CREATE-TABLE

Description

该命令用于创建一张表。本文档主要介绍创建 Doris 自维护的表的语法。外部表语法请参阅 CREATE-EXTERNAL-TABLE文档。

  1. CREATE TABLE [IF NOT EXISTS] [database.]table
  2. (
  3.     column_definition_list,
  4.     [index_definition_list]
  5. )
  6. [engine_type]
  7. [keys_type]
  8. [table_comment]
  9. [partition_info]
  10. distribution_desc
  11. [rollup_list]
  12. [properties]
  13. [extra_properties]

  • column_definition_list

    列定义列表：

    column_definition[, column_definition]

    • column_definition

      列定义：

      column_name column_type [KEY] [aggr_type] [NULL] [default_value] [column_comment]

      • column_type

        列类型，支持以下类型：

        1. TINYINT（1字节）
        2.     范围：-2^7 + 1 ~ 2^7 - 1
        3. SMALLINT（2字节）
        4.     范围：-2^15 + 1 ~ 2^15 - 1
        5. INT（4字节）
        6.     范围：-2^31 + 1 ~ 2^31 - 1
        7. BIGINT（8字节）
        8.     范围：-2^63 + 1 ~ 2^63 - 1
        9. LARGEINT（16字节）
        10.     范围：-2^127 + 1 ~ 2^127 - 1
        11. FLOAT（4字节）
        12.     支持科学计数法
        13. DOUBLE（12字节）
        14.     支持科学计数法
        15. DECIMAL[(precision, scale)] (16字节)
        16.     保证精度的小数类型。默认是 DECIMAL(10, 0)
        17.     precision: 1 ~ 27
        18.     scale: 0 ~ 9
        19.     其中整数部分为 1 ~ 18
        20.     不支持科学计数法
        21. DATE（3字节）
        22.     范围：0000-01-01 ~ 9999-12-31
        23. DATETIME（8字节）
        24.     范围：0000-01-01 00:00:00 ~ 9999-12-31 23:59:59
        25. CHAR[(length)]
        26.     定长字符串。长度范围：1 ~ 255。默认为1
        27. VARCHAR[(length)]
        28.     变长字符串。长度范围：1 ~ 65533。默认为1
        29. HLL (1~16385个字节)
        30.     HyperLogLog 列类型，不需要指定长度和默认值。长度根据数据的聚合程度系统内控制。
        31.     必须配合 HLL_UNION 聚合类型使用。
        32. BITMAP
        33.     bitmap 列类型，不需要指定长度和默认值。表示整型的集合，元素最大支持到2^64 - 1。
        34.     必须配合 BITMAP_UNION 聚合类型使用。

      • aggr_type

        聚合类型，支持以下聚合类型：

        1. SUM：求和。适用数值类型。
        2. MIN：求最小值。适合数值类型。
        3. MAX：求最大值。适合数值类型。
        4. REPLACE：替换。对于维度列相同的行，指标列会按照导入的先后顺序，后倒入的替换先导入的。
        5. REPLACE_IF_NOT_NULL：非空值替换。和 REPLACE 的区别在于对于null值，不做替换。这里要注意的是字段默认值要给NULL，而不能是空字符串，如果是空字符串，会给你替换成空字符串。
        6. HLL_UNION：HLL 类型的列的聚合方式，通过 HyperLogLog 算法聚合。
        7. BITMAP_UNION：BIMTAP 类型的列的聚合方式，进行位图的并集聚合。

      • default_value

        1. 列默认值，当导入数据未指定该列的值时，系统将赋予该列default_value。
        3. 语法为`default default_value`。
        5. 当前default_value支持两种形式：
        7. 1. 用户指定固定值，如：
        9. ```SQL
        10.     k1 INT DEFAULT '1',
        11.     k2 CHAR(10) DEFAULT 'aaaa'
        12. ```
        13. 2. 系统提供的关键字，目前支持以下关键字：
        15. ```SQL
        16.     // 只用于DATETIME类型，导入数据缺失该值时系统将赋予当前时间
        17.     dt DATETIME DEFAULT CURRENT_TIMESTAMP
        18. ```

