OSC哒哒 随着 Apache Doris 在越来越多的企业中得到落地和应用，越来越多用户开始关注如何在海量数据下对Doris的查询性能进行优化。有哪些性能优化的小技巧？如何降低查询耗时？数据模型和分区分桶策略该如何设计？针对慢查询该如何进行分析及优化？
OSCHINA 本期高手问答 1月18日-1月24日，来自百度的资深研发工程师、Apache Doris PPMC 缪翎，与大家一起探讨 Apache Doris 性能优化实战技巧，包括但不限于：
- 慢查询定位、Profile 解读及SQL优化；
- 数据模型、索引及分区分桶策略设计；
- 物化视图及Rollup使用技巧；
- Doris查询优化器解读；
嘉宾介绍
缪翎，百度资深研发工程师、Apache Doris PPMC，专注于 Apache Doris 查询引擎的设计和研发，在数据库查询引擎、查询优化器方向有丰富的研究和实践经验。
问答汇总
问：请教一个具体场景的问题，在 Apache Doris 中，如果表按天分区，每天大约 2000 至 3000 万数据量，通常按照业务字段查询最近 30 天的明细信息。如何设计能支持更多的并发查询呢？
答：如果是明细查询，建议利用前缀索引、分桶分区裁剪以及 Bitmap 索引这类的优化策略。
问：进一步了解下，如果是 Uniq 数据模型，在查询的过程中存在对数据的 update 操作，那么对查询会有哪些影响呢？
答：update 操作可以，如果 update 的操作频率和导入占比很小，就不会对查询有影响。
问：
1. 开源 Doris 和 Clickhouse 之间的优势和劣势是什么？
2. Doris 在多线程设计上，有没有使用什么设计模式？
3. Doris 入门门槛高吗？超过多大的数据量比较合适使用 Doris ？哪些场景下特别适合doris数据库的发挥优势？哪些场景下 Doris 的性能不好？
答：Doris 是 MPP 架构的数据库，这点是和 Clickhouse 从架构上有本质的不同。Doris 在 多表 Join 和分布式管理上更有优势，Clickhouse 单机性能突出。不过我们的向量化引擎也马上就能和大家见面了，性能上可以期待一下。
Doris 入门门槛不高，G-TB的数据量都适合使用。Doris 因为没有其他依赖，所以运维会方便一些。 场景方面，当然是面向分析的 OLAP 场景。OLTP 场景，比如 qps 上万的点查这类以及频繁的 update/delete的场景并不适合 Doris。
问： Doris 集群 不定期的出现某个 BE 节点直接挂掉的情况，每次挂掉的 BE 节点并不一样。查看监控看机器 Load 比较高（主要是磁盘IO write高）怎么排查这个问题，怎么知道这台机器上在做什么，有什么命令可以知道。
答：BE 挂掉最常见的两种情况：
1. oom 被系统 Kill，通过 dmesg 方式排查，并且结合使用方式确定 导入还是查询导致的内存使用量过大，需要优化使用方式。
2. be core 了，通过 core dump 方式找到 core 栈，core 栈就可以看到是哪部分行为导致的 BE 挂掉。并且在 Issue 里面搜索，看是否是 Doris 旧版本已知问题。每次不一样节点，那就要逐个分析，可能虽然节点不一样但原因都一样。
问：core dump 这个文件存放在哪里的？
答：core dump文件存放地址可以
![[爱了]](/js/img/d1.gif)
![[尴尬]](/js/img/d16.gif)