Apache Doris 3.0.4 版本正式发布

3 月 8 日妇女节，来一场职场姐妹茶话会！欢迎加入群聊

亲爱的社区小伙伴们，Apache Doris 3.0.4 版本已于 2025 年 02 月 28 日正式发布。 该版本持续在存算分离、湖仓一体、异步物化视图等方面进行改进提升与问题修复，进一步加强系统的性能和稳定性，欢迎大家下载体验。

• 官网下载：https://doris.apache.org/download
• GitHub下载：https://github.com/apache/doris/releases/tag/3.0.4-rc02

行为变更

• 在 Audit Log 中，drop table 和 drop database 语句保持 force 标志。 #43227

• 导出数据至 Parquet/ORC 格式时，bitmap、quantile_state 和 hll 类型将以 Binary 格式导出。同时新增支持导出 jsonb 和 variant 类型，导出格式为 string。 #44041

  • 更多内容，参考文档：Export Overview - Apache Doris

• 将 Hudi JNI Scanner 从 Spark API 替换为 Hadoop API，以增强兼容性。用户可以通过设置会话变量 set hudi_jni_scanner=spark/hadoop 进行切换。#44267

• 禁止在 Colocate 表中使用 auto bucket。 #44396

• 为 Catalog 增加 Paimon 缓存，不再进行实时数据查询。 #44911

• 增大 max_broker_concurrency 的默认值，以提升 Broker Load 在大规模数据导入时的性能。 #44929

• 将 Auto Partition 分区的 storage medium 默认值修改为当前表的 storage medium 属性值，而非系统默认值。 #45955

• 禁止在修改 Key 列的 Schema Change 执行期间进行列更新。 #46347

• 对于包含自增列的 Key 列表，支持在列更新时不提供自增列。 #44528

• FE ID 生成器策略切换为与物理时间相关的策略，ID 不再从 10000 开始。 #44790

• 在存算分离模式下，Compaction 产生的 stale rowset 默认回收延迟时间减小至 1800 秒，以减少回收间隔。某些极端场景下可能会导致超大查询失败，如遇问题可按需调整。 #45460