        示例：

        1. k1 TINYINT,
        2. k2 DECIMAL(10,2) DEFAULT "10.5",
        3. k4 BIGINT NULL DEFAULT "1000" COMMENT "This is column k4",
        4. v1 VARCHAR(10) REPLACE NOT NULL,
        5. v2 BITMAP BITMAP_UNION,
        6. v3 HLL HLL_UNION,
        7. v4 INT SUM NOT NULL DEFAULT "1" COMMENT "This is column v4"

  • index_definition_list

    索引列表定义：

    index_definition[, index_definition]

    • index_definition

      索引定义：

      1. INDEX index_name (col_name) [USING BITMAP] COMMENT 'xxxxxx'

      示例：

      1. INDEX idx1 (k1) USING BITMAP COMMENT "This is a bitmap index1",
      2. INDEX idx2 (k2) USING BITMAP COMMENT "This is a bitmap index2",
      3. ...

  • engine_type

    表引擎类型。本文档中类型皆为 OLAP。其他外部表引擎类型见 CREATE EXTERNAL TABLE 文档。示例：

    ENGINE=olap

  • key_desc

    数据模型。

    key_type(col1, col2, ...)

    key_type 支持以下模型：

    • DUPLICATE KEY（默认）：其后指定的列为排序列。

    • AGGREGATE KEY：其后指定的列为维度列。

    • UNIQUE KEY：其后指定的列为主键列。

      示例：

      1. DUPLICATE KEY(col1, col2),
      2. AGGREGATE KEY(k1, k2, k3),
      3. UNIQUE KEY(k1, k2)

  • table_comment

    表注释。示例：

    1. COMMENT "This is my first DORIS table"

  • partition_desc

    分区信息，支持两种写法：

    1. LESS THAN：仅定义分区上界。下界由上一个分区的上界决定。

      1. PARTITION BY RANGE(col1[, col2, ...])
      2. (
      3.     PARTITION partition_name1 VALUES LESS THAN MAXVALUE|("value1", "value2", ...),
      4.     PARTITION partition_name2 VALUES LESS THAN MAXVALUE|("value1", "value2", ...)
      5. )

    2. FIXED RANGE：定义分区的左闭右开区间。

      1. PARTITION BY RANGE(col1[, col2, ...])
      2. (
      3.     PARTITION partition_name1 VALUES [("k1-lower1", "k2-lower1", "k3-lower1",...), ("k1-upper1", "k2-upper1", "k3-upper1", ...)),
      4.     PARTITION partition_name2 VALUES [("k1-lower1-2", "k2-lower1-2", ...), ("k1-upper1-2", MAXVALUE, ))
      5. )

  • distribution_desc

    定义数据分桶方式。

    DISTRIBUTED BY HASH (k1[,k2 ...]) [BUCKETS num]

  • rollup_list

    建表的同时可以创建多个物化视图（ROLLUP）。

    ROLLUP (rollup_definition[, rollup_definition, ...])

    • rollup_definition

      rollup_name (col1[, col2, ...]) [DUPLICATE KEY(col1[, col2, ...])] [PROPERTIES("key" = "value")]

      示例：

      1. ROLLUP (
      2.     r1 (k1, k3, v1, v2),
      3.     r2 (k1, v1)
      4. )

  • properties

    设置表属性。目前支持以下属性：

    • replication_num

      副本数。默认副本数为3。如果 BE 节点数量小于3，则需指定副本数小于等于 BE 节点数量。

      在 0.15 版本后，该属性将自动转换成 replication_allocation 属性，如：

      "replication_num" = "3" 会自动转换成 "replication_allocation" = "tag.location.default:3"

    • replication_allocation

      根据 Tag 设置副本分布情况。该属性可以完全覆盖 replication_num 属性的功能。

    • storage_medium/storage_cooldown_time

      数据存储介质。storage_medium 用于声明表数据的初始存储介质，而 storage_cooldown_time 用于设定到期时间。示例：

      1. "storage_medium" = "SSD",
      2. "storage_cooldown_time" = "2020-11-20 00:00:00"

      这个示例表示数据存放在 SSD 中，并且在 2020-11-20 00:00:00 到期后，会自动迁移到 HDD 存储上。

    • colocate_with

      当需要使用 Colocation Join 功能时，使用这个参数设置 Colocation Group。

      "colocate_with" = "group1"

    • bloom_filter_columns

      用户指定需要添加 Bloom Filter 索引的列名称列表。各个列的 Bloom Filter 索引是独立的，并不是组合索引。

      "bloom_filter_columns" = "k1, k2, k3"

