【大数据 - Doris 实践】数据表的基本使用（一）：基本概念、创建表

1.创建用户和数据库

mysql -h hadoop1 -P 9030 -u root -p

• -u：指定用户名
• -p：指定密码
• -h：主机
• -P：端口

（1）创建 test 用户

create user 'test' identified by 'test';

（2）创建数据库

create database test_db;

（3）用户授权

grant all on test_db to test;

2.Doris 中数据表的基本概念

在 Doris 中，数据都以 关系表（Table）的形式进行逻辑上的描述。

2.1 Row & Column

一张表包含 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。

在默认的数据模型中，Column 只分为 排序列 和 非排序列。存储引擎会按照排序列对数据进行排序存储，并建立稀疏索引，以便在排序数据上进行快速查找。

而在聚合模型中，Column 可以分为两大类：Key 和 Value。从业务角度看，Key 和 Value 可以分别对应 维度列 和 指标列。从聚合模型的角度来说，Key 列相同的行，会聚合成一行。其中 Value 列的聚合方式由用户在建表时指定。

2.2 Partition & Tablet

在 Doris 的存储引擎中，用户数据首先被划分成若干个 分区（Partition），划分的规则通常是按照用户指定的分区列进行范围划分，比如按时间划分。而在每个分区内，数据被进一步的按照 Hash 的方式 分桶，分桶的规则是要找用户指定的分桶列的值进行 Hash 后分桶。每个分桶就是一个 数据分片（Tablet），也是数据划分的最小逻辑单元。

• Tablet之间的数据是没有交集的，独立存储的。Tablet 也是数据移动、复制等操作的最小物理存储单元。
• Partition 可以视为是逻辑上最小的管理单元。数据的导入与删除，都可以或仅能针对一个 Partition 进行。

3.建表实操

3.1 建表语法

使用 CREATE TABLE 命令建立一个表（Table）。更多详细参数可以查看：

help create table;

建表语法：

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] [database.]table_name
(column_definition1[, column_definition2, ...]
[, index_definition1[, index_definition2, ...]])
[ENGINE = [olap|mysql|broker|hive|iceberg]]
[key_desc]
[COMMENT "table comment"]
[partition_desc]
[distribution_desc]
[rollup_index]
[PROPERTIES ("key"="value", ...)]
[BROKER PROPERTIES ("key"="value", ...)];

Doris 建表是一个同步命令，命令返回成功，即表示建表成功。

Doris 支持支持单分区和复合分区两种建表方式。

• 复合分区：既有分区也有分桶。
  • 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。
• 单分区：只做 HASH 分布，即只分桶。

3.2 字段类型

字段类型名	类型字节	长度
TINYINT	1 字节	范围：$-2^7+1$ ~ $2^7-1$
SMALLINT	2 字节	范围：$-2^{15}+1$ ~ $2^{15}-1$
INT	4 字节	范围：$-2^{31}+1$ ~ $2^{31}-1$
BIGINT	8 字节	范围：$-2^{63}+1$ ~ $2^{63}-1$
LARGEINT	16 字节	范围：$-2^{127}+1$ ~ $2^{127}-1$
FLOAT	4 字节	支持科学计数法
DOUBLE	12 字节	支持科学计数法
DECIMAL[(precision, scale)]	16 字节	保证精度的小数类型。默认是 DECIMAL(10, 0)，precision：1 ~ 27，scale：0 ~ 9，其中整数部分为 1 ~ 18，不支持科学计数法
DATE	3 字节	范围：0000-01-01 ~ 9999-12-31
DATETIME	8 字节	范围：0000-01-01 00:00:00 ~ 9999-12-31 23:59:59
CHAR[(length)]		定长字符串。长度范围：1 ~ 255。默认为 1
VARCHAR[(length)]		变长字符串。长度范围：1 ~ 65533
BOOLEAN		与 TINYINT 一样，$0$ 代表 false，$1$ 代表 true
HLL	1~16385 个字节	hll 列类型，不需要指定长度和默认值、长度根据数据的聚合程度系统内控制，并且 hll 列只能通过配套的 hll_union_agg、hll_cardinality、hll_hash 进行查询或使用
BITMAP		bitmap 列类型，不需要指定长度和默认值。表示整型的集合，元素最大支持到 $2^{64}-1$
STRING		变长字符串，$0.15$ 版本支持，最大支持 2147483643 字节（2GB - 4），长度还受 be 配置 string_type_soft_limit，实际能存储的最大长度取两者最小值。只能用在 Value 列，不能用在 Key 列和分区、分桶列

注意：聚合模型在定义字段类型后，可以指定字段的聚合类型 agg_type，如果不指定，则该列为 Key 列。否则，该列为 Value 列，类型包括：SUM、MAX、MIN、REPLACE。

3.3 创建表

3.3.1 Range Partition

CREATE TABLE IF NOT EXISTS example_db.expamle_range_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) 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`,`timestamp`,`city`,`age`,`sex`)
partition by range(`date`)
(
	PARTITION `p201701` VALUES LESS THAN ("2017-02-01"),
	PARTITION `p201702` VALUES LESS THAN ("2017-03-01"),
	PARTITION `p201703` VALUES LESS THAN ("2017-04-01")
)
DISTRIBUTED BY HASH(`user_id`) BUCKETS 16 
PROPERTIES
(
	"replication_num" = "3",
	"storage_medium" = "SSD",
	"storage_cooldown_time" = "2018-01-01 12:00:00"
);

3.3.2 List Partition

CREATE TABLE IF NOT EXISTS example_db.expamle_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) 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`, `timestamp`, `city`, `age`, `sex`)
PARTITION BY LIST(`city`)
(
	PARTITION `p_cn` VALUES IN ("Beijing", "Shanghai", "Hong Kong"),
	PARTITION `p_usa` VALUES IN ("New York", "San Francisco"),
	PARTITION `p_jp` VALUES IN ("Tokyo")
)
DISTRIBUTED BY HASH(`user_id`) BUCKETS 16
PROPERTIES
(
	"replication_num" = "3",
	"storage_medium" = "SSD",
	"storage_cooldown_time" = "2018-01-01 12:00:00"
);