tnblog
首页
视频
资源
登录

Doris 三种模型(学习笔记)

279人阅读 2025/3/3 23:10 总访问:3431169 评论:0 收藏:0 手机
分类: 大数据

Doris 三种模型(学习笔记)

Aggregate聚合键模型


是相同key的数据进行自动聚合的表模型。表中的列按照是否设置了 AggregationType,分为 Key(维度列)和 Value(指标列),没有设置 AggregationType 的称为 Key,设置了 AggregationType 的称为 Value。当我们导入数据时,对于 Key 列相同的行会聚合成一行,而 Value 列会按照设置的AggregationType 进行聚合。
AggregationType 目前有以下四种聚合方式:

聚合方式 描述
SUM 求和,多行的 Value 进行累加。
REPLACE 替代,下一批数据中的 Value 会替换之前导入过的行中的 Value。
REPLACE_IF_NOT_NULL 当遇到 null 值则不更新。
MAX 保留最大值。
MIN 保留最小值。


有如下场景:需要创建一个表,来记录公司每个用户的每一次消费行为信息,有如下字段:


而且,公司对这份数据,特别关心一个报表。
每一个用户最后一次访问我们页面的时间,用户消费的总金额,用户停留在我们页面上的最大最小时长。


每次要看这个报表,都需要在“明细表”上运行一个统计sql。
假如没有使用聚合模型,需要编写sql语句

  1. Select
  2. user_id,data,city,age,gender,
  3. max(visit_data) as last_visit_data,
  4. sum(cost) as cost,
  5. max(dwell_time) as max_dwell_time,
  6. min(dwell_time) as min_dwell_time
  7. From t
  8. Group by user_id,data,city,age,gender -- 对应的是聚合模型型key


聚合模型


sql示例:

  1. -- 这是一个用户消费和行为记录的数据表
  2. CREATE TABLE IF NOT EXISTS test.ex_user
  3. (
  4. `user_id` LARGEINT NOT NULL COMMENT "用户 id",
  5. `date` DATE NOT NULL COMMENT "数据灌入日期时间",
  6. `city` VARCHAR(20) COMMENT "用户所在城市",
  7. `age` SMALLINT COMMENT "用户年龄",
  8. `sex` TINYINT COMMENT "用户性别",
  9. `last_visit_date` DATETIME REPLACE DEFAULT "1970-01-01 00:00:00" COMMENT "用户最后一次访问时间",
  10. `cost` BIGINT SUM DEFAULT "0" COMMENT "用户总消费",
  11. `max_dwell_time` INT MAX DEFAULT "0" COMMENT "用户最大停留时间",
  12. `min_dwell_time` INT MIN DEFAULT "99999" COMMENT "用户最小停留时间"
  13. )
  14. ENGINE=olap
  15. AGGREGATE KEY(`user_id`, `date`, `city`, `age`, `sex`)
  16. -- 分区
  17. -- 分桶
  18. DISTRIBUTED BY HASH(`user_id`) BUCKETS 1
  19. PROPERTIES
  20. (
  21. "replication_num" = "1"
  22. );


向表中插入7条数据

  1. insert into test.ex_user values
  2. (10000,'2017-10-01','北京',20,0,'2017-10-01 06:00:00',20,10,10),
  3. (10000,'2017-10-01','北京',20,0,'2017-10-01 07:00:00',15,2,2),
  4. (10001,'2017-10-01','北京',30,1,'2017-10-01 17:05:45',2,22,22),
  5. (10002,'2017-10-02','上海',20,1,'2017-10-02 12:59:12',200,5,5),
  6. (10003,'2017-10-02','广州',32,0,'2017-10-02 11:20:00',30,11,11),
  7. (10004,'2017-10-01','深圳',35,0,'2017-10-01 10:00:15',100,3,3),
  8. (10004,'2017-10-03','深圳',35,0,'2017-10-03 10:20:22',11,6,6);


添加后我们发现,第一条记录与第二条由于user_iddatecityagesex字段一样记录合并成一条了,但是聚合数据有变化。last_visit_date将以最后一条数据覆盖为准,然后cost该进行了求和操作,max_dwell_time取最大值与以及min_dwell_time取最小值。
所以实际插入的数据只有6条。


