1 数据表模型

数据库建表最佳实践 - 图1备注

Doris 数据表模型上目前分为三类:DUPLICATE KEY, UNIQUE KEY, AGGREGATE KEY。

数据库建表最佳实践 - 图2提示

推荐规约

因为数据模型在建表时就已经确定,且无法修改。所以,选择一个合适的数据模型非常重要

  1. Duplicate 适合任意维度的 Ad-hoc 查询。虽然同样无法利用预聚合的特性,但是不受聚合模型的约束,可以发挥列存模型的优势(只读取相关列,而不需要读取所有 Key 列)。

  2. Aggregate 模型可以通过预聚合,极大地降低聚合查询时所需扫描的数据量和查询的计算量,非常适合有固定模式的报表类查询场景。但是该模型对 count(*) 查询很不友好。同时因为固定了 Value 列上的聚合方式,在进行其他类型的聚合查询时,需要考虑语意正确性。

  3. Unique 模型针对需要唯一主键约束的场景,可以保证主键唯一性约束。但是无法利用物化等预聚合带来的查询优势。对于聚合查询有较高性能需求的用户,推荐使用自 1.2 版本加入的写时合并实现。

  4. 如果有部分列更新的需求,可以选择:

    a. Unique 模型的 Merge-on-Write 模式

    b. Aggregate 模型的 REPLACE_IF_NOT_NULL 聚合方式

01 DUPLICATE KEY 表模型

DUPLICATE KEY 表模型

只指定排序列,相同的 KEY 行不会合并。

适用于数据无需提前聚合的分析业务:

  • 原始数据分析

  • 仅追加新数据的日志或时序数据分析

最佳实践

  1. -- 例如 允许 KEY 重复仅追加新数据的日志数据分析
  2. CREATE TABLE session_data
  3. (
  4. visitorid SMALLINT,
  5. sessionid BIGINT,
  6. visittime DATETIME,
  7. city CHAR(20),
  8. province CHAR(20),
  9. ip varchar(32),
  10. brower CHAR(20),
  11. url VARCHAR(1024)
  12. )
  13. DUPLICATE KEY(visitorid, sessionid) -- 只用于指定排序列,相同的 KEY 行不会合并
  14. DISTRIBUTED BY HASH(sessionid, visitorid) BUCKETS 10;

02 AGGREGATE KEY 表模型

AGGREGATE KEY 表模型

AGGREGATE KEY 相同时,新旧记录进行聚合,目前支持的聚合方式:

  1. SUM:求和,多行的 Value 进行累加。

  2. REPLACE:替代,下一批数据中的 Value 会替换之前导入过的行中的 Value。

  3. MAX:保留最大值。

  4. MIN:保留最小值。

  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。

  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。

适合报表和多维分析业务:

  • 网站流量分析

  • 数据报表多维分析

最佳实践

  1. -- 例如 网站流量分析
  2. CREATE TABLE site_visit
  3. (
  4. siteid INT,
  5. city SMALLINT,
  6. username VARCHAR(32),
  7. pv BIGINT SUM DEFAULT '0' -- PV 浏览量计算
  8. )
  9. AGGREGATE KEY(siteid, city, username) -- 相同的 KEY 行会合并,非 KEY 列会根据指定的聚合函数进行聚合
  10. DISTRIBUTED BY HASH(siteid) BUCKETS 10;

03 UNIQUE KEY 表模型

UNIQUE KEY 相同时,新记录覆盖旧记录。在 1.2 版本之前,UNIQUE KEY 实现上和 AGGREGATE KEY 的 REPLACE 聚合方法一样,二者本质上相同,自 1.2 版本我们给 UNIQUE KEY 引入了 merge on write 实现,该实现有更好的聚合查询性能。

适用于有更新需求的分析业务:

