更高效的数据处理解决方案：基于 MinIO 部署 Apache Doris 存算分离版本实践

引言

现代数据处理在多维度面临严峻挑战，一方面，数据量的持续增长致使传统存储成本居高不下，非结构化数据所占比例日益攀升，进一步加重了存储负担，且数据质量问题推高了存储和清洗成本；另一方面，企业内部往往存在多套系统，数据难以集成，这对数据分析的成本和时效性也提出了更高的要求。

Apache Doris 作为一款具备高性能的实时分析数据库，拥有湖仓一体的能力。当它与 MinIO 这样高性能且 S3 兼容的对象存储系统相结合时，能够构建出一个高效且具备低成本特性的数据分析系统。本文将介绍基于 Apache Doris 和 MinIO 的存算分离部署教程与使用实践。

为什么选择 Apache Doris 和 MinIO

Apache Doris 是一款基于 MPP 架构的高性能、实时分析型数据库。它以高效、简单和统一的特性著称，能够在亚秒级的时间内返回海量数据的查询结果。Doris 具备以下优势：

• 高性能：在海量数据下实现亚秒级查询响应，支持高并发点查询和复杂分析。
• 实时分析：支持实时数据导入和查询，适合需要即时洞察的业务场景。
• 易用性：设计简单，操作和维护成本低。
• 可扩展性：通过 MPP 架构实现水平扩展，处理大规模数据和高并发请求。
• 多场景支持：适用于报表分析、即席查询、用户画像、日志检索等多种场景。
• 强大集成性：可与 MySQL、PostgreSQL、Hive、Flink 等数据源和工具无缝集成。
• 活跃社区：拥有超过 600 名贡献者和全球 5000 多家企业的生产环境应用，得到 TikTok、Baidu 等巨头的验证。

与此同时，Doris 还支持存算一体和存算分离两种部署模式，在存算一体模型下，Doris 会在内部存储数据，而在存算分离模式下，Doris 可以选择第三方存储系统，如 MinIO。

MinIO 是一个开源、分布式对象存储系统，专为高性能和云原生工作负载设计。其主要优势包括：

• 高性能：Minio 提供快速的数据访问，满足实时分析需求。
• 可扩展性：支持水平扩展，能够轻松应对数据量增长。
• 成本效益：作为开源软件，Minio 可在本地部署，避免云存储的高昂费用。
• S3 兼容性：与 Amazon S3 API 完全兼容，易于与现有工具和应用集成。
• 分布式架构：通过擦除码（Erasure Coding）技术，提供高可用性和数据冗余。
• 灵活部署：支持裸金属、容器（如 Kubernetes）或云平台部署，适应多种环境。

这些特性使 Minio 成为 Apache Doris 存算分离架构的理想存储后端。

部署指南

01 规划

在我们进行部署之前，需要进行容量规划，如果你部署的是在生产环节，那么你应该考虑使用更高规格配置的机器，并且将各个组件独立部署。

软件版本准备：

服务器规划：

02 准备工作

1. 操作系统参数修改

   swapoff -a
   
   cat >> /etc/sysctl.conf << EOF
   vm.max_map_count = 2000000
   EOF
   
   # Take effect immediately
   sysctl -p
   
   vi /etc/security/limits.conf 
   * soft nofile 1000000
   * hard nofile 1000000
   

2. 安装必要的命令

   	apt update
   	apt install -y net-tools
   	apt install -y cron
   	apt install -y iputils-ping
   

03 部署 MinIO

1. 下载 MinIO：访问MinIO 下载页面，选择适合的版本和操作系统。

   wget https://dl.min.io/server/minio/release/linux-amd64/minio
   chmod +x minio
   

2. 在每个节点上启动 MinIO 服务器：

     export MINIO_REGION_NAME=us-east-1
     export MINIO_ROOT_USER=minio
     export MINIO_ROOT_PASSWORD=minioadmin
     mkdir -p /mnt/disk{1..4}/minio
     nohup minio server --address :9000 --console-address :9001 http://172.20.1.{2...5}:9000/mnt/disk{1...4}/minio 2>&1 &
   

3. 配置 MinIO 客户端：

     wget https://dl.min.io/client/mc/release/linux-amd64/mc
     chmod +x mc
     ./mc alias set myminio http://127.0.0.1:9000 minio minioadmin
     ./mc mb myminio/doris
   

