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 修改，这与我们的需求十分匹配，后续我们也会及时升级到最新版本。 写入优化 接着我们在数据写入方面也进行了调整优化，这里几点小经验与大家分享：  Flink 预聚合：通过主键 ID 预聚合，减少写入压力。（前文已说明，此处不再赘述）  写入 Batch 大小自适应变更：为了不占用过多 Flink 资源，我们实现了从同一个 Kafka Topic 中消费数据写入到不同 Doris 表中的功能，并且可以根据数据的大小 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

的结果是true。 语法： 数据类型：通常expression的计算结果都是数字类型，该操作符也支持其他数据类型。如果必须要确保下界和上界都是可比较 的字符，可以使用cast()函数。 使用说明：如果操作数是string类型时使用时，应该小心些。起始部分为上界的长字符串将不会匹配上界，该字符串比上界要 大。between 'A' and 'M'不会匹配‘MJ’。如果需要确保表达式能够正常 Keywords 最佳实践 最佳实践 1. 关于指定消费的 Partition 和 Offset Doris 支持指定 Partition 和 Offset 开始消费，还支持了指定时间点进行消费的功能。这里说明下对应参数的配置关系。 有三个相关参数： ：指定待消费的 partition 列表，如："0, 1, 2, 3"。 ：指定每个分区的起始offset，必须和 列表个数对应。如："1000, 2GB 之间。超过这个大小的文件将会被切 分。 ：成功后是否产生一个空文件标识。文件名为 "my_file_file_name"。其中 是在 中指定的前缀， 为该参数的值。 返回结果说明： 如果正常导出并返回，则结果如下： ：最终生成的文件个数。 ：结果集行数。 file_path file_path bos://my_bucket/my_file_

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。