Apache Doris 3.0.3 版本正式发布

干不动了伙计们，老板说每天导它个 5000 App 下载

亲爱的社区小伙伴们， Apache Doris 3.0.3 版本已于 2024 年 12 月 02 日正式发布。 该版本进一步提升了系统的性能及稳定性，欢迎大家下载体验。

GitHub 下载： https://github.com/apache/doris/releases
官网下载： https://doris.apache.org/download

行为变更

禁止在具有同步物化视图的 MOW 表上进行列更新。 #40190
调整 RoutineLoad 的默认参数以提升导入效率。 #42968
当 StreamLoad 失败时，LoadedRows 的返回值调整为 0。 #41946 #42291
将 Segment cache 的默认内存限制调整为 5%。 #42308 #42436

新特性

引入 enable_cooldown_replica_affinity 会话变量，用以控制冷热分层副本的亲和性。 #42677

Lakehouse

新增 table$partition 语法，用于查询 Hive 表的分区信息。 #40774 查看文档
支持创建 Text 格式的 Hive 表。 #41860 #42175 查看文档

异步物化视图

引入新的物化视图属性 use_for_rewrite。当 use_for_rewrite 设置为 false 时，物化视图不参与透明改写。 #40332

查询优化器

支持关联非聚合子查询。 #42236

查询执行

增加了 ngram_search、 normal_cdf、 to_iso8601、 from_iso8601_date、 SESSION_USER()、 last_query_id 函数。 #38226 #40695 #41075 #41600 #39575 #40739
aes_encrypt 和 aes_decrypt 函数支持 GCM 模式。 #40004
Profile 中输出变更的会话变量值。 #41016 #41318

半结构化数据管理

新增数组函数 array_match_all 和 array_match_any。 #40605 #43514
数组函数 array_agg 支持在 ARRAY 中嵌套 ARRAY/MAP/STRUCT。 #42009
新增近似聚合统计函数 approx_top_k 和 approx_top_sum。 #44082

改进与优化

存储

支持将 bitmap_empty 作为默认值。 #40364
引入 insert_timeout 会话变量，用以控制 DELETE 语句的超时时间。 #41063
改进部分错误提示信息。 #41048 #39631
改进副本修复的优先级调度。 #41076
提高了建表时对时区处理的鲁棒性。 #41926 #42389
在创建表时检查分区表达式的合法性。 #40158
在 DELETE 操作时支持 Unicode 编码的列名。 #39381

存算分离

存算分离模式支持 ARM 架构部署。 #42467 #43377
优化文件缓存的淘汰策略和锁竞争，提高命中率及高并发点查性能。 #42451 #43201 #41818 #43401
S3 storage vault 支持 use_path_style，解决对象存储使用自定义域名的问题。 #43060 #43343 #43330
优化存算分离配置及部署，预防不同模式下的误操作。 #43381 #43522 #43434 #40764 #43891
优化可观测性，并提供删除指定 segment file cache 的接口。 #38489 #42896 #41037 #43412
优化 Meta-service 运维接口：RPC 限速及修复 tablet 元数据修正。 #42413 #43884 #41782 #43460

Lakehouse

Paimon Catalog 支持阿里云 DLF 和 OSS-HDFS 存储。 #41247 #42585 查看文档
支持读取 OpenCSV 格式的 Hive 表。 #42257 #42942
优化了访问 External Catalog 中 information_schema.columns 表的性能。 #41659 #41962
使用新的 Max Compute 开放存储 API 访问 Max Compute 数据源。 #41614
优化了 Paimon 表 JNI 部分的调度策略，使得扫描任务更加均衡。 #43310
优化了 ORC 小文件的读取性能。 #42004 #43467
支持读取 brotli 压缩格式的 parquet 文件。 #42177
在 information_schema 库下新增 file_cache_statistics 表，用于查看元数据缓存统计信息。 #42160

查询优化器

优化：当查询仅注释不同时，可以复用同一个 SQL Cache。 #40049
优化：提升了在数据频繁更新时统计信息的稳定性。 #43865 #39788 #43009 #40457 #42409 #41894
优化：提升常量折叠的稳定性。 #42910 #41164 #39723 #41394 #42256 #40441
优化：列裁剪可以生成更优的执行计划。 #41719 #41548

查询执行

优化了 sort 算子的内存使用。 #39306
优化了 ARM 下运算的性能。 #38888 #38759
优化了一系列函数的计算性能。 #40366 #40821 #40670 #41206 #40162
使用 SSE 指令优化 match_ipv6_subnet 函数的性能。 #38755
在 insert overwrite 时支持自动创建新的分区。 #38628 #42645
在 Profile 中增加了每个 PipelineTask 的状态。 #42981
IP 类型支持 runtime filter。 #39985

