包头市建设厅官方网站,wordpress更换网站域名,做网络平台需要什么条件,做网站推广 seo的接上篇----------Doris 建表示例
Doris 支持两层的数据划分。第一层是 Partition#xff0c;支持 Range 和 List 的划分方式。第二层是 Bucket#xff08;Tablet#xff09;#xff0c;仅支持 Hash 的划分方式。
也可以仅使用一层分区。使用一层分区时#xff0c;只支持…接上篇----------Doris 建表示例
Doris 支持两层的数据划分。第一层是 Partition支持 Range 和 List 的划分方式。第二层是 BucketTablet仅支持 Hash 的划分方式。
也可以仅使用一层分区。使用一层分区时只支持 Bucket 划分。
Partition Partition 列可以指定一列或多列。分区类必须为 KEY 列。 不论分区列是什么类型在写分区值时都需要加双引号。 分区数量理论上没有上限。 当不使用 Partition 建表时系统会自动生成一个和表名同名的全值范围的Partition。该 Partition 对用户不可见并且不可删改。
Range 分区
分区列通常为时间列以方便的管理新旧数据。不可添加范围重叠的分区。 Partition 指定范围的方式
VALUES LESS THAN (...) 仅指定上界系统会将前一个分区的上界作为该分区的下界生成一个左闭右开的区间。分区的删除不会改变已存在分区的范围。删除分区可能出现空洞。
VALUES [...) 指定同时指定上下界生成一个左闭右开的区间。
通过 VALUES [...) 同时指定上下界比较容易理解。这里举例说明当使用 VALUES LESS THAN (...) 语句进行分区的增删操作时分区范围的变化情况
1如上 expamle_range_tbl 示例当建表完成后会自动生成如下 3 个分区
p201701: [MIN_VALUE, 2017-02-01)
p201702: [2017-02-01, 2017-03-01)
p201703: [2017-03-01, 2017-04-01)2增加一个分区 p201705 VALUES LESS THAN (2017-06-01)分区结果如下
p201701: [MIN_VALUE, 2017-02-01)
p201702: [2017-02-01, 2017-03-01)
p201703: [2017-03-01, 2017-04-01)
p201705: [2017-04-01, 2017-06-01)3此时删除分区 p201703则分区结果如下
p201701: [MIN_VALUE, 2017-02-01)
p201702: [2017-02-01, 2017-03-01)
p201705: [2017-04-01, 2017-06-01)注意到 p201702 和 p201705 的分区范围并没有发生变化而这两个分区之间出现了一个空洞[2017-03-01, 2017-04-01)。即如果导入的数据范围在这个空洞范围内是无法导入的。
4继续删除分区 p201702分区结果如下
p201701: [MIN_VALUE, 2017-02-01)
p201705: [2017-04-01, 2017-06-01)空洞范围变为[2017-02-01, 2017-04-01)
5现在增加一个分区 p201702new VALUES LESS THAN (2017-03-01)分区结果如下
p201701: [MIN_VALUE, 2017-02-01)
p201702new: [2017-02-01, 2017-03-01)
p201705: [2017-04-01, 2017-06-01)可以看到空洞范围缩小为[2017-03-01, 2017-04-01)
6现在删除分区 p201701并添加分区 p201612 VALUES LESS THAN (2017-01-01)分区结果如下
p201612: [MIN_VALUE, 2017-01-01)
p201702new: [2017-02-01, 2017-03-01)
p201705: [2017-04-01, 2017-06-01)即出现了一个新的空洞[2017-01-01, 2017-02-01)
List 分区
分 区 列支 持 BOOLEAN, TINYINT, SMALLINT, INT, BIGINT, LARGEINT, DATE, DATETIME, CHAR, VARCHAR 数据类型分区值为枚举值。只有当数据为目标分区枚举值
其中之一时才可以命中分区。不可添加范围重叠的分区。
Partition 支持通过 VALUES IN (...) 来指定每个分区包含的枚举值。下面通过示例说明进行分区的增删操作时分区的变化。
1如上 example_list_tbl 示例当建表完成后会自动生成如下 3 个分区
p_cn: (Beijing, Shanghai, Hong Kong)
p_usa: (New York, San Francisco)
p_jp: (Tokyo)2增加一个分区 p_uk VALUES IN (London)分区结果如下
