doris：模型注意事项

建表时列类型发起​

• Key 列必须在所有 Value 列之前。
  
• 尽量选择整型类型。因为整型类型的计算和查找服从远高于字符串。
  
• 对于不同长度的整型类型的选择原则，遵循够用即可。
  
• 对于 VARCHAR 和 STRING 类型的长度，遵循够用即可。
  

聚合模型的局限性​

这里针对 Aggregate 模型，来介绍下聚合模型的局限性。
在聚合模型中，模型对外显现的，是最终聚合后的数据。也就是说，任何还未聚合的数据（好比说两个不同导入批次的数据），必须通过某种方式，以包管对外展示的一致性。举例阐明。
假设表结构如下：
ColumnNameTypeAggregationTypeCommentuser_idLARGEINT用户 iddateDATE数据灌入日期costBIGINTSUM用户总消耗 假设存储引擎中有如下两个已经导入完成的批次的数据：
batch 1
user_iddatecost100012017/11/2050100022017/11/2139 batch 2
user_iddatecost100012017/11/201100012017/11/215100032017/11/2222 可以看到，用户 10001 分属在两个导入批次中的数据还没有聚合。但是为了包管用户只能查询到如下最终聚合后的数据：
user_iddatecost100012017/11/2051100012017/11/215100022017/11/2139100032017/11/2222 我们在查询引擎中加入了聚合算子，来包管数据对外的一致性。
别的，在聚合列（Value）上，执行与聚合类型不一致的聚合类查询时，要注意语意。好比在如上示例中执行如下查询：

1. SELECT MIN(cost) FROM table;

复制代码

得到的效果是 5，而不是 1。
同时，这种一致性包管，在某些查询中，会极大地低落查询服从。
以最根本的 count(*) 查询为例：

1. SELECT COUNT(*) FROM table;

复制代码

在其他数据库中，这类查询都会很快地返回效果。因为在实现上，我们可以通过如“导入时对行举行计数，保存 count 的统计信息”，大概在查询时“仅扫描某一列数据，获得 count 值”的方式，只需很小的开销，即可获得查询效果。但是在 Doris 的聚合模型中，这种查询的开销非常大。
以刚才的数据为例：
batch 1
user_iddatecost100012017/11/2050100022017/11/2139 batch 2
user_iddatecost100012017/11/201100012017/11/215100032017/11/2222 因为最终的聚合效果为：
user_iddatecost100012017/11/2051100012017/11/215100022017/11/2139100032017/11/2222 所以，select count(*) from table; 的正确效果应该为 4。但如果只扫描 user_id 这一列，如果加上查询时聚合，最终得到的效果是 3（10001, 10002, 10003）。而如果不加查询时聚合，则得到的效果是 5（两批次一共 5 行数据）。可见这两个效果都是不对的。
为了得到正确的效果，必须同时读取 user_id 和 date 这两列的数据，再加上查询时聚合，才能返回 4 这个正确的效果。也就是说，在 count(*) 查询中，Doris 必须扫描所有的 AGGREGATE KEY 列（这里就是user_id date），并且聚合后，才能得到语意正确的效果。 当聚合列非常多时，count(*) 查询必要扫描大量的数据。
因此，当业务上有频仍的 count(*) 查询时，发起用户通过增长一个值恒为 1 的，聚合类型为 SUM 的列来模拟 count(*)。如刚才的例子中的表结构，我们修改如下：
ColumnNameTypeAggregateTypeCommentuser_idBIGINT用户 iddateDATE数据灌入日期costBIGINTSUM用户总消耗countBIGINTSUM用于计算 count 增长一个 count 列，并且导入数据中，该列值恒为 1。则 select count(*) from table; 的效果等价于 select sum(count) from table;。而后者的查询服从将远高于前者。不过这种方式也有使用限制，就是用户必要自行包管，不会重复导入 AGGREGATE KEY 列都雷同地行。否则，select sum(count) from table; 只能表述原始导入的行数，而不是 select count(*) from table; 的语义。
另一种方式，就是将如上的 count 列的聚合类型改为 REPLACE，且依然值恒为 1。那么 select sum(count) from table; 和 select count(*) from table; 的效果将是一致的。并且这种方式，没有导入重复行的限制。
Unique 模型的写时归并实现​

Unique 模型的写时归并实现没有聚合模型的局限性，照旧以刚才的数据为例，写时归并为每次导入的 rowset 增长了对应的 delete bitmap，来标记哪些数据被覆盖。第一批数据导入后状态如下
batch 1
user_iddatecostdelete bit100012017/11/2050FALSE100022017/11/2139FALSE 当第二批数据导入完成后，第一批数据中重复的行就会被标记为已删除，此时两批数据状态如下
batch 1
user_iddatecostdelete bit100012017/11/2050TRUE100022017/11/2139FALSE batch 2
user_iddatecostdelete bit100012017/11/201FALSE100012017/11/215FALSE100032017/11/2222FALSE 在查询时，所有在 delete bitmap 中被标记删除的数据都不会读出来，因此也无需举行做任何数据聚合，上述数据中有效地行数为 4 行，查询出的效果也应该是 4 行，也就可以采取开销最小的方式来获取效果，即前面提到的“仅扫描某一列数据，获得 count 值”的方式。
在测试情况中，count(*) 查询在 Unique 模型的写时归并实现上的性能，相比聚合模型有 10 倍以上的提升。
Duplicate 模型​

Duplicate 模型没有聚合模型的这个局限性。因为该模型不涉及聚合语意，在做 count(*) 查询时，恣意选择一列查询，即可得到语意正确的效果。
Key 列的不同意义​

Duplicate、Aggregate、Unique 模型，都会在建表指定 Key 列，然而实际上是有所区别的：对于 Duplicate 模型，表的 Key 列，可以以为只是 "排序列"，并非起到唯一标识的作用。而 Aggregate、Unique 模型这种聚合类型的表，Key 列是兼顾 "排序列" 和 "唯一标识列"，是真正意义上的 "Key 列"。
模型选择发起​

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。

• Aggregate 模型可以通过预聚合，极大地低落聚合查询时所需扫描的数据量和查询的计算量，非常恰当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，在举行其他类型的聚合查询时，必要考虑语意正确性。
  
• Unique 模型针对必要唯一主键约束的场景，可以包管主键唯一性约束。但是无法利用 ROLLUP 等预聚合带来的查询上风。对于聚合查询有较高性能需求的用户，保举使用自 1.2 版本加入的写时归并实现。
  
• Duplicate 恰当恣意维度的 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上风（只读取相关列，而不必要读取所有 Key 列）。
  
• 如果有部门列更新的需求，请查阅文档主键模型部门列更新 与 聚合模型部份列更新 获取相关使用发起。
  

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！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。