物化视图。并且仅备份一副本。 3. 备份操作的效率 备份操作的效率取决于数据量、Compute Node 节点数量以及文件数量。备份数据分片所在的每个 Compute Node 都会参与 备份操作的上传阶段。节点数量越多，上传的效率越高。 文件数据量只涉及到的分片数，以及每个分片中文件的数量。如果分片非常多，或者分片内的小文件较多，都可能增加备份 操作的时间。 EXPORT EXPORT EXPORT s" "CommitAndPublishTimeMs":: 18 18 }} Baidu 百度智能云文档 SQL手册 42 CommitAndPublishTimeMs：向Fe请求提交并且发布事务所花费的时间，单位毫秒。 ErrorURL：如果有数据质量问题，通过访问这个 URL 查看具体错误行。 2. 如何正确提交 Stream Load 作业和处理返回结果。 Stream Load SQL手册 64 ：当前阶段 ：提交作业后的初始状态。 ：执行快照中。 ：快照完成，准备上传。 ：快照上传中。 ：将作业元信息保存为本地文件。 ：上传作业元信息。 ：作业成功。 ：作业失败。 ：备份的表和分区。 ：任务提交时间。 ：快照完成时间。 ：快照上传完成时间。 ：作业结束时间。 ：在 SNAPSHOTING 和 UPLOADING 阶段会显示还未完成的子任务id。

• 为了保证At-Most-Once 语意， 用户同一批次数据需要使用相同的Label 03 Doris 中的导入 Prepared 事务和两阶段提交 • FE 充当协调者 • Prepare 阶段下发任务和写入数据 • Submit阶段 • 数据状态改为COMMITED • publish 版本 • 状态改为 VISIBLE Request-to-prepare Commit/Abort 2 总结 03 Doris 中的导入 • 写入带版本 • 查询带版本 多版本机制解决读写冲突 两阶段导入保证多表原子生效 • 支持并行导入 • 有冲突时按导入顺序生效，无冲突导入时并行生效 写入带版本 查询带版本 支持并行导入 冲突时按顺序生效 （多版本机制） （两阶段导入） 事务能力保证 使用案例 04 BI Application 数据加载 数据输出 数据查询

分配给新录入的标签/指标， 避免在查询高峰期因新增标签/指标所引起的 Schema Change 开销对集群产生的 影响。经测试，用户在元信息录入后 10 分钟内就可以使用相应的数据。 值得关注的是，在社区近期发布的 1.2.0 版本中，增加了 Light Schema Change 功能， 对 于增减列的操作不需要修改数据文件，只需要修改 FE 中的元数据，从而可以实现毫秒级的 Schame Change 引对数组类型也提供了支持，多个过滤条件可以任意进行 AND OR NOT 逻辑组合。由于高 性能的向量化实现和面向 AP 数据库的精简优化，Doris 的倒排索引相较于 ES 会有 3~5 倍性价比提升，即将在 2 月底发布的 2.0 preview 版本中可用于功能评估和性能测试，相 信在这个场景使用后会有进一步的性能提升。 成本优化 在当前大环境下，降本提效成为了企业的热门话题，如何在保证服务质量的同时降低成本开

间，相信以Doris引擎 为驱动的ROLAP模式会为美团的业务团队带来更大的收益。从目前实践效果看，其完全有替代Kyl in、Druid、ES等引擎的趋势。 目前，数据库技术进步飞速，近期柏睿数据发布全内存分布式数据库RapidsDB v4.0支持TB级毫 秒响应（处理千亿数据可实现毫秒级响应）。可以预见，数据库技术的进步将大大改善数仓的分 层管理与应用支撑效率，业务将变得“定义即可见”，也将极大地提升数据的价值。