目录

1 引言

2 Doris 架构全景图

2 核心组件技术解析

2.1 Frontend 层（FE）

2.2 Backend 层（BE）

3 数据存储与复制机制

3.1 存储架构演进

3.2 副本复制策略

4 查询处理全流程解析

4.1 查询生命周期

5 高可用设计

5.1 FE高可用架构

5.2 BE故障恢复

6 总结

1 引言

Apache Doris作为一款基于MPP架构的高性能实时分析数据库，凭借其极速的OLAP查询能力和简单易用的特性，在大数据领域获得了广泛应用。

2 Doris 架构全景图

2 核心组件技术解析

2.1 Frontend 层（FE）

角色定位：作为系统的"大脑"，承担元数据管理、查询计划生成、用户访问控制等核心职责，采用 Shared-Nothing 架构实现水平扩展

关键模块：

• Catalog Manager：存储表结构、分区信息、分片位置等元数据，通过多版本控制(MVCC)保证事务一致性，采用两阶段提交协议管理Schema变更
• Query Planner：将SQL解析为逻辑计划，通过CBO（基于成本的优化器）生成物理执行计划，优化策略包括：
  • 谓词下推（Predicate Pushdown）
  • 分区剪枝（Partition Pruning）
  • 动态分区裁剪（Dynamic Partition Pruning）
• Coordinator：负责将物理计划拆分为多个Fragment，通过Pipeline调度机制分配给BE执行，支持自适应执行，可根据集群负载动态调整并行度

2.2 Backend 层（BE）

角色定位：作为数据存储和计算的核心载体，采用混合架构设计：

• 存储层：基于LSM-Tree思想实现的高效列存引擎
• 计算层：支持Pipeline执行模式的向量化引擎

关键特性：

• 数据分片（Tablet）：物理存储的最小单元，每个Tablet包含多个Rowset（不可变数据块），支持自动数据均衡和副本迁移
• 智能索引：
  • Zone Map：记录每个数据块的最大/最小值，实现快速范围查询过滤
  • Bloom Filter：加速点查性能，减少不必要的IO
  • 倒排索引：对高基数列建立索引，支持快速存在性判断
• 向量化执行：通过SIMD指令集优化，将单条记录处理升级为批量处理，典型场景性能提升3-5倍

3 数据存储与复制机制

3.1 存储架构演进

存储流程：

• 写入数据首先进入内存MemTable
• 达到阈值后转为Immutable Rowset
• 通过BaseCompaction生成不可变的Base Rowset
• 增量数据写入Delta Rowset
• 定期执行Cumulative Compaction合并增量数据

3.2 副本复制策略

4 查询处理全流程解析

4.1 查询生命周期

查询解析阶段：

• 语法解析生成AST
• 语义检查验证表/列存在性
• 生成逻辑执行计划

优化阶段：

• 统计信息收集（行数、Distinct值等）
• 代价模型选择最优执行路径
• 生成物理执行计划（包含Scan、Shuffle、Aggregate等Operator）

执行阶段：

• BE执行Pipeline计算
• 通过网络交换中间结果（Shuffle）
• FE进行最终结果聚合

5 高可用设计

5.1 FE高可用架构

5.2 BE故障恢复

6 总结

Apache Doris通过创新的MPP架构设计，在存储层实现了高效的列式存储与智能索引，在计算层构建了高性能的向量化执行引擎，配合完善的副本机制和高可用设计，形成了完整的现代数据仓库解决方案。其架构设计充分体现了"极致性能"与"简单易用"的平衡哲学，为大数据分析场景提供了强有力的技术支撑。