  • 订单去重分析

  • 实时增删改同步

最佳实践

  1. -- 例如 订单去重分析
  2. CREATE TABLE sales_order
  3. (
  4. orderid BIGINT,
  5. status TINYINT,
  6. username VARCHAR(32),
  7. amount BIGINT DEFAULT '0'
  8. )
  9. UNIQUE KEY(orderid) -- 相同的 KEY 行会合并
  10. DISTRIBUTED BY HASH(orderid) BUCKETS 10;

2 索引

数据库建表最佳实践 - 图5备注

索引用于帮助快速过滤或查找数据。目前主要支持两类索引:

  1. 内建自动创建的智能索引,包括前缀索引和 ZoneMap 索引。

  2. 用户手动创建的二级索引,包括倒排索引、bloomfilter 索引、ngram bloomfilter 索引 和 bitmap 索引。

01 前缀索引

在 Aggregate、Unique 和 Duplicate 三种数据模型中。底层的数据存储,是按照各自建表语句中,AGGREGATE KEY、UNIQUE KEY 和 DUPLICATE KEY 中指定的列进行排序存储的。而前缀索引,即在排序的基础上,实现的一种根据给定前缀列,快速查询数据的索引方式。

前缀索引是稀疏索引,不能精确定位到 Key 所在的行,只能粗粒度地定位出 Key 可能存在的范围,然后使用二分查找算法精确地定位 Key 的位置。

数据库建表最佳实践 - 图6提示

推荐规约

  1. 建表时,正确的选择列顺序,能够极大地提高查询效率

    因为建表时已经指定了列顺序,所以一个表只有一种前缀索引。这对于使用其他不能命中前缀索引的列作为条件进行的查询来说,效率上可能无法满足需求,这种情况,我们可以通过创建 物化视图 来人为的调整列顺序。

  2. 前缀索引的第一个字段一定是最长查询的字段,并且需要是高基数字段:

    a. 分桶字段注意事项:这个一般是数据分布比较均衡的,也是经常使用的字段,最好是高基数字段

    b. Int(4)+ Int(4) + varchar(50),前缀索引长度只有 28

    c. Int(4) + varchar(50) + Int(4),前缀索引长度只有 24

    d. varchar(10) + varchar(50) ,前缀索引长度只有 30

    e. 前缀索引(36 位):第一个字段查询性能最好,前缀索引碰见 varchar 类型的字段,会自动截断前 20 个字符

    f. 最常用的查询字段如果能放到前缀索引里尽可能放到前前缀索引里,如果不能,可以放到分桶字段里

  3. 前缀索引中的字段长度尽可能明确,因为 Doris 只有前 36 个字节能走前缀索引。

  4. 如果某个范围数据在分区分桶和前缀索引中都不好设计,可以考虑引入倒排索引加速。

02 ZoneMap 索引

ZoneMap 索引是在列存格式上,对每一列自动维护的索引信息,包括 Min/Max,null 值个数等等。在数据查询时,会根据范围条件过滤的字段按照 ZoneMap 统计信息选取扫描的数据范围。

例如对 age 字段进行过滤,查询语句如下:

SELECT * FROM table WHERE age > 0 and age < 51;

在没有命中 Short Key Index 的情况下,会根据条件语句中 age 的查询条件,利用 ZoneMap 索引找到应该扫描的数据 ordinary 范围,减少要扫描的 page 数量。

