Doris 平滑缩容，Be 节点卡住不动

---

前言

当前 Doris 版本 0.14，一个古老的版本 …

云服务成本攀升，为降低成本，开始将一些资源使用率相当较低的云服务进行缩容，Doris 也加入了这个行列…

这一两年（2020-2022） Doris 发展很快，直观来看就是版本迭代快，从 0.xx 快速进入 1.xx 序列，也就意味着功能、性能、Bug 等都不断完善 …

Doris 提供了平滑缩容策略，支持在不影响业务的情况下，完成数据迁移以及节点剔除，但这过程中会遇到一些问题，我们一起来看看~

一、平滑缩容

1. 指令：

ALTER SYSTEM DECOMMISSION BACKEND

节点下线操作用于安全下线节点。该操作为异步操作。如果成功，节点最终会从元数据中删除。如果失败，则不会完成下线（仅管理员使用！）

语法：

ALTER SYSTEM DECOMMISSION BACKEND "host:heartbeat_port"[,"host:heartbeat_port"...];

• host 可以是主机名或者ip地址
• heartbeat_port 为该节点的心跳端口
• 节点下线操作用于安全下线节点。该操作为异步操作。如果成功，节点最终会从元数据中删除。如果失败，则不会完成下线。
• 可以手动取消节点下线操作。详见 CANCEL DECOMMISSION

下线两个节点：

  ALTER SYSTEM DECOMMISSION BACKEND "host1:port", "host2:port";

2. 缩容：

在测试环境下验证，缩容一个拥有 500 tablet 的节点大概花了 1 天时间。线上同时缩容 4 个节点，预估 2 - 3 天能完成。

2-3 天后的结果：

进度缓慢，看起来就是卡住了，不能听之任之了，网上有人也遇到了类似的情况，Doris decommission be节点卡住 。

调整参数 catalog_trash_expire_second 后继续尝试，一周后：

进展相当缓慢，完全不能忍了。

二、解决

1. 寻找方案：

经过对比发现大部分表数据副本已「迁移」完成，副本迁移完成的最终效果如下：

可通过指令查看数据分布情况：

ADMIN SHOW REPLICA DISTRIBUTION FROM table_name

经过一番排查后发现，目前只剩「几张表」数据副本未迁移完成，对剩下的几张表进行风险评估，最终决定采用方案：

• 有原表：从原表重新拉取数据
• 无原表：将数据进行备份

2. 处理步骤：

1、暂停流计算、离线任务

2、删表：

truncate table table_name
or
drop table table_name

一般情况下，这些数据未完成迁移的表被删除后，由于平滑缩容仍在继续，这些所容节点会立即被踢出集群完成缩容。

3、强制缩容：

如果删表后发现未完成缩容，可采用如下命令进行强制缩容：

ALTER SYSTEM DROPP BACKEND "be_host:be_heartbeat_service_port"; 

4、重建表

5、初始化数据

6、重启流计算、离线任务

7、回收机器

注：以上方式是平滑缩容未完全成功的方案（退而求其次），需合理评估风险，并在业务低峰期处理，我们用了几分钟便完成了以上操作，业务回归正常。

三、小结

“黑猫白猫，能抓耗子就是好猫”，本文提供了一种解决思路，遇到问题，多尝试、思考，总会有解决方法。