>#Doris 分区与桶（学习笔记） [TOC] OLTP和OLAP ------------ ### OLTP tn2>联机事务处理OLTP(On-Line Transaction Processing) 公司针对自己公司的业务构建出来的系统化 ○ 公司业务系统使用数据库的场景，针对业务系统数据库有大量随机的增删改查 ○ 高并发 ○ 速度要快 ○ 支持事务 ### OLAP tn2>联机分析处理OLAP(On-Line Analytical Processing) ○ 公司的数据分析使用数据库的场景，对已经生成好的数据进行统计分析 ○ 一次操作都是针对的整个数据集 ○ 只有查这个动作，不会去增删改 ○ 查询的响应速度相对慢点也能接受 ○ 并发量要求不是太高 ### OLAP和OLTP比较 | | OLTP | OLAP | | ------------ | ------------ | ------------ | |数据源|仅包含当前运行日常业务数据|整合来自多个来源的数据，包括OLTP和外部来源| |目的|面向应用,面向业务,支撑事务|面向主题，面向分析，支持分析决策| |焦点|当下| 主要面向过去，面向历史(实时数仓除外)| |任务|增删改查|主要是用于读，select查询，写操作很少| |响应时间|毫秒|秒，分钟，小时，天，这些取决于数据量和查询的复杂程度| |数据量|小数据,MB,GB| 大数据，TP,PB|  Doris的默认端口 ------------  数据表设计 ------------ ### 字段类型  ### 表的基本概念 #### Row & Column tn2>一张表包括行（Row）和列（Column）； Row 即用户的一行数据。Column 用于描述一行数据中不同的字段。 **doris中的列分为两类：key列和value列** key列在doris中有两种作用： 聚合表模型中，key是聚合和排序的依据 其他表模型中，key是排序依据 #### 分区与分桶 tn2>partition（分区）：是在逻辑上将一张表按行(横向)划分 tablet（又叫bucket，分桶）：在物理上对一个分区再按行(横向)划分  #### Partition tn2>Partition 列可以指定一列或多列，在聚合模型中，分区列必须为 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。 创建分区时不可添加范围重叠的分区。 #### Range 分区 ```sql CREATE TABLE IF NOT EXISTS test.example_range_tbl_CC -- 创建表，如果表不存在则创建 ( `user_id` LARGEINT NOT NULL COMMENT "用户id", -- 定义用户ID列，数据类型为大整数，不能为空，并添加注释说明 `date` DATE NOT NULL COMMENT "数据灌入日期时间", -- 定义日期列，数据类型为日期，不能为空，并添加注释说明 `timestamp` DATETIME NOT NULL COMMENT "数据灌入的时间戳", -- 定义时间戳列，数据类型为日期时间，不能为空，并添加注释说明 `city` VARCHAR(20) COMMENT "用户所在城市", -- 定义城市列，数据类型为可变长度字符串，最大长度为20，并添加注释说明 `age` SMALLINT COMMENT "用户年龄", -- 定义年龄列，数据类型为小整数，并添加注释说明 `sex` TINYINT COMMENT "用户性别" -- 定义性别列，数据类型为极小整数，并添加注释说明 ) ENGINE=OLAP -- 指定存储引擎为OLAP DUPLICATE KEY(`user_id`, `date`) -- 表模型，定义主键为user_id和date的组合 -- 分区的语法，以下为分区定义部分 PARTITION BY RANGE(`date`) -- 指定分区类型为范围分区，分区列是date ( PARTITION `p20170101` VALUES LESS THAN ("2017-01-02"), -- 创建分区p20170101，包含date小于2017-01-02的数据 PARTITION `p20170102` VALUES LESS THAN ("2017-01-03"), -- 创建分区p20170102，包含date小于2017-01-03的数据 PARTITION `p20170103` VALUES LESS THAN ("2017-01-04"), -- 创建分区p20170103，包含date小于2017-01-04的数据 PARTITION `p20170104` VALUES LESS THAN ("2017-01-05") -- 创建分区p20170104，包含date小于2017-01-05的数据 ) DISTRIBUTED BY HASH(`user_id`) BUCKETS 2 -- 指定数据分布方式为哈希分布，根据user_id进行哈希分片，分片数为2 PROPERTIES -- 表属性 ( "replication_num" = "1" -- 设置表的副本数量为1 ); ``` tn2>执行后我们发现我们的表创建好了。  