03 倒排索引

从 2.0.0 版本开始,Doris 支持倒排索引,可以用来进行文本类型的全文检索、普通数值日期类型的等值范围查询,快速从海量数据中过滤出满足条件的行。

最佳实践

  1. -- 创建示例:可以表创建时指定或者创建后新增,如下创建表时指定
  2. CREATE TABLE table_name
  3. (
  4. columns_difinition,
  5. INDEX idx_name1(column_name1) USING INVERTED [PROPERTIES("parser" = "english|unicode|chinese")] [COMMENT 'your comment']
  6. INDEX idx_name2(column_name2) USING INVERTED [PROPERTIES("parser" = "english|unicode|chinese")] [COMMENT 'your comment']
  7. INDEX idx_name3(column_name3) USING INVERTED [PROPERTIES("parser" = "chinese", "parser_mode" = "fine_grained|coarse_grained")] [COMMENT 'your comment']
  8. INDEX idx_name4(column_name4) USING INVERTED [PROPERTIES("parser" = "english|unicode|chinese", "support_phrase" = "true|false")] [COMMENT 'your comment']
  9. INDEX idx_name5(column_name4) USING INVERTED [PROPERTIES("char_filter_type" = "char_replace", "char_filter_pattern" = "._"), "char_filter_replacement" = " "] [COMMENT 'your comment']
  10. INDEX idx_name5(column_name4) USING INVERTED [PROPERTIES("char_filter_type" = "char_replace", "char_filter_pattern" = "._")] [COMMENT 'your comment']
  11. )
  12. table_properties;
  13. -- 使用示例:全文检索关键词匹配,通过 MATCH_ANY MATCH_ALL 完成
  14. SELECT * FROM table_name WHERE column_name MATCH_ANY | MATCH_ALL 'keyword1 ...';

数据库建表最佳实践 - 图7提示

推荐规约

  1. 如果某个范围数据在分区分桶和前缀索引中都不好设计,可以考虑引入倒排索引加速。

数据库建表最佳实践 - 图8警告

强制规约

  1. 倒排索引在不同数据模型中有不同的使用限制:

    a. Aggregate KEY 表模型:只能为 Key 列建立倒排索引。

    b. Unique KEY 表模型:需要开启 merge on write 特性,开启后,可以为任意列建立倒排索引。

    c. Duplicate KEY 表模型:可以为任意列建立倒排索引。

04 BloomFilter 索引

Doris 支持用户对取值区分度比较大的字段添加 BloomFilter 索引,适合在基数较高的列上进行等值查询的场景。

最佳实践

  1. -- 创建示例:通过在建表语句的 PROPERTIES 里加上"bloom_filter_columns"="k1,k2,k3"
  2. -- 例如下面我们对表里的 saler_id,category_id 创建了 BloomFilter 索引。
  3. CREATE TABLE IF NOT EXISTS sale_detail_bloom (
  4. sale_date date NOT NULL COMMENT "销售时间",
  5. customer_id int NOT NULL COMMENT "客户编号",
  6. saler_id int NOT NULL COMMENT "销售员",
  7. sku_id int NOT NULL COMMENT "商品编号",
  8. category_id int NOT NULL COMMENT "商品分类",
  9. sale_count int NOT NULL COMMENT "销售数量",
  10. sale_price DECIMAL(12,2) NOT NULL COMMENT "单价",
  11. sale_amt DECIMAL(20,2) COMMENT "销售总金额"
  12. )
  13. Duplicate KEY(sale_date, customer_id,saler_id,sku_id,category_id)
  14. DISTRIBUTED BY HASH(saler_id) BUCKETS 10
  15. PROPERTIES (
  16. "bloom_filter_columns"="saler_id,category_id"
  17. );

数据库建表最佳实践 - 图9警告

强制规约

  1. 不支持对 Tinyint、Float、Double 类型的列建 BloomFilter 索引。

  2. BloomFilter 索引只对 in 和 = 过滤查询有加速效果。

  3. BloomFilter 索引必须在查询条件是 in 或者 =,并且是高基数(5000 以上)列上构建。

    a. 首先 BloomFilter 适用于非前缀过滤

    b. 查询会根据该列高频过滤,而且查询条件大多是 in 和 = 过滤

    c. 不同于 Bitmap, BloomFilter 适用于高基数列。比如 UserID。因为如果创建在低基数的列上,比如“性别”列,则每个 Block 几乎都会包含所有取值,导致 BloomFilter 索引失去意义

