文件缓存
文件缓存
文件缓存(File Cache)通过缓存最近访问的远端存储系统(HDFS 或对象存储)的数据文件，加速后续访问相同数据的查询。在频繁访问相同数据的查询场景中，File Cache 可以避免重复的远端数据访问开销，提升热点数据的查询分析性能和稳定性。
原理
File Cache 将访问的远程数据缓存到本地的 BE 节点。原始的数据文件会根据访问的 IO 大小切分为 Block，Block 被存储到本地文件 cache_path/hash(filepath).substr(0, 3)/hash(filepath)/offset 中，并在 BE 节点中保存 Block 的元信息。当访问相同的远程文件时，doris 会检查本地缓存中是否存在该文件的缓存数据，并根据 Block 的 offset 和 size，确认哪些数据从本地 Block 读取，哪些数据从远程拉起，并缓存远程拉取的新数据。BE 节点重启的时候，扫描 cache_path 目录，恢复 Block 的元信息。当缓存大小达到阈值上限的时候，按照 LRU 原则清理长久未访问的 Block。
使用方式
File Cache 默认关闭，需要在 FE 和 BE 中设置相关参数进行开启。
FE 配置
单个会话中开启 File Cache:
SET enable_file_cache = true;
全局开启 File Cache:
SET GLOBAL enable_file_cache = true;
BE 配置
添加参数到 BE 节点的配置文件 conf/be.conf 中，并重启 BE 节点让配置生效。
| 参数 | 说明 |
|---|---|
enable_file_cache | 是否启用 File Cache，默认 false |
file_cache_max_file_segment_size | 单个 Block 的大小上限，默认 4MB，需要大于 4096 |
file_cache_path | 缓存目录的相关配置，json格式，例子: [{"path": "/path/to/file_cache1", "total_size":53687091200,"query_limit": "10737418240"},{"path": "/path/to/file_cache2", "total_size":53687091200,"query_limit": "10737418240"},{"path": "/path/to/file_cache3", "total_size":53687091200,"query_limit": "10737418240"}]。path 是缓存的保存路径，total_size 是缓存的大小上限，query_limit 是单个查询能够使用的最大缓存大小。 |
enable_file_cache_query_limit | 是否限制单个 query 使用的缓存大小，默认 false |
clear_file_cache | BE 重启时是否删除之前的缓存数据，默认 false |
查看 File Cache 命中情况
执行 set enable_profile=true 打开会话变量，可以在 FE 的 web 页面的 Queris 标签中查看到作业的 Profile。File Cache 相关的指标如下:
- FileCache:
- IOHitCacheNum: 552
- IOTotalNum: 835
- ReadFromFileCacheBytes: 19.98 MB
- ReadFromWriteCacheBytes: 0.00
- ReadTotalBytes: 29.52 MB
- WriteInFileCacheBytes: 915.77 MB
- WriteInFileCacheNum: 283
IOTotalNum: 远程访问的次数IOHitCacheNum: 命中缓存的次数ReadFromFileCacheBytes: 从缓存文件中读取的数据量ReadTotalBytes: 总共读取的数据量SkipCacheBytes: 创建缓存文件失败，或者缓存文件被删，需要再次从远程读取的数据量WriteInFileCacheBytes: 保存到缓存文件中的数据量WriteInFileCacheNum: 保存的 Block 数量，所以WriteInFileCacheBytes/WriteInFileCacheBytes为 Block 的平均大小
IOHitCacheNum / IOTotalNum 等于1，表示缓存完全命中
ReadFromFileCacheBytes / ReadTotalBytes 等于1，表示缓存完全命中