• 在存算分离模式下禁用 show cache hotspot 语句，需直接访问系统表。 #47332

• 禁止删除系统创建的 admin 用户。 #44751

优化改进

存储

• 优化 Routine Load 因 max_match_interval 设置过小导致任务频繁超时的问题。 #46292

• 提升 Broker Load 在导入多个压缩文件时的性能。 #43975

• 增大 webserver_num_workers 的默认值以提升 Stream Load 性能。 #46593

• 优化 Routine Load 导入任务在 BE 节点扩容时负载不均衡的问题。 #44798

• 优化 Routine Load 线程池使用，防止 Routine Load 超时失败影响查询。 #45039

存算分离

• 加强 Meta-service 的稳定性和可观测性。 #44036, #45617, #45255, #45068

• 优化 File Cache，增加提前淘汰策略，减小持锁时间，提升查询性能。 #47473, #45678, #47472

• 优化 File Cache 初始化检查以及队列转换，提升稳定性。 #44004, #44429, #45057, #47229

• 优化 HDFS 数据回收速度。 #46393

• 优化超高频导入时 FE 获取计算组可能存在的性能问题。 #47203

• 优化存算分离主键表的若干导入相关参数，提升实时高并发导入的稳定性。 #47295, #46750, #46365

Lakehouse

• 支持读取 Hive Json 格式的表数据。 #43469

  • 更多内容，参考文档：Text/CSV/JSON - Apache Doris

• 支持会话变量 enable_text_validate_utf8，可忽略 CSV 格式中的 UTF-8 编码检测。 #45537

  • 更多内容，参考文档：Text/CSV/JSON - Apache Doris

• 将 Hudi 版本更新至 0.15，并优化 Hudi 表的查询规划性能。

• 优化 MaxCompute 分区表的读取性能。 #45148

• 优化在高过滤率情况下，Parquet 文件延迟物化的性能。 #46183

• 支持 Parquet 复杂类型的延迟物化。 #44098

• 优化 ORC 类型的谓词下推逻辑，支持更多谓词条件用于索引过滤。 #43255

异步物化视图

• 支持更多场景下的聚合上卷改写。 #44412

查询优化器

• 优化分区裁剪性能。 #46261

• 增加利用数据特征消除 group by key 的规则。 #43391

• 根据目标表的数据量自适应调整 Runtime Filter 的等待时间。 #42640

• 优化聚合下压连接的能力，以适应更多场景。 #43856, #43380

• 优化 Limit 下压聚合，以适应更多场景。 #44042

其他

• 优化 FE、BE、MS 进程启动脚本，使输出内容更明确。 #45610, #45490, #45883

• show tables 显示的表名大小写现在与 MySQL 行为一致。 #46030

• show index 支持任意目标表类型。 #45861

• information_schema.columns 支持显示默认值。 #44849

• information_schema.views 支持显示视图定义。 #45857

• 支持 MySQL 协议的 COM_RESET_CONNECTION 命令。 #44747

缺陷修复

存储

• 修复聚合表模型导入过程中可能出现的内存错误。 #46997

• 修复存算分离模式下 FE 主节点重启时导致 Routine Load offset 丢失的问题。 #46566

• 修复存算模式下 FE Observer 节点在批量导入场景中的内存泄漏问题。 #47244

• 修复 Full Compaction 进行 Order Data Compaction 导致 Cumulative Point 回退的问题。 #44359

• 修复 Delete 操作可能导致 Tablet Compaction 短暂无法调度的问题。 #43466

• 修复多计算集群时，Schema Change 后 Tablet 状态不正确的问题。 #45821

• 修复在有 sequence_type 的主键表上进行 Column Rename Schema Change 时可能报 NPE 错误的问题。 #46906

• 数据正确性：修复主键表在部分列更新导入包含 DELETE SIGN 列时的正确性问题。 #46194

• 修复主键表 Publish 任务持续卡住时，FE 可能存在内存泄漏的问题。 #44846

存算分离

• 修复 File Cache 可能导致缓存大小大于表数据大小的问题。 #46561, #46390

• 修复数据上传至 5MB 边界值时可能导致上传失败的问题。 #47333

• 修复 Storage Vault 若干 alter 相关操作，增加更多参数检查，提升鲁棒性。 #45155, #45156, #46625, #47078, #45685, #46779