再添加一条试试:

  1. insert into test.ex_user values
  2. (10000,'2017-10-01','北京',20,0,'2017-10-01 08:00:00',10,5,5);


数据的聚合,在 Doris 中有如下三个阶段发生:
1.每一批次数据导入的 ETL 阶段。该阶段会在每一批次导入的数据内部进行聚合。
2.底层 BE 进行数据 Compaction 的阶段。BE 会对已导入的不同批次的数据进行进一步的聚合。
3.数据查询阶段。在数据查询时,对于查询涉及到的数据,会进行对应的聚合。

UNIQUE 模型


相同key 的数据进行 自动去重 的表模型。在某些多维分析场景下,用户更关注的是如何保证 Key 的唯一性,即如何获得 Primary Key 唯一性约束。因此,引入了 Uniq 的数据模型。该模型本质上是聚合模型的一个特例,也是一种简化的表结构表示方式。
建表示例:

  1. CREATE TABLE IF NOT EXISTS test.user
  2. (
  3. -- key
  4. `user_id` LARGEINT NOT NULL COMMENT "用户 id",
  5. `username` VARCHAR(50) NOT NULL COMMENT "用户昵称",
  6. -- value
  7. `city` VARCHAR(20) COMMENT "用户所在城市",
  8. `age` SMALLINT COMMENT "用户年龄",
  9. `sex` TINYINT COMMENT "用户性别",
  10. `phone` LARGEINT COMMENT "用户电话",
  11. `address` VARCHAR(500) COMMENT "用户地址",
  12. `register_time` DATETIME COMMENT "用户注册时间"
  13. )
  14. UNIQUE KEY(`user_id`, `username`)
  15. DISTRIBUTED BY HASH(`user_id`) BUCKETS 1
  16. PROPERTIES
  17. (
  18. "replication_num" = "1"
  19. );


插入语句

  1. insert into test.user values
  2. (10000,'zss','北京',18,0,12345678910,'北京朝阳区 ','2017-10-01 07:00:00'),
  3. (10000,'zss','北京',19,0,12345678910,'北京顺义区 ','2018-10-01 07:00:00'),
  4. (10000,'lss','北京',20,0,12345678910,'北京海淀区','2017-11-15 06:10:20');


查询结果后发现,相同的user_idusername数据就会被替换掉


Uniq 模型完全可以用聚合模型中的 REPLACE 方式替代。其内部的实现方式和数据存储方式也完全一样。

Duplicate(复制的意思) 模型


就是存明细数据的表模型,既不做聚合也不做去重。
在某些多维分析场景下,数据既没有主键,也没有聚合需求。
Duplicate 数据模型可以满足这类需求。
数据完全按照导入文件中的数据进行存储,不会有任何聚合。
即使两行数据完全相同,也都会保留。
而在建表语句中指定的 DUPLICATE KEY,只是用来指明底层数据按照那些列进行排序。
建表语句:

  1. CREATE TABLE IF NOT EXISTS test.log_detail
  2. (
  3. `timestamp` DATETIME NOT NULL COMMENT "日志时间",
  4. `type` INT NOT NULL COMMENT "日志类型",
  5. `error_code` INT COMMENT "错误码",
  6. `error_msg` VARCHAR(1024) COMMENT "错误详细信息",
  7. `op_id` BIGINT COMMENT "负责人 id",
  8. `op_time` DATETIME COMMENT "处理时间"
  9. )
  10. DUPLICATE KEY(`timestamp`, `type`)
  11. DISTRIBUTED BY HASH(`timestamp`) BUCKETS 1
  12. PROPERTIES
  13. (
  14. "replication_num" = "1"
  15. );


插入部分数据

  1. insert into test.log_detail values
  2. ('2017-10-01 08:00:05',1,404,'not found page', 101, '2017-10-01 08:00:05'),
  3. ('2017-10-01 08:00:05',1,404,'not found page', 101, '2017-10-01 08:00:05'),
  4. ('2017-10-01 08:00:05',2,404,'not found page', 101, '2017-10-01 08:00:06'),
  5. ('2017-10-01 08:00:06',2,404,'not found page', 101, '2017-10-01 08:00:07');


查询结果后发现,插入的数据全部会被保留,即使两条数据一模一样,也会保留,正常可以操作用户行为日志数据这种

数据模型的选择


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
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。
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 ROLLUP 等预聚合带来的查询优势(因为本质是 REPLACE,没有 SUM 这种聚合方式)。
Duplicate 适合任意维度的查询。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)


欢迎加群讨论技术,1群:677373950(满了,可以加,但通过不了),2群:656732739

评价

Windows Docker Doris 容器部署

Windows Docker Doris 容器部署[TOC] 引言Doris 是一款高性能、分布式、可扩展的分析型数据库,适用于海量数据的存储和分...