    d. 数据基数在一半左右

    e. 类似身份证号这种基数特别高并且查询是等值(=)查询,使用 BloomFilter 索引能极大加速

05 NGram BloomFilter 索引

从 2.0.0 版本开始,Doris 为了提升LIKE的查询性能,增加了 NGram BloomFilter 索引。

最佳实践

  1. -- 创建示例:表创建时指定
  2. CREATE TABLE `nb_table` (
  3. `siteid` int(11) NULL DEFAULT "10" COMMENT "",
  4. `citycode` smallint(6) NULL COMMENT "",
  5. `username` varchar(32) NULL DEFAULT "" COMMENT "",
  6. INDEX idx_ngrambf (`username`) USING NGRAM_BF PROPERTIES("gram_size"="3", "bf_size"="256") COMMENT 'username ngram_bf index'
  7. ) ENGINE=OLAP
  8. AGGREGATE KEY(`siteid`, `citycode`, `username`) COMMENT "OLAP"
  9. DISTRIBUTED BY HASH(`siteid`) BUCKETS 10;
  10. -- PROPERTIES("gram_size"="3", "bf_size"="256"),分别表示 gram 的个数和 bloom filter 的字节数。
  11. -- gram 的个数跟实际查询场景相关,通常设置为大部分查询字符串的长度,bloom filter 字节数,可以通过测试得出,通常越大过滤效果越好,可以从 256 开始进行验证测试看看效果。当然字节数越大也会带来索引存储、内存 cost 上升。
  12. -- 如果数据基数比较高,字节数可以不用设置过大,如果基数不是很高,可以通过增加字节数来提升过滤效果。

数据库建表最佳实践 - 图10警告

强制规约

  1. NGram BloomFilter 只支持字符串列

  2. NGram BloomFilter 索引和 BloomFilter 索引为互斥关系,即同一个列只能设置两者中的一个

  3. NGram 大小和 BloomFilter 的字节数,可以根据实际情况调优,如果 NGram 比较小,可以适当增加 BloomFilter 大小

  4. 亿级别以上数据,如果有模糊匹配,使用倒排索引或者是 NGram Bloomfilter

2.6 Bitmap 索引

为了加速数据查询,Doris 支持用户为某些字段添加 Bitmap 索引,适合在基数较低的列上进行等值查询或范围查询的场景。

最佳实践

  1. -- 创建示例:在 bitmap_table 上为 siteid 创建 Bitmap 索引
  2. CREATE INDEX [IF NOT EXISTS] bitmap_index_name ON
  3. bitmap_table (siteid)
  4. USING BITMAP COMMENT 'bitmap_siteid';

数据库建表最佳实践 - 图11警告

强制规约

  1. Bitmap 索引仅在单列上创建。

  2. Bitmap 索引能够应用在 DuplicateUniq 数据模型的所有列和 Aggregate模型的 key 列上。

  3. Bitmap 索引支持的数据类型如下:

  • TINYINT
  • SMALLINT
  • INT
  • BIGINT
  • CHAR
  • VARCHAR
  • DATE
  • DATETIME
  • LARGEINT
  • DECIMAL
  • BOOL
  1. Bitmap 索引仅在 Segment V2 下生效。当创建 Index 时,表的存储格式将默认转换为 V2 格式。

  2. Bitmap 索引必须在一定基数范围内构建,太高或者太低的基数都不合适

    a. 适用于低基数的列上,建议在 100 到 100,000 之间,如:职业、地市等。重复度过高则对比其他类型索引没有明显优势;重复度过低,则空间效率和性能会大大降低。特定类型的查询例如 COUNT, OR, AND 等逻辑操作因为只需要进行位运算

    b. 该索引更多的适合正交查询

3 字段类型

Doris 支持多种字段类型,例如精确去重 BITMAP、模糊去重 HLL、半结构化 ARRAY/MAP/JSON 和常见的数字、字符串和时间类型等。

数据库建表最佳实践 - 图12提示

推荐规约

  1. VARCHAR

    a. 变长字符串,长度范围为:1-65533 字节长度,以 UTF-8 编码存储的,因此通常英文字符占 1 个字节,中文字符占 3 个字节。

    b. 这里存在一个误区,即 varchar(255) 和 varchar(65533) 的性能问题,这二者如果存的数据是一样的,性能也是一样的,建表时如果不确定这个字段最大有多长,建议直接使用 65533 即可,防止由于字符串过长导致的导入问题。