• 修复因 Storage Vault 配置不当导致数据无法回收或回收缓慢的问题。 #46798, #47536, #47475, #47324, #45072

• 修复回收过程中可能卡住导致数据无法及时回收的问题。 #45760

• 修复存算分离下 MTTM-230 错误时未正确重试的问题。 #47370, #47326

• 修复存算分离模式下 Decommission BE 时，Group Commit WAL 未回放完成的问题。 #47187

• 修复超过 2GB 的 Tablet Meta 导致 MS 不可用的问题。 #44780

• 数据正确性：修复存算分离主键表的两个重复 Key 问题。 #46039, #44975

• 修复存算分离主键表在高频实时导入下，可能因 Delete Bitmap 过大导致 Base Compaction 持续失败的问题。 #46969

• 修改 Schema Change 在存算分离主键表上的一些错误重试逻辑，提高 Schema Change 的健壮性。 #46748

Lakehouse

Hive

• 修复无法查询 Spark 创建的 Hive 视图的问题。 #43553

• 修复无法正确读取某些 Hive Transaction 表的问题。 #45753

• 修复 Hive 表分区存在特殊字符时，无法进行正确分区裁剪的问题。 #42906

Iceberg

• 修复在 Kerberos 认证环境下，无法创建 Iceberg 表的问题。 #43445

• 修复某些情况下，Iceberg 表存在 dangling delete 情况下，count* 查询不准确的问题。 #44039

• 修复某些情况下，Iceberg 表列名不匹配导致查询错误的问题。 #44470

• 修复某些情况下，Iceberg 表分区被修改后无法读取的问题。 #45367

Paimon

• 修复 Paimon Catalog 无法访问阿里云 OSS-HDFS 的问题。 #42585

Hudi

• 修复某些情况下，Hudi 表分区裁剪失效的问题。 #44669

JDBC

• 修复某些情况下，开启表名大小写不敏感功能后，使用 JDBC Catalog 无法获取表的问题。

MaxCompute

• 修复某些情况下，MaxCompute 表分区裁剪失效的问题。 #44508

其他

• 修复某些情况下，Export 任务导致 FE 内存泄漏的问题。 #44019

• 修复某些情况下，无法使用 HTTPS 协议访问 S3 对象存储的问题。 #44242

• 修复某些情况下，Kerberos 认证票据无法自动刷新的问题。 #44916

• 修复某些情况下，读取 Hadoop Block 压缩格式文件出错的问题。 #45289

• 查询 ORC 格式的数据时，不再下推 CHAR 类型的谓词，以避免可能的结果错误。 #45484

异步物化视图

• 修复极端场景下查询透明改写可能导致规划或结果错误的问题。 #44575, #45744

• 修复极端场景下异步物化视图调度可能多产生构建任务的问题。 #46020, #46280

查询优化器

• 修复部分表达式改写可能产生错误表达式的问题。 #44770, #44920, #45922, #45596

• 修复偶现的 SQL Cache 结果错误问题。 #44782, #44631, #46443, #47266

• 修复部分场景下 Limit 下压聚合算子可能导致错误结果的问题。 #45369

• 修复部分场景下延迟物化优化产生错误执行计划的问题。 #45693, #46551

查询执行

• 修复正则表达式和 like 函数在特殊字符时结果不正确的问题。 #44547

• 修复 SQL Cache 在切换 DB 时结果可能不正确的问题。 #44782

• 修复一系列 Arrow Flight 相关问题。 #45023, #43929

• 修复当 HashJoin 的 Hash 表超过 4G 时，部分情况下结果错误的问题。 #46461

• 修复 convert_to 函数在中文字符时溢出的问题。 #46405

• 修复 group by 带 Limit 时，在极端情况下结果可能出错的问题。 #47844

• 修复访问某些系统表结果可能不正确的问题。 #47498

• 修复 percentile 函数可能导致系统崩溃的问题。 #47068

• 修复单表查询带 Limit 时性能退化的问题。 #46090

• 修复 StDistanceSphere 和 StAngleSphere 函数导致系统崩溃的问题。 #45508

• 修复 map_agg 结果错误的问题。 #40454

半结构化数据管理

BloomFilter Index

• 修复 BloomFilter Index 参数过大导致的异常。 #45780

• 修复 BloomFilter Index 写入时内存占用过高的问题。 #45833

• 修复删除列时 BloomFilter Index 没有正确删除的问题。 #44361, #43378

Inverted Index

• 修复倒排索引构建过程中偶发崩溃的问题。 #43246

• 修复倒排索引合并时，出现次数为 0 的词占用空间的问题。 #43113

• 避免 Index Size 统计出现超大异常值。 #46549

• 修复 VARIANT 类型字段的倒排索引异常。 #43375

• 优化倒排索引的本地缓存局部性，提高缓存命中率。 #46518

• 在查询 Profile 中增加倒排索引读远程存储的指标 NumInvertedIndexRemoteIOTotal。 #45675, #44863

其他

• 修复 ipv6_cidr_to_range 函数在特殊 NULL 数据时崩溃的问题。 #44700

权限

• 赋予 CREATE_PRIV 时，不再检查对应资源是否存在。 #45125

• 修复在极端场景下，可能出现的查询有权限的视图，但报错没有视图中引用的表的权限的问题。 #44621

• 修复 use db 时检查权限时不区分内外 Catalog 的问题。 #45720