Doris 分区与桶学习笔记

Doris 分区与桶(学习笔记)[TOC] OLTP和OLAPOLTP联机事务处理OLTP(On-Line Transaction Processing) 公司针对自己公司的...

Doris 数据的导入导出学习笔记

Doris 数据的导入导出(学习笔记)[TOC] 使用 Insert 方式同步数据用户可以通过 MySQL 协议,使用 INSERT 语句进行数据导...

Doris 突然内存升高解决方案

Doris 突然内存升高解决方案[TOC] 发现频繁refresh catalog xxx 会强制使对象相关的Cache失效,默认开启的采样也比较耗...

Doris 查询

Doris 查询[TOC] Doris的查询语法SELECT [ALL | DISTINCT | DISTINCTROW ] -- 对查询字段的结果是否需要去重...

C ?、?? 问号和2个问号的用法类型?、对象?

C# ?C# ???:单问号1.定义数据类型可为空。可用于对int,double,bool等无法直接赋值为null的数据类型进行null的赋值如这...

Python实例 1-日志抓取处理 补错附日志小技巧

有时候数据出了问题,可以从日志中恢复数据(如果你没记日志..没备份..→_→..)一、日志展示介绍个平常自己用的小方法,如...

C 数组拆分泛型

主要用到了泛型。泛型是c#2.0的一个新增加的特性,它为使用c#语言编写面向对象程序增加了极大的效力和灵活性。不会强行对值...

MySQL 视图的增删改 查

要显示视图的定义,需要在SHOWCREATEVIEW子句之后指定视图的名称, 我们先来创建几张表,完事后在进行演示:--用户信息表...

使用NPOI导出excel包括图片

Excl模板导出相信我们都会,那么模板上要导出图片呢?嗯~还是来个例子:准备工作:首先要引用NPOI包:然后获取数据集(我这...

ajaxSubmit异步上传图片嘘,外面都是假的

引用代码<scriptsrc="/Scripts/jquery.form.js"></script>js就在旁边img链接中,只不过大小为0x0,...

.NET MVC 使用百度编辑器详细教程:1配置编辑器

一、什么是百度编辑器百度编辑器UEditor是由百度web前端研发部开发一款应用于网站的编辑器,具有轻量,可定制,注重用户体...

使用jquery操作元素的css样式获取、修改等等

使用jquery操作元素的css样式(获取、修改等等) //1、获取和设置样式 $("#tow").attr("class")...

.net辗转java系列视野

.net辗转java系列(一)视野.net系java系其它语言C#Java框架.net Framework Standardjava se.net corejava eejave meJava S...

.NET MVC json对象或者json对象数组的序列化和反序列化

1、用JSON.stringify()将对象stuarr或者json数组stuarr序列化成字符串,然后提交给后台。$.post("/home/DoUpdate&quot...
这一世以无限游戏为使命!
排名
2
文章
633
粉丝
44
评论
93
docker中Sware集群与service
尘叶心繁 : 想学呀!我教你呀
一个bug让程序员走上法庭 索赔金额达400亿日元
叼着奶瓶逛酒吧 : 所以说做程序员也要懂点法律知识
.net core 塑形资源
剑轩 : 收藏收藏
映射AutoMapper
剑轩 : 好是好,这个对效率影响大不大哇,效率高不高
ASP.NET Core 服务注册生命周期
剑轩 : http://www.tnblog.net/aojiancc2/article/details/167
ICP备案 :渝ICP备18016597号-1
网站信息:2018-2025TNBLOG.NET
技术交流:群号656732739
联系我们:contact@tnblog.net
公网安备:50010702506256
欢迎加群交流技术