  2. STRING

    a. 变长字符串,默认支持 1048576 字节(1MB),可调大到 2147483643 字节(2G),以 UTF-8 编码存储的,因此通常英文字符占 1 个字节,中文字符占 3 个字节。

    b. 只能用在 Value 列,不能用在 Key 列和分区分桶列。

    c. 适用于一些比较大的文本存储,一般如果没有这种需求的话,建议使用 VARCHAR,STRING 列无法用在 Key 列和分桶列,局限性比较大。

  3. 数值型字段:按照精度选择对应的数据类型即可,没有过于特殊的注意。

  4. 时间字段:这里需要注意的是,如果有高精度(毫秒值时间戳)需求,需要指明使用 datetime(6),否则默认是不支持毫秒值时间戳的。

  5. 建议使用 JSON 数据类型代替字符串类型存放 JSON 数据的使用方式。

4 数据表创建

数据表创建

建表时除了要注意数据表模型、索引和字段类型的选择还需要注意分区分桶的设置。

最佳实践

  1. -- Unique 模型的 Merge-on-Write 表为例
  2. -- Unique 模型的写时合并实现,与聚合模型就是完全不同的两种模型了,查询性能更接近于 duplicate 模型,
  3. -- 在有主键约束需求的场景上相比聚合模型有较大的查询性能优势,尤其是在聚合查询以及需要用索引过滤大量数据的查询中。
  4. -- 非分区表
  5. CREATE TABLE IF NOT EXISTS tbl_unique_merge_on_write
  6. (
  7. `user_id` LARGEINT NOT NULL COMMENT "用户id",
  8. `username` VARCHAR(50) NOT NULL COMMENT "用户昵称",
  9. `register_time` DATE COMMENT "用户注册时间",
  10. `city` VARCHAR(20) COMMENT "用户所在城市",
  11. `age` SMALLINT COMMENT "用户年龄",
  12. `sex` TINYINT COMMENT "用户性别",
  13. `phone` LARGEINT COMMENT "用户电话",
  14. `address` VARCHAR(500) COMMENT "用户地址"
  15. )
  16. UNIQUE KEY(`user_id`, `username`)
  17. -- 3-5G 的数据量
  18. DISTRIBUTED BY HASH(`user_id`) BUCKETS 10
  19. PROPERTIES (
  20. -- 1.2.0 版本中,作为一个新的 feature,写时合并默认关闭,用户可以通过添加下面的 property 来开启
  21. "enable_unique_key_merge_on_write" = "true"
  22. );
  23. -- 分区表
  24. CREATE TABLE IF NOT EXISTS tbl_unique_merge_on_write_p
  25. (
  26. `user_id` LARGEINT NOT NULL COMMENT "用户id",
  27. `username` VARCHAR(50) NOT NULL COMMENT "用户昵称",
  28. `register_time` DATE COMMENT "用户注册时间",
  29. `city` VARCHAR(20) COMMENT "用户所在城市",
  30. `age` SMALLINT COMMENT "用户年龄",
  31. `sex` TINYINT COMMENT "用户性别",
  32. `phone` LARGEINT COMMENT "用户电话",
  33. `address` VARCHAR(500) COMMENT "用户地址"
  34. )
  35. UNIQUE KEY(`user_id`, `username`, `register_time`)
  36. PARTITION BY RANGE(`register_time`) (
  37. PARTITION p00010101_1899 VALUES [('0001-01-01'), ('1900-01-01')),