tn2>可通过下面的sql语句查看表结构。 ```sql -- 查看表结构 desc example_range_tbl_CC; ```  tn2>这里是按照时间范围做的分区。   tn2>通过下面的命令可以查看表中分区得情况 ```sql SHOW PARTITIONS FROM `example_range_tbl_CC` ``` tn2>这是他生成得四个分区  tn2>我们也可以通过下面的命令进行添加一个分区 ```sql ALTER TABLE `example_range_tbl_CC` ADD PARTITION `p20170105` VALUES LESS THAN ("2017-01-06"); ```  tn2>当然我们也可以删除这个分区： ```sql ALTER TABLE `example_range_tbl_CC` drop PARTITION `p20170105`; ```  #### List 分区 tn2>● 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。 ● 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。 List分区创建语法: ```sql -- List Partition CREATE TABLE IF NOT EXISTS test.example_list_tbl ( `user_id` LARGEINT NOT NULL COMMENT "用户id", `date` DATE NOT NULL COMMENT "数据灌入日期时间", `timestamp` DATETIME NOT NULL COMMENT "数据灌入的时间戳", `city` VARCHAR(20) NOT NULL COMMENT "用户所在城市", `age` SMALLINT NOT NULL COMMENT "用户年龄", `sex` TINYINT NOT NULL COMMENT "用户性别", `last_visit_date` DATETIME REPLACE DEFAULT "1970-01-01 00:00:00" COMMENT "用户最后一次访问时间", `cost` BIGINT SUM DEFAULT "0" COMMENT "用户总消费", `max_dwell_time` INT MAX DEFAULT "0" COMMENT "用户最大停留时间", `min_dwell_time` INT MIN DEFAULT "99999" COMMENT "用户最小停留时间" ) -- 设置表的引擎为 OLAP（联机分析处理引擎），这是一种适合分析型业务的存储引擎 ENGINE=olap -- 指定聚合主键（AGGREGATE KEY），其中 user_id、date、timestamp、city、age 和 sex 是聚合主键字段 -- 聚合主键用于定义主键字段，其他字段可以参与聚合计算 AGGREGATE KEY(`user_id`, `date`, `timestamp`, `city`, `age`, `sex`) -- 使用 LIST 分区，按照 city 字段进行分区 -- 列表分区可以为不同的城市值创建不同的分区 PARTITION BY LIST(`city`) ( -- 创建名为 p_cn 的分区，包含 北京、上海 和 香港 城市数据 PARTITION `p_cn` VALUES IN ("Beijing", "Shanghai", "Hong Kong"), -- 创建名为 p_usa 的分区，包含 纽约 和 San Francisco 城市数据 PARTITION `p_usa` VALUES IN ("New York", "San Francisco"), -- 创建名为 p_jp 的分区，包含 Tokyo 城市数据 PARTITION `p_jp` VALUES IN ("Tokyo") ) -- 指定分桶的语法，使用 HASH 分桶策略，按 user_id 字段进行哈希分桶，并创建 1 个桶 -- 分桶用于数据分布，提高查询性能 -- 指定分桶的语法 DISTRIBUTED BY HASH(`user_id`) BUCKETS 1 PROPERTIES ( "replication_num" = "1" ); ``` tn2>`last_visit_date`这里记录用户最后一次访问时间，使用 `DATETIME` 类型，并设置为 `REPLACE` 类型以自动更新为最新值。 `cost` 用户总消费，使用 `BIGINT` 类型，并设置为 `SUM` 类型以便累加值，默认值是 `0`，并添加注释说明用户总消费的含义。 `max_dwell_time`用户最大停留时间，使用 `INT` 类型，并设置为 `MAX` 类型以便存储最大值，默认值是 0，并添加注释说明用户最大停留时间的含义。 `min_dwell_time`用户最小停留时间，使用 `INT` 类型，并设置为 `MIN` 类型以便存储最小值,默认值是 `99999`，表示初始值，并添加注释说明用户最小停留时间的含义. 如上 example_list_tbl 示例，当建表完成后，会自动生成如下3个分区： ```sql SHOW PARTITIONS FROM `example_list_tbl` ```  tn2>我们添加一下数据试试看。 ```sql INSERT INTO test.example_list_tbl VALUES ( 1001, '2024-10-10', '2024-10-10 12:00:00', 'Beijing', 25, 1, '2024-10-09 15:30:00', 500, 300, 10 ), ( 1002, '2024-10-11', '2024-10-11 13:30:00', 'Shanghai', 30, 2, '2024-10-10 10:45:00', 1200, 450, 20 ); ``` ```sql SELECT * from test.example_list_tbl ```  tn2>然后我们添加一下没有分区的重庆的数据，查看是否能添加成功。 ```sql INSERT INTO test.example_list_tbl VALUES ( 2001,'2024-10-15','2024-10-15 14:00:00','Chongqing',32,2,'2024-10-14 18:00:00',800,400,15 ); ``` tn2>发现执行时报错，报错提供了一个链接我们点开看看。   tn2>发现它找不到相关的分区，所以无法进行添加。 #### 添加分区 tn2>添加一个新分区，支持 Chongqing 城市 ```bash ALTER TABLE test.example_list_tbl ADD PARTITION `p_cq` VALUES IN ("Chongqing"); ``` tn2>添加好后我们再次进行添加重庆的数据就可以进行添加了。   tn2>我们再添加同样的北京的数据，只修改聚合字段，会发现它并没有进行新增加一行，只是简单做了一下修改以及聚合。 ```bash INSERT INTO test.example_list_tbl VALUES ( 1001, '2024-10-10', '2024-10-10 12:00:00', 'Beijing', 25, 1, '2024-10-09 15:30:00', 500, 300, 10 ); ```  #### 删除分区 tn2>下面是删除聚合的语句，当我们删除之后关于重庆的数据也同样被删除了。 ```bash ALTER TABLE test.example_list_tbl DROP PARTITION p_cq; ```  ### Bucket桶 tn2>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。 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。 ● 分桶列的选择，是在查询吞吐 和 查询并发 之间的一种权衡： ○ 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。 ○ 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。 分桶的数量理论上没有上限   #### 关于 Partition 和 Bucket的数量和数据量的建议。 tn2>1.一个表的 Tablet 总数量等于 (Partition num * Bucket num)也就是分区乘以分桶。 2.一个表的 Tablet 数量，在不考虑扩容的情况下，推荐略多于整个集群的磁盘数量。 3.单个 Tablet 的数据量理论上没有上下界，但建议在 1G - 10G 的范围内。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。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 Rollup 操作失败重试的代价（这些操作失败重试的粒度是 Tablet）。分桶应该控制桶内数据量 ，不易过大或者过小 4.当 Tablet 的数据量原则和数量原则冲突时，建议优先考虑数据量原则。 tn>数据量原则指的是：一个Tablet预计存储多少数据。 数量原则：想将tablet 设置为多少个。 tn2>5.在建表时，每个分区的 Bucket 数量统一指定。 但是在动态增加分区时（ADD PARTITION），可以单独指定新分区的 Bucket 数量。可以利用这个功能方便的应对数据缩小或膨胀。 