Doris-----Aggregate 聚合模型及案例实现
Aggregate 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：
-
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
| 用户id | 数据插入日期 | 城市 | 年龄 | 性别 | 访问时间 | 每次消费金额 | 用户的停留时长 |
| 10000 | 2017/10/1 | 北京 | 20 | 0 | 2017/10/01 06:00:00 | 20 | 10 |
| 10000 | 2017/10/1 | 北京 | 20 | 0 | 2017/10/01 07:00:00 | 15 | 2 |
| 10000 | 2017/10/1 | 北京 | 20 | 0 | 2017/10/01 08:00:00 | 30 | 15 |
| 10001 | 2017/10/1 | 北京 | 30 | 1 | 2017/10/01 17:05:45 | 2 | 22 |
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
| 用户id | 数据插入日期 | 城市 | 年龄 | 性别 | 最后一次访问的时间 | 该用户的总消费额 | 该用户的最大停留时长 | 该用户的最小停留时长 |
| 10000 | 2017/10/1 | 北京 | 20 | 0 | 2017/10/01 08:00:00 | 65 | 15 | 2 |
| 10001 | 2017/10/1 | 北京 | 30 | 1 | 2017/10/01 17:05:45 | 2 | 22 | 22 |
每次要看这个报表，都需要在“明细表”上运行一个统计sql
Select
user_id,data,city,age,gender,
max(visit_data) as last_visit_data,
sum(cost) as cost,
max(dwell_time) as max_dwell_time,
min(dwell_time) as min_dwell_time
From t
Group by user_id,data,city,age,gender -- 对应的是聚合模型型key聚合模型
| 用户id | 数据插入日期 | 城市 | 年龄 | 性别 | 最后一次访问的时间 | 该用户的总消费额 | 该用户的最大停留时长 | 该用户的最小停留时长 |
| 10000 | 2017/10/1 | 北京 | 20 | 0 | 2017/10/01 08:00:00 | 65 | 15 | 2 |
| 10001 | 2017/10/1 | 北京 | 30 | 1 | 2017/10/01 17:05:45 | 2 | 22 | 22 |
sql示例：
-- 这是一个用户消费和行为记录的数据表
CREATE TABLE IF NOT EXISTS test.ex_user
(
`user_id` LARGEINT NOT NULL COMMENT "用户 id",
`date` DATE NOT NULL COMMENT "数据灌入日期时间",
`city` VARCHAR(20) COMMENT "用户所在城市",
`age` SMALLINT COMMENT "用户年龄",
`sex` TINYINT 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"
)
ENGINE=olap
AGGREGATE KEY(`user_id`, `date`, `city`, `age`, `sex`)
-- 分区
-- 分桶
DISTRIBUTED BY HASH(`user_id`) BUCKETS 1;向表中插入部分数据
insert into test.ex_user values\
(10000,'2017-10-01','北京',20,0,'2017-10-01 06:00:00',20,10,10),\
(10000,'2017-10-01','北京',20,0,'2017-10-01 07:00:00',15,2,2),\
(10001,'2017-10-01','北京',30,1,'2017-10-01 17:05:45',2,22,22),\
(10002,'2017-10-02','上海',20,1,'2017-10-02 12:59:12',200,5,5),\
(10003,'2017-10-02','广州',32,0,'2017-10-02 11:20:00',30,11,11),\
(10004,'2017-10-01','深圳',35,0,'2017-10-01 10:00:15',100,3,3),\
(10004,'2017-10-03','深圳',35,0,'2017-10-03 10:20:22',11,6,6);查看数据的时候发现，数据只剩下6条了，就是因为再key相同的时候，将后面的结果聚合了
案例实现
例题
-- 数据
订单id,userId，商品id，购买件数，支付的金额，订单日期
1,u01,p01,2,20,2022-12-01
1,u01,p02,1,10,2022-12-01
1,u01,p01,1,10,2022-12-01
2,u02,p03,2,40,2022-12-01
需求：
创建一个doris的聚合模型的表，插入上述明细数据后，自动聚合出如下结果：
订单日期，订单id，userId，商品id，购买得总件数，支付总额
key是什么？
value是什么？
要求：
按天分区（每天一个分区）
每个分区要划分成2个桶
表的数据需要保存2个副本
表的数据初始存储介质指定为SSD
设置冷却时间为2023年6月5日18点
-- 建表语句
create table order_1
(
`date` date COMMENT "日期时间",
`oid` bigint COMMENT "订单id",
`userid` varchar(255) COMMENT "用户id",
`spid` varchar(255) COMMENT "商品id",
`total` int sum COMMENT "商品总数",
`pay` int sum COMMENT "支付总金额"
)
ENGINE=olap
AGGREGATE KEY(`date`,`oid`,`userid`,`spid`)
partition by range(`date`)
(
partition `p20221201` values less than ("2022-12-02"),
partition `p20221202` values less than ("2022-12-03"),
partition `p20221203` values less than ("2022-12-04")
)
DISTRIBUTED BY HASH(`userid`) BUCKETS 2
properties(
"replication_num"="2",
"storage_medium" = "SSD"
);
-- 插入数据
insert into order_1 values
('2022-12-01',1,'u01','p01',2,20),
('2022-12-01',1,'u01','p02',1,10),
('2022-12-01',1,'u01','p01',1,10),
('2022-12-01',2,'u02','p03',2,40);