

版本升级说明

Doris 升级请遵守不要跨两个二位版本升级的原则，依次往后升级。

比如从 0.15.x 升级到 2.0.x 版本，则建议先升级至 1.1 最新版本，然后升级到最新的 1.2 版本，最后升级到最新的 2.0 版本，以此类推。