6.一个 Partition 的 Bucket 数量一旦指定，不可更改。 所以在确定 Bucket 数量时，需要预先考虑集群扩容的情况。 比如当前只有 3 台 host，每台 host 有 1 块盘。如果 Bucket 的数量只设置为 3 或更小，那么后期即使再增加机器，也不能提高并发度。 tn>小例子： 假设在有10台BE，每台BE一块磁盘的情况下。 ==> 总共有多少个磁盘数量 按照数量原则 10 15 如果一个表总大小为 500MB，则可以考虑4-8个分片。 5GB：8-16个分片。 50GB：32个分片。 500GB：建议分区，每个分区大小在 50GB 左右，每个分区16-32个分片。 5TB：建议分区，每个分区大小在 500GB 左右，每个分区16-32个分片。 注：表的数据量可以通过 SHOW DATA命令查看，结果除以副本数，即表的数据量。 ### 复合分区与单分区的选择 #### 复合分区 tn2>● 第一级称为 Partition，即分区。用户可以指定某一维度列作为分区列（当前只支持整型和时间类型的列），并指定每个分区的取值范围。 ● 第二级称为 Distribution，即分桶。用户可以指定一个或多个维度列以及桶数对数据进行 HASH 分布。 #### 复合分区推荐场景 tn2>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。地域、时间<br/> 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。<br/> 3.改善数据倾斜问题：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。 tn>用户也可以不使用复合分区，即使用单分区。则数据只做 HASH 分布。 ### PROPERTIES tn2>在建表语句的最后，可以用 PROPERTIES 关键字来设置一些表的属性参数（参数有很多） ```bash PROPERTIES( "参数名" = "参数值" ) ``` tn2>下文挑选了3个比较重要的参数进行示例: #### 分片副本数 ● replication_num tn2>每个 Tablet 的副本数量。默认为 3，建议保持默认即可。在建表语句中，所有 Partition中的 Tablet 副本数量统一指定。而在增加新分区时，可以单独指定新分区中 Tablet 的副本数量。<br/> **副本数量可以在运行时修改。强烈建议保持奇数。 ** **最大副本数量取决于集群中独立 IP 的数量（注意不是 BE 数量）**<br/> Doris 中副本分布的原则是，不允许同一个 Tablet 的副本分布在同一台物理机上，而识别物理机即通过 IP。所以，即使在同一台物理机上部署了 3 个或更多 BE 实例，如果这些 BE 的 IP 相同，则依然只能设置副本数为 1。对于一些小，并且更新不频繁的维度表，可以考虑设置更多的副本数。这样在 Join 查询时，可以有更大的概率进行本地数据 Join。 #### 存储介质 和 热数据冷却时间 ● storage_medium ● storage_cooldown_time tn2>建表时，可以统一指定所有 Partition 初始存储的介质及热数据的冷却时间，如： ```bash "storage_medium" = "SSD" "storage_cooldown_time" = "2023-04-20 00:00:00" 要在当前时间之后，并且是一个datetime类型 ``` tn2>默认初始存储介质可通过 fe 的配置文件 fe.conf 中指定 `default_storage_medium=xxx`,如果没有指定，则默认为 HDD。如果指定为 SSD，则数据初始存放在 SSD 上。没设`storage_cooldown_time`，则默认 30 天后，数据会从 SSD自动迁移到 HDD上。如果指定了 `storage_cooldown_time`，则在到达 `storage_cooldown_time` 时间后，数据才会迁移。 tn>注意，当指定 storage_medium 时，如果 FE 参数 enable_strict_storage_medium_check 为False 该参数只是一个“尽力而为”的设置。即使集群内没有设置 SSD 存储介质，也不会报错，而是自动存储在可用的数据目录中。 同样，如果 SSD 介质不可访问、空间不足，都可能导致数据初始直接存储在其他可用介质上。而数据到期迁移到 HDD 时，如果 HDD 介质不 可 访 问 、 空 间 不 足 ， 也 可 能 迁 移 失 败 （ 但 是 会 不 断 尝 试 ） 。 如 果 FE 参 数enable_strict_storage_medium_check 为 True 则当集群内没有设置 SSD 存储介质时，会报错Failed to find enough host in all backends with storage medium is SSD。