聊聊分布式 SQL 数据库Doris(八)
稀疏索引密集索引：文件中的每个搜索码值都对应一个索引值，就是叶子节点保存了整行.
稀疏索引：文件只为索引码的某些值建立索引项.
稀疏索引的创建过程包括将集合中的元素分段，并给每个分段中的最小元素创建索引。在搜索时，先定位到第一个大于搜索值的索引的前一个索引，然后从该索引所在的分段中从前向后顺序遍历，直到找到该搜索值的元素或第一个大于该搜索值的元素。
Doris中的前缀索引、Bloom Filter属于稀疏索引.
以mysql为例，主键索引是稠密索引; 非主键索引(非聚簇索引)是稀疏索引. 如下是mysql的B+树索引结构图.
主键索引, 注意叶子节点的主键值时有序的.
https://img2020.cnblogs.com/blog/1546632/202008/1546632-20200830201413134-394816073.png
非主键索引
https://img2020.cnblogs.com/blog/1546632/202009/1546632-20200919225813936-1490118290.png
联合索引
https://img2020.cnblogs.com/blog/1546632/202009/1546632-20200920111026527-1672463564.png
稀疏索引占用空间少，但是在查询的精确率上还是相对于稠密索引还是比较慢的，因为不需要顺序查找，还有回表。
稠密索引那就是相对来说比较快，因为他可以精确定位数据，但是占用的空间比较大。
参考:
密集索引和稀疏索引
一文读懂MySQL的索引结构及查询优化
delete
delete: 本质上是存储了一个删除条件，在查询时会对每一行记录应用这个删除条件做过滤，因此当有大量删除条件时，查询效率就会降低。
批量删除: 仅适用于 UNIQUE KEY 模型，解决了delete大批量数据的性能问题; Doris内部会增加一个隐藏列__DORIS_DELETE_SIGN__. 该列的类型为bool，聚合函数为replace. 在导入与读取时，增加隐藏列的判断，筛选过滤掉不必要的数据.
参考:
数据删除
批量删除
更新
Doris中存储的数据都是以追加（Append）的方式进入系统，这意味着所有已写入的数据是不可变更(immutable)的。所以Doris采用标记的方式来实现数据更新的目的; 利用查询引擎自身的 where 过滤逻辑，从待更新表中筛选出需要被更新(被标记)的行。再利用 Unique 模型自带的 Value 列新数据替换旧数据的逻辑，将待更新的行变更后，再重新插入到表中，从而实现行级别更新。
适用场景
[*]对满足某些条件的行，修改其取值；
[*]点更新，小范围更新，待更新的行最好是整个表的非常小的一部分；因为大批量数据下整行更新，会导致性能较低。
[*]update 命令只能在 Unique 数据模型的表中执行；因为只有该模型可以保证主键的唯一性，从而支持按主键对数据进行更新。
假设 Doris 中存在一张订单表，其中 订单id 是 Key 列，订单状态，订单金额是 Value 列。数据状态如下：
订单订单金额订单状态1100待付款这时候，用户点击付款后，Doris 系统需要将订单id 为 '1' 的订单状态变更为 '待发货'，就需要用到 Update 功能。
UPDATE test_order SET order_status = '待发货' WHERE order_id = 1;更新结果如下:
订单订单金额订单状态1100待发货用户执行 UPDATE 命令后，系统会进行如下三步：
[*]第一步：读取满足 WHERE 订单id=1 的行 （1，100，'待付款'）
[*]第二步：变更该行的订单状态，从'待付款'改为'待发货' （1，100，'待发货'）
[*]第三步：将更新后的行再插入原表中，从而达到更新的效果。
订单订单金额订单状态1100待付款1100待发货由于表 test_order 是 UNIQUE 模型，所以相同 Key 的行，之后后者才会生效，所以最终效果如下：
订单订单金额订单状态1100待发货部分列更新
Doris默认的更新是行更新. 列更新可以很大程度上提高写入与并发性能.
Unique Key模型的Merge-on-Write结合MVCC支持部分列更新.
Aggregate Key模型将聚合函数设置为REPLACE_IF_NOT_NULL支持部分列更新.
更新原理
Unique Key模型的列更新实现：用户通过正常的导入方式将一部分列的数据写入Doris的Memtable，此时Memtable中并没有整行数据，在Memtable下刷的时候，会查找历史数据，用历史数据补齐一整行，并写入数据文件中，同时将历史数据文件中相同key的数据行标记删除。
Aggregate Key模型，则是直接利用聚合函数筛选过滤。
使用建议：
[*]对写入性能要求较高，查询性能要求较低的用户，建议使用Aggregate Key模型
[*]对查询性能要求较高，对写入性能要求不高（例如数据的写入和更新基本都在凌晨低峰期完成），或者写入频率不高的用户，建议使用Unique Key模型merge-on-write实现
参考:
数据更新
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
页:
[1]