    • in_memory

      Doris 是没有内存表的概念。

      这个属性设置成 true, Doris 会尽量将该表的数据块缓存在存储引擎的 PageCache 中，已减少磁盘IO。但这个属性不会保证数据块常驻在内存中，仅作为一种尽力而为的标识。

      "in_memory" = "true"

    • compression

      Doris 表的默认压缩方式是 LZ4。1.1版本后，支持将压缩方式指定为ZSTD以获得更高的压缩比。

      "compression"="zstd"

    • function_column.sequence_type

      当使用 UNIQUE KEY 模型时，可以指定一个sequence列，当KEY列相同时，将按照 sequence 列进行 REPLACE(较大值替换较小值，否则无法替换)

      这里我们仅需指定顺序列的类型，支持时间类型或整型。Doris 会创建一个隐藏的顺序列。

      "function_column.sequence_type" = 'Date'

    • light_schema_change

      Doris默认不使用light schema change优化。如果想使用该优化需要指定为true。

      "light_schema_change" = 'true'

    • disable_auto_compaction

      是否对这个表禁用自动compaction。

      如果这个属性设置成 true, 后台的自动compaction进程会跳过这个表的所有tablet。

      "disable_auto_compaction" = "false"

    • 动态分区相关

      动态分区相关参数如下：

      • dynamic_partition.enable: 用于指定表级别的动态分区功能是否开启。默认为 true。
      • dynamic_partition.time_unit: 用于指定动态添加分区的时间单位，可选择为DAY（天），WEEK(周)，MONTH（月），HOUR（时）。
      • dynamic_partition.start: 用于指定向前删除多少个分区。值必须小于0。默认为 Integer.MIN_VALUE。
      • dynamic_partition.end: 用于指定提前创建的分区数量。值必须大于0。
      • dynamic_partition.prefix: 用于指定创建的分区名前缀，例如分区名前缀为p，则自动创建分区名为p20200108。
      • dynamic_partition.buckets: 用于指定自动创建的分区分桶数量。
      • dynamic_partition.create_history_partition: 是否创建历史分区。
      • dynamic_partition.history_partition_num: 指定创建历史分区的数量。
      • dynamic_partition.reserved_history_periods: 用于指定保留的历史分区的时间段。

    • 数据排序相关

      数据排序相关参数如下:

      • data_sort.sort_type: 数据排序使用的方法，目前支持两种：lexical/z-order，默认是lexical
      • data_sort.col_num: 数据排序使用的列数，取最前面几列，不能超过总的key 列数

Example

  1. 创建一个明细模型的表

    1. CREATE TABLE example_db.table_hash
    2. (
    3.     k1 TINYINT,
    4.     k2 DECIMAL(10, 2) DEFAULT "10.5",
    5.     k3 CHAR(10) COMMENT "string column",
    6.     k4 INT NOT NULL DEFAULT "1" COMMENT "int column"
    7. )
    8. COMMENT "my first table"
    9. DISTRIBUTED BY HASH(k1) BUCKETS 32

  2. 创建一个明细模型的表，分区，指定排序列，设置副本数为1

    1. CREATE TABLE example_db.table_hash
    2. (
    3.     k1 DATE,
    4.     k2 DECIMAL(10, 2) DEFAULT "10.5",
    5.     k3 CHAR(10) COMMENT "string column",
    6.     k4 INT NOT NULL DEFAULT "1" COMMENT "int column"
    7. )
    8. DUPLICATE KEY(k1, k2)
    9. COMMENT "my first table"
    10. PARTITION BY RANGE(k1)
    11. (
    12.     PARTITION p1 VALUES LESS THAN ("2020-02-01"),
    13.     PARTITION p2 VALUES LESS THAN ("2020-03-01"),
    14.     PARTITION p3 VALUES LESS THAN ("2020-04-01")
    15. )
    16. DISTRIBUTED BY HASH(k1) BUCKETS 32
    17. PROPERTIES (
    18.     "replication_num" = "1"
    19. );