注意：如果 MinIO 部署在本地网络且未启用 TLS，需在 endpoint 中显式添加"http://"。

04 部署 Doris Manager

1. 下载 Doris Manager

     wget https://enterprise-doris-releases.oss-accelerate.aliyuncs.com/doris-manager/velodb-manager-25.0.0-x64-bin.tar.gz
   

2. 解压并启动服务

   tar -zxf velodb-manager-25.0.0-x64-bin.tar.gz
   cd velodb-manager-25.0.0-x64-bin/webserver/bin
   bash start.sh
   

3. 服务启动后，通过浏览器访问 http://:8004 即可进入管理界面并根据指引创建账号

05 部署 Doris

1. 下载 Doris

   wget https://apache-doris-releases.oss-accelerate.aliyuncs.com/apache-doris-3.0.6.2-bin-x64.tar.gz
      mv apache-doris-3.0.6.2-bin-x64.tar.gz /opt/downloads/doris
   

2. 进入主界面，根据指引创建集群

3. 选择指定版本并设置 root 密码

4. 填写 MinIO 信息

5. 填写节点信息

   1. 分别在每个节点执行以下命令

      wget http://172.20.1.2:8004/api/download/deploy.sh -O deploy_agent.sh && chmod +x deploy_agent.sh && ./deploy_agent.sh
      

   2. 在界面上填写节点 IP

6. 配置 FE 节点

7. 配置 BE 节点

8. 部署你的集群

开始查询

01 准备数据

1. 进入查询页面

2. 创建 Doris 表：

   CREATE DATABASE IF NOT EXISTS `test`;
   USE `test`;
   CREATE TABLE `amazon_reviews` (  
     `review_date` int(11) NULL,  
     `marketplace` varchar(20) NULL,  
     `customer_id` bigint(20) NULL,  
     `review_id` varchar(40) NULL,
     `product_id` varchar(10) NULL,
     `product_parent` bigint(20) NULL,
     `product_title` varchar(500) NULL,
     `product_category` varchar(50) NULL,
     `star_rating` smallint(6) NULL,
     `helpful_votes` int(11) NULL,
     `total_votes` int(11) NULL,
     `vine` boolean NULL,
     `verified_purchase` boolean NULL,
     `review_headline` varchar(500) NULL,
     `review_body` string NULL
   ) ENGINE=OLAP
   DUPLICATE KEY(`review_date`)
   COMMENT 'OLAP'
   DISTRIBUTED BY HASH(`review_date`) BUCKETS 16
   PROPERTIES (
     "compression" = "ZSTD"
   );
   

3. 下载亚马逊评论数据：

   wget https://datasets-documentation.s3.eu-west-3.amazonaws.com/amazon_reviews/amazon_reviews_2010.snappy.parquet
   

4. 导入数据到 Doris：

   curl --location-trusted -u root:<your password> \
   -T amazon_reviews_2010.snappy.parquet \
   -H "format:parquet" \
   http://127.0.0.1:8030/api/test/amazon_reviews/_stream_load
   

5. 登录 MinIO 控制台，查看数据大小

02 查询

SELECT
    product_id,
    AVG(product_title),
    AVG(star_rating) AS rating,
    COUNT() AS count
FROM
    amazon_reviews
WHERE
    review_body LIKE '%is super awesome%'
GROUP BY
    product_id
ORDER BY
    count DESC,
    rating DESC,
    product_id
LIMIT 5;

总结

在导入相同数据（3 副本配置）方面，相较于存算一体模式 3.98 GB 的存储占用，采用 MinIO 的存算分离模式仅占用 1.3 GB，存储占用是存算一体模式的 1/3 ；与此同时，在数据导入速度方面，采用 MinIO 仅需 15 秒，而存算一体模式需要 61 秒，导入速度快 4 倍。

通过结合 MinIO 和 Apache Doris 的存算分离架构，用户可以充分利用 Minio 的高性能、低成本对象存储和 Doris 的实时分析能力。这种架构不仅提升了系统的可扩展性和灵活性，还显著降低了存储成本，同时确保了业务负载的隔离和稳定性。希望本教程能帮助您快速部署并体验这一高效的数据处理解决方案。