半结构化数据管理

审计日志中输出 prepared statement 的真实 SQL。 #43321
filebeat doris output plugin 支持容错、进度报告等。 #36355
倒排索引查询性能优化。 #41547 #41585 #41567 #41577 #42060 #42372
数组函数 array overlaps 支持使用倒排索引加速。 #41571
IP 函数 is_ip_address_in_range 支持使用倒排索引加速。 #41571
优化 VARIANT 数据类型的 CAST 性能。 #41775 #42438 #43320
优化 Variant 数据类型的 CPU 资源消耗。 #42856 #43062 #43634
优化 Variant 数据类型的元数据和执行内存资源消耗。 #42448 #43326 #41482 #43093 #43567 #43620

权限

LDAP 新增配置项 ldap_group_filter 用于自定义过滤 group。 #43292

其他

FE 监控项中的连接数信息支持按用户分别显示。 #39200

问题修复

存储

修复 IPv6 hostname 使用问题。 #40074
修复 broker/s3 load 进度展示不准确问题。 #43535
修复查询从 FE 可能卡住的问题。 #41303 #42382
修复异常情况下自增 id 重复的问题。 #43774 #43983
修复 groupcommit 偶发 NPE 问题。 #43635
修复 auto bucket 计算不准确的问题。 #41675 #41835
修复 FE 重启时流控多表不能正确规划的问题。 #41677 #42290

存算分离

修复 MOW 主键表 delete bitmap 过大可能导致 coredump 的问题。 #43088 #43457 #43479 #43407 #43297 #43613 #43615 #43854 #43968 #44074 #41793 #42142
修复 segment 文件为 5MB 整数倍时上传对象失败的问题。 #43254
修复 aws sdk 默认重试策略不生效的问题。 #43575 #43648
修复 alter storage vault 时指定错误 type 也能继续执行的问题。 #43489 #43352 #43495
修复大事务延迟提交过程中 tablet_id 可能为 0 的问题。 #42043 #42905
修复常量折叠 RCP 以及 FE 转发 SQL 可能不在预期的计算组执行的问题。 #43110 #41819 #41846
修复 meta-service 接收到 RPC 时不严格检查 instance_id 的问题。 #43253 #43832
修复 FE follower information_schema version 没有及时更新的问题。 #43496
修复 file cache rename 原子性以及指标不准确的问题。 #42869 #43504 #43220

Lakehouse

禁止带有隐式转换的谓词条件下推给 JDBC 数据源，避免不一致的查询结果。 #42102
修复 Hive 高版本事务表的一些读取问题。 #42226
修复 Export 命令可能导致死锁的问题。 #43083 #43402
修复无法查询 Spark 创建的 Hive 视图的问题。 #43552
修复 Hive 分区路径中包含特殊字符导致分区裁剪有误的问题。 #42906
修复 Iceberg Catalog 无法使用 AWS Glue 的问题。 #41084

异步物化视图

修复基表重建后，异步物化视图可能无法刷新的问题。 #41762

查询优化器

修复使用多列 range 分区时，分区裁剪结果可能有误的问题。 #43332
修复部分 limit offset 场景下计算结果错误的问题。 #42576

查询执行

修复 hash join 时 array 类型的大小超过 4G 导致 BE Core 的问题。 #43861
修复 is null 谓词运算部分场景下结果不正确的问题。 #43619
修复 bitmap 类型在 hash join 时输出结果不正确的问题。 #43718
修复一些函数结果计算错误的问题。 #40710 #39358 #40929 #40869 #40285 #39891 #40530 #41948 #43588
修复一些 JSON 类型解析的问题。 #39937
修复 varchar 和 char 类型在 runtime filter 运算时的问题。 #43758 #43919
修复一些 decimal256 在标量函数和聚合函数里使用的问题。 #42136 #42356
修复 arrow flight 在连接时报 Reach limit of connections 错误的问题。 #39127
修复 k8s 环境下，BE 可用内存统计不正确的问题。 #41123

半结构化数据管理

调整 segment_cache_fd_percentage 和 inverted_index_fd_number_limit_percent 的默认值。[#42224](https://github.com/apache/doris/pull/42224
logstash 支持 group_commit。 #40450
修复 build index 时 coredump 的问题。 #43246 #43298
修复 variant index 的问题。 #43375 #43773
修复后台 compaction 异常情况下可能出现的 fd 和内存泄漏。 #42374
倒排索引 match null 正确返回 null 而不是 false。 #41786
修复 ngram bloomfilter 索引 bf_size 设置为 65536 时 coredump 的问题。 #43645
修复复杂数据类型 JOIN 可能出 coredump 的问题。 #40398
修复 TVF JSON 数据 coredump 的问题。 #43187
修复 bloom filter 计算日期和时间的精度问题。 #43612
修复 IPv6 类型行存 coredump 的问题。 #43251
修复关闭 light_schema_change 时使用 VARIANT 类型 coredump 的问题。 #40908
提升高并发点查的 cache 性能。 #44077
修复删除列时 bloom filter 索引没有同步更新的问题。 #43378
修复 es catalog 在数组和标量混合数据等特殊情况下的不稳定问题。 #40314 #40385 #43399 #40614
修复异常正则匹配导致的 coredump 问题。 #43394