  3. 创建一个主键唯一模型的表，设置初始存储介质和冷却时间

    1. CREATE TABLE example_db.table_hash
    2. (
    3.     k1 BIGINT,
    4.     k2 LARGEINT,
    5.     v1 VARCHAR(2048),
    6.     v2 SMALLINT DEFAULT "10"
    7. )
    8. UNIQUE KEY(k1, k2)
    9. DISTRIBUTED BY HASH (k1, k2) BUCKETS 32
    10. PROPERTIES(
    11.     "storage_medium" = "SSD",
    12.     "storage_cooldown_time" = "2015-06-04 00:00:00"
    13. );

  4. 创建一个聚合模型表，使用固定范围分区描述

    1. CREATE TABLE table_range
    2. (
    3.     k1 DATE,
    4.     k2 INT,
    5.     k3 SMALLINT,
    6.     v1 VARCHAR(2048) REPLACE,
    7.     v2 INT SUM DEFAULT "1"
    8. )
    9. AGGREGATE KEY(k1, k2, k3)
    10. PARTITION BY RANGE (k1, k2, k3)
    11. (
    12.     PARTITION p1 VALUES [("2014-01-01", "10", "200"), ("2014-01-01", "20", "300")),
    13.     PARTITION p2 VALUES [("2014-06-01", "100", "200"), ("2014-07-01", "100", "300"))
    14. )
    15. DISTRIBUTED BY HASH(k2) BUCKETS 32

  5. 创建一个包含 HLL 和 BITMAP 列类型的聚合模型表

    1. CREATE TABLE example_db.example_table
    2. (
    3.     k1 TINYINT,
    4.     k2 DECIMAL(10, 2) DEFAULT "10.5",
    5.     v1 HLL HLL_UNION,
    6.     v2 BITMAP BITMAP_UNION
    7. )
    8. ENGINE=olap
    9. AGGREGATE KEY(k1, k2)
    10. DISTRIBUTED BY HASH(k1) BUCKETS 32

  6. 创建两张同一个 Colocation Group 自维护的表。

    1. CREATE TABLE t1 (
    2.     id int(11) COMMENT "",
    3.     value varchar(8) COMMENT ""
    4. )
    5. DUPLICATE KEY(id)
    6. DISTRIBUTED BY HASH(id) BUCKETS 10
    7. PROPERTIES (
    8.     "colocate_with" = "group1"
    9. );
    11. CREATE TABLE t2 (
    12.     id int(11) COMMENT "",
    13.     value1 varchar(8) COMMENT "",
    14.     value2 varchar(8) COMMENT ""
    15. )
    16. DUPLICATE KEY(`id`)
    17. DISTRIBUTED BY HASH(`id`) BUCKETS 10
    18. PROPERTIES (
    19.     "colocate_with" = "group1"
    20. );

  7. 创建一个带有 bitmap 索引以及 bloom filter 索引的内存表

    1. CREATE TABLE example_db.table_hash
    2. (
    3.     k1 TINYINT,
    4.     k2 DECIMAL(10, 2) DEFAULT "10.5",
    5.     v1 CHAR(10) REPLACE,
    6.     v2 INT SUM,
    7.     INDEX k1_idx (k1) USING BITMAP COMMENT 'my first index'
    8. )
    9. AGGREGATE KEY(k1, k2)
    10. DISTRIBUTED BY HASH(k1) BUCKETS 32
    11. PROPERTIES (
    12.     "bloom_filter_columns" = "k2",
    13.     "in_memory" = "true"
    14. );

  8. 创建一个动态分区表。

    该表每天提前创建3天的分区，并删除3天前的分区。例如今天为2020-01-08，则会创建分区名为p20200108, p20200109, p20200110, p20200111的分区. 分区范围分别为:

    1. [types: [DATE]; keys: [2020-01-08]; ‥types: [DATE]; keys: [2020-01-09]; )
    2. [types: [DATE]; keys: [2020-01-09]; ‥types: [DATE]; keys: [2020-01-10]; )
    3. [types: [DATE]; keys: [2020-01-10]; ‥types: [DATE]; keys: [2020-01-11]; )
    4. [types: [DATE]; keys: [2020-01-11]; ‥types: [DATE]; keys: [2020-01-12]; )
    1. CREATE TABLE example_db.dynamic_partition
    2. (
    3.     k1 DATE,
    4.     k2 INT,
    5.     k3 SMALLINT,
    6.     v1 VARCHAR(2048),
    7.     v2 DATETIME DEFAULT "2014-02-04 15:36:00"
    8. )
    9. DUPLICATE KEY(k1, k2, k3)
    10. PARTITION BY RANGE (k1) ()
    11. DISTRIBUTED BY HASH(k2) BUCKETS 32
    12. PROPERTIES(
    13.     "dynamic_partition.time_unit" = "DAY",
    14.     "dynamic_partition.start" = "-3",
    15.     "dynamic_partition.end" = "3",
    16.     "dynamic_partition.prefix" = "p",
    17.     "dynamic_partition.buckets" = "32" 
    18. );