  38. PARTITION p19000101 VALUES [('1900-01-01'), ('1900-01-02')),
  39. PARTITION p19000102 VALUES [('1900-01-02'), ('1900-01-03')),
  40. PARTITION p19000103 VALUES [('1900-01-03'), ('1900-01-04')),
  41. PARTITION p19000104_1999 VALUES [('1900-01-04'), ('2000-01-01')),
  42. FROM ("2000-01-01") TO ("2022-01-01") INTERVAL 1 YEAR,
  43. PARTITION p30001231 VALUES [('3000-12-31'), ('3001-01-01')),
  44. PARTITION p99991231 VALUES [('9999-12-31'), (MAXVALUE))
  45. )
  46. -- 默认 3-5G 的数据量
  47. DISTRIBUTED BY HASH(`user_id`) BUCKETS 10
  48. PROPERTIES (
  49. -- 1.2.0 版本中,作为一个新的 feature,写时合并默认关闭,用户可以通过添加下面的 property 来开启
  50. "enable_unique_key_merge_on_write" = "true",
  51. -- 动态分区调度的单位。可指定为 HOURDAYWEEKMONTHYEAR。分别表示按小时、按天、按星期、按月、按年进行分区创建或删除。
  52. "dynamic_partition.time_unit" = "MONTH",
  53. -- 动态分区的起始偏移,为负数。根据 time_unit 属性的不同,以当天(星期/月)为基准,分区范围在此偏移之前的分区将会被删除(TTL)。如果不填写,则默认为 -2147483648,即不删除历史分区。
  54. "dynamic_partition.start" = "-3000",
  55. -- 动态分区的结束偏移,为正数。根据 time_unit 属性的不同,以当天(星期/月)为基准,提前创建对应范围的分区。
  56. "dynamic_partition.end" = "10",
  57. -- 动态创建的分区名前缀(必选)。
  58. "dynamic_partition.prefix" = "p",
  59. -- 动态创建的分区所对应的分桶数量。
  60. "dynamic_partition.buckets" = "10",
  61. "dynamic_partition.enable" = "true",
  62. -- 动态创建的分区所对应的副本数量,如果不填写,则默认为该表创建时指定的副本数量 3
  63. "dynamic_partition.replication_num" = "3",
  64. "replication_num" = "3"
  65. );
  66. -- 分区创建查看
  67. -- 实际创建的分区数需要结合 dynamic_partition.startend 以及 PARTITION BY RANGE 的设置共同决定
  68. show partitions from tbl_unique_merge_on_write_p;

数据库建表最佳实践 - 图14提示

推荐规约

  1. 库名统一使用小写方式,中间用下划线(_)分割,长度 62 字节内。

  2. 表名称大小写敏感,统一使用小写方式,中间用下划线(_)分割,长度 64 字节内。

  3. 能手动分桶,尽量不要使用 Auto Bucket,按照自己的数据量来进行分区分桶,这样你的导入及查询性能都会得到很好的效果,Auto Bucket 会造成 tablet 数量过多,造成大量小文件的问题。

  4. 1000W-2 亿以内数据为了方便可以不设置分区,直接用分桶策略(不设置其实 Doris 内部会有个默认分区)。

  5. 如果是时序场景,建议在建表时 “compaction_policy” = “time_series” 加上这个表属性配置,在时序场景持续导入的情况下有效降低 compact 的写入放大率,注意需要配合倒排一起用。