p_cn: (Beijing, Shanghai, Hong Kong)
p_usa: (New York, San Francisco)
p_jp: (Tokyo)
p_uk: (London)3删除分区 p_jp分区结果如下
p_cn: (Beijing, Shanghai, Hong Kong)
p_usa: (New York, San Francisco)
p_uk: (London)Bucket
1如果使用了 Partition则 DISTRIBUTED ... 语句描述的是数据在各个分区内的划分规则。如果不使用 Partition则描述的是对整个表的数据的划分规则。
2分桶列可以是多列但必须为 Key 列。分桶列可以和 Partition 列相同或不同。
3分桶列的选择是在 查询吞吐 和 查询并发 之间的一种权衡 ① 如果选择多个分桶列则数据分布更均匀。如果一个查询条件不包含所有分桶列的等值条件那么该查询会触发所有分桶同时扫描这样查询的吞吐会增加单个查询的延迟随之降低。这个方式适合大吞吐低并发的查询场景。 ② 如果仅选择一个或少数分桶列则对应的点查询可以仅触发一个分桶扫描。此时当多个点查询并发时这些查询有较大的概率分别触发不同的分桶扫描各个查询之间的 IO 影响较小尤其当不同桶分布在不同磁盘上时所以这种方式适合高并发的点查询场景。
4分桶的数量理论上没有上限。
使用复合分区的场景
以下场景推荐使用复合分区
1有时间维度或类似带有有序值的维度可以以这类维度列作为分区列。分区粒度可以根据导入频次、分区数据量等进行评估。
2历史数据删除需求如有删除历史数据的需求比如仅保留最近 N 天的数据。使用复合分区可以通过删除历史分区来达到目的。也可以通过在指定分区内发送 DELETE 语句进行数据删除。
3解决数据倾斜问题每个分区可以单独指定分桶数量。如按天分区当每天的数据量差异很大时可以通过指定分区的分桶数合理划分不同分区的数据,分桶列建议选择区分度大的列。
多列分区
Doris 支持指定多列作为分区列示例如下
1Range 分区
PARTITION BY RANGE(date, id)
(PARTITION p201701_1000 VALUES LESS THAN (2017-02-01, 1000),PARTITION p201702_2000 VALUES LESS THAN (2017-03-01, 2000),PARTITION p201703_all VALUES LESS THAN (2017-04-01)
)指定 date(DATE 类型) 和 id(INT 类型) 作为分区列。以上示例最终得到的分区如下
p201701_1000: [(MIN_VALUE, MIN_VALUE), (2017-02-01, 1000) )
p201702_2000: [(2017-02-01, 1000), (2017-03-01, 2000) )
p201703_all: [(2017-03-01, 2000), (2017-04-01, MIN_VALUE))注意最后一个分区用户缺省只指定了 date 列的分区值所以 id 列的分区值会默认填充 MIN_VALUE。当用户插入数据时分区列值会按照顺序依次比较最终得到对应的分区。举例如下
数据 -- 分区
2017-01-01, 200 -- p201701_1000
2017-01-01, 2000 -- p201701_1000
2017-02-01, 100 -- p201701_1000
2017-02-01, 2000 -- p201702_2000
2017-02-15, 5000 -- p201702_2000
2017-03-01, 2000 -- p201703_all
2017-03-10, 1 -- p201703_all
2017-04-01, 1000 -- 无法导入
2017-05-01, 1000 -- 无法导入2List 分区
PARTITION BY LIST(id, city)
(PARTITION p1_city VALUES IN ((1, Beijing), (1, Shanghai)),PARTITION p2_city VALUES IN ((2, Beijing), (2, Shanghai)),PARTITION p3_city VALUES IN ((3, Beijing), (3, Shanghai))
)指定 id(INT 类型) 和 city(VARCHAR 类型) 作为分区列。最终得到的分区如下
p1_city: [(1, Beijing), (1, Shanghai)]
p2_city: [(2, Beijing), (2, Shanghai)]
p3_city: [(3, Beijing), (3, Shanghai)]当用户插入数据时分区列值会按照顺序依次比较最终得到对应的分区。举例如下
数据 --- 分区
1, Beijing --- p1_city
1, Shanghai --- p1_city
2, Shanghai --- p2_city
3, Beijing --- p3_city
1, Tianjin --- 无法导入
4, Beijing --- 无法导入接下篇----------Doris的PROPERTIES与ENGINE