  9. 创建一个带有物化视图（ROLLUP）的表。

    1. CREATE TABLE example_db.rolup_index_table
    2. (
    3.     event_day DATE,
    4.     siteid INT DEFAULT '10',
    5.     citycode SMALLINT,
    6.     username VARCHAR(32) DEFAULT '',
    7.     pv BIGINT SUM DEFAULT '0'
    8. )
    9. AGGREGATE KEY(event_day, siteid, citycode, username)
    10. DISTRIBUTED BY HASH(siteid) BUCKETS 10
    11. ROLLUP (
    12.     r1(event_day,siteid),
    13.     r2(event_day,citycode),
    14.     r3(event_day)
    15. )
    16. PROPERTIES("replication_num" = "3");

  10. 通过 replication_allocation 属性设置表的副本。

    1. CREATE TABLE example_db.table_hash
    2. (
    3.    k1 TINYINT,
    4.    k2 DECIMAL(10, 2) DEFAULT "10.5"
    5. )
    6. DISTRIBUTED BY HASH(k1) BUCKETS 32
    7. PROPERTIES (
    8.    "replication_allocation"="tag.location.group_a:1, tag.location.group_b:2"
    9. );
    1. CREATE TABLE example_db.dynamic_partition
    2. (
    3.    k1 DATE,
    4.    k2 INT,
    5.    k3 SMALLINT,
    6.    v1 VARCHAR(2048),
    7.    v2 DATETIME DEFAULT "2014-02-04 15:36:00"
    8. )
    9. PARTITION BY RANGE (k1) ()
    10. DISTRIBUTED BY HASH(k2) BUCKETS 32
    11. PROPERTIES(
    12.    "dynamic_partition.time_unit" = "DAY",
    13.    "dynamic_partition.start" = "-3",
    14.    "dynamic_partition.end" = "3",
    15.    "dynamic_partition.prefix" = "p",
    16.    "dynamic_partition.buckets" = "32",
    17.    "dynamic_partition."replication_allocation" = "tag.location.group_a:3"
    18. );

Keywords

  1. CREATE, TABLE

Best Practice

分区和分桶

一个表必须指定分桶列，但可以不指定分区。关于分区和分桶的具体介绍，可参阅 数据划分 文档。

Doris 中的表可以分为分区表和无分区的表。这个属性在建表时确定，之后不可更改。即对于分区表，可以在之后的使用过程中对分区进行增删操作，而对于无分区的表，之后不能再进行增加分区等操作。

同时，分区列和分桶列在表创建之后不可更改，既不能更改分区和分桶列的类型，也不能对这些列进行任何增删操作。

所以建议在建表前，先确认使用方式来进行合理的建表。

动态分区

动态分区功能主要用于帮助用户自动的管理分区。通过设定一定的规则，Doris 系统定期增加新的分区或删除历史分区。可参阅 动态分区 文档查看更多帮助。

物化视图

用户可以在建表的同时创建多个物化视图（ROLLUP）。物化视图也可以在建表之后添加。写在建表语句中可以方便用户一次性创建所有物化视图。

如果在建表时创建好物化视图，则后续的所有数据导入操作都会同步生成物化视图的数据。物化视图的数量可能会影响数据导入的效率。

如果在之后的使用过程中添加物化视图，如果表中已有数据，则物化视图的创建时间取决于当前数据量大小。

关于物化视图的介绍，请参阅文档 物化视图。

索引

用户可以在建表的同时创建多个列的索引。索引也可以在建表之后再添加。

如果在之后的使用过程中添加索引，如果表中已有数据，则需要重写所有数据，因此索引的创建时间取决于当前数据量。

in_memory 属性

当建表时指定了 "in_memory" = "true" 属性。则 Doris 会尽量将该表的数据块缓存在存储引擎的 PageCache 中，已减少磁盘IO。但这个属性不会保证数据块常驻在内存中，仅作为一种尽力而为的标识。