数据库建表最佳实践 - 图15警告

强制规约

  1. 数据库字符集指定 UTF-8,并且只支持 UTF-8。

  2. 表的副本数必须为 3(未指定副本数时,默认为 3)。

  3. 单个 Tablet(Tablet 数 = 分区数 * 桶数 * 副本数)的数据量理论上没有上下界,除小表(百兆维表)外需确保在 1G - 10G 的范围内:

    a. 如果单个 Tablet 数据量过小,则数据的聚合效果不佳,且元数据管理压力大。

    b. 如果数据量过大,则不利于副本的迁移、补齐,且会增加 Schema Change 或者 物化 操作失败重试的代价(这些操作失败重试的粒度是 Tablet)。

  4. 5 亿以上的数据必须设置分区分桶策略

    a. bucket 设置建议

    1. i. 大表的单个 Tablet 存储数据大小在 1G-10G 区间,可防止过多的小文件产生。
    2. ii. 百兆左右的维表 Tablet 数量控制在 3-5 个,保证一定的并发数也不会产生过多的小文件。

    b. 没有办法分区的,数据又较快增长的,没办法按照时间动态分区,可以适当放大一下你的 Bucket 数量,按照你的数据保存周期(180 天)数据总量,来估算你的 Bucket 数量应该是多少,建议还是单个 Bucket 大小在 1-10G。

    c. 对分桶字段进行加盐处理,业务上查询的时候也是要同样的加盐策略,这样能利用到分桶数据剪裁能力。

    d. 数据随机分桶:

    1. i. 如果 OLAP 表没有更新类型的字段,将表的数据分桶模式设置为 RANDOM,则可以避免严重的数据倾斜 (数据在导入表对应的分区的时候,单次导入作业每个 Batch 的数据将随机选择一个 Tablet 进行写入)。
    2. ii. 当表的分桶模式被设置为 RANDOM 时,因为没有分桶列,无法根据分桶列的值仅对几个分桶查询,对表进行查询的时候将对命中分区的全部分桶同时扫描,该设置适合对表数据整体的聚合查询分析而不适合高并发的点查询。
    3. iii. 如果 OLAP 表的是 Random Distribution 的数据分布,那么在数据导入的时候可以设置单分片导入模式(将 `load_to_single_tablet` 设置为 true),那么在大数据量的导入的时候,一个任务在将数据写入对应的分区时将只写入一个分片,这样将能提高数据导入的并发度和吞吐量,减少数据导入和 Compaction 导致的写放大问题,保障集群的稳定性。

    e. 维度表:缓慢增长的,可以使用单分区,在分桶策略上使用常用查询条件(这个字段数据分布相对均衡)分桶。

    f. 事实表

  5. 如果分桶字段存在 30% 以上的数据倾斜,则禁止使用 Hash 分桶策略,改使用 RANDOM 分桶策略。

  6. 2KW 以内数据禁止使用动态分区(动态分区会自动创建分区,而小表用户客户关注不到,会创建出大量不使用分区分桶)。

  7. 对于有大量历史分区数据,但是历史数据比较少,或者不均衡,或者查询概率的情况,使用如下方式将数据放在特殊分区。

    对于历史数据,如果数据量比较小我们可以创建历史分区(比如年分区,月分区),将所有历史数据放到对应分区里创建历史分区方式例如:FROM ("2000-01-01") TO ("2022-01-01") INTERVAL 1 YEAR,具体参考:

    1. (
    2. PARTITION p00010101_1899 VALUES [('0001-01-01'), ('1900-01-01')),
    3. PARTITION p19000101 VALUES [('1900-01-01'), ('1900-01-02')),
    4. ...
    5. PARTITION p19000104_1999 VALUES [('1900-01-04'), ('2000-01-01')),
    6. FROM ("2000-01-01") TO ("2022-01-01") INTERVAL 1 YEAR,
    7. PARTITION p30001231 VALUES [('3000-12-31'), ('3001-01-01')),
    8. PARTITION p99991231 VALUES [('9999-12-31'), (MAXVALUE))
    9. )
  8. 单表物化视图不能超过 6 个

    a. 单表物化视图是实时构建

    b. 在 Unqiue 模型上物化视图只能起到 Key 重新排序的作用,不能做数据的聚合,因为 Unqiue 模型的聚合模型是 Replace