Doris系列9-表结构变更

文章目录

  • 一. 表结构变更概述
  • 二. 原理介绍
  • 三. 作业
    • 3.1 创建作业
    • 3.2 查看作业
    • 3.3 取消作业
  • 四. 最佳实践
  • 五. 注意事项
  • 六. 常见问题
    • 6.1 Schema Change 的执行速度
    • 6.2 提交作业报错 Table xxx is not stable. ...
  • 七. 相关配置
  • 八. 表结构变更实例
    • 8.1 新增列
    • 8.2 修改列的顺序
  • 参考:

一. 表结构变更概述

用户可以通过 Schema Change 操作来修改已存在表的 Schema。目前 Doris 支持以下几种修改:

  1. 增加、删除列
  2. 修改列类型
  3. 调整列顺序
  4. 增加、修改 Bloom Filter
  5. 增加、删除 bitmap index

名词解释:

  1. Base Table:基表。每一个表被创建时,都对应一个基表。
  2. Rollup:基于基表或者其他 Rollup 创建出来的上卷表。
  3. Index:物化索引。Rollup 或 Base Table 都被称为物化索引。
  4. Transaction:事务。每一个导入任务都是一个事务,每个事务有一个唯一递增的
    Transaction ID。

二. 原理介绍

执行 Schema Change 的基本过程,是通过原 Index 的数据,生成一份新 Schema 的 Index 的数据。其中主要需要进行两部分数据转换,一是已存在的历史数据的转换,二是在 Schema Change 执行过程中,新到达的导入数据的转换。

+----------+
| Load Job |
+----+-----+
     |
     | Load job generates both origin and new index data
     |
     |      +------------------+ +---------------+
     |      | Origin Index     | | Origin Index  |
     +------> New Incoming Data| | History Data  |
     |      +------------------+ +------+--------+
     |                                  |
     |                                  | Convert history data
     |                                  |
     |      +------------------+ +------v--------+
     |      | New Index        | | New Index     |
     +------> New Incoming Data| | History Data  |
            +------------------+ +---------------+

在开始转换历史数据之前,Doris 会获取一个最新的 Transaction ID。并等待这个 Transaction ID 之前的所有导入事务完成。这个 Transaction ID 成为分水岭。意思是,Doris 保证在分水岭之后的所有导入任务,都会同时为原 Index 和新 Index 生成数据。这样当历史数据转换完成后,可以保证新的 Index 中的数据是完整的。

三. 作业

3.1 创建作业

创建 Schema Change 的具体语法可以查看帮助 HELP ALTER TABLE 中 Schema Change 部分的说明。

Schema Change 的创建是一个异步过程,作业提交成功后,用户需要通过 SHOW ALTER TABLE COLUMN 命令来查看作业进度。

3.2 查看作业

SHOW ALTER TABLE COLUMN 可以查看当前正在执行或已经完成的 Schema Change 作业。当一次 Schema Change 作业涉及到多个 Index 时,该命令会显示多行,每行对应一个 Index。举例如下:

        JobId: 20021
    TableName: tbl1
   CreateTime: 2019-08-05 23:03:13
   FinishTime: 2019-08-05 23:03:42
    IndexName: tbl1
      IndexId: 20022
OriginIndexId: 20017
SchemaVersion: 2:792557838
TransactionId: 10023
        State: FINISHED
          Msg:
     Progress: N/A
      Timeout: 86400
  1. JobId:每个 Schema Change 作业的唯一 ID。

  2. TableName:Schema Change 对应的基表的表名。

  3. CreateTime:作业创建时间。

  4. FinishedTime:作业结束时间。如未结束,则显示 “N/A”。

  5. IndexName: 本次修改所涉及的某一个 Index 的名称。

  6. IndexId:新的 Index 的唯一 ID。

  7. OriginIndexId:旧的 Index 的唯一 ID。

  8. SchemaVersion:以 M:N 的格式展示。其中 M 表示本次 Schema Change 变更的版本,N 表示对应的 Hash 值。每次 Schema Change,版本都会递增。

  9. TransactionId:转换历史数据的分水岭 transaction ID。

  10. State:作业所在阶段。
    1)PENDING:作业在队列中等待被调度。
    2)WAITING_TXN:等待分水岭 transaction ID 之前的导入任务完成。
    3)RUNNING:历史数据转换中。
    4)FINISHED:作业成功。
    5)CANCELLED:作业失败。

  11. Msg:如果作业失败,这里会显示失败信息。

  12. Progress:作业进度。只有在 RUNNING 状态才会显示进度。进度是以 M/N 的形式显示。其中 N 为 Schema Change 涉及的总副本数。M 为已完成历史数据转换的副本数。

  13. Timeout:作业超时时间。单位秒。

3.3 取消作业

在作业状态不为 FINISHED 或 CANCELLED 的情况下,可以通过以下命令取消 Schema Change 作业:

CANCEL ALTER TABLE COLUMN FROM tbl_name;

四. 最佳实践

Schema Change 可以在一个作业中,对多个 Index 进行不同的修改。举例如下:

源 Schema:

+-----------+-------+------+------+------+---------+-------+
| IndexName | Field | Type | Null | Key  | Default | Extra |
+-----------+-------+------+------+------+---------+-------+
| tbl1      | k1    | INT  | No   | true | N/A     |       |
|           | k2    | INT  | No   | true | N/A     |       |
|           | k3    | INT  | No   | true | N/A     |       |
|           |       |      |      |      |         |       |
| rollup2   | k2    | INT  | No   | true | N/A     |       |
|           |       |      |      |      |         |       |
| rollup1   | k1    | INT  | No   | true | N/A     |       |
|           | k2    | INT  | No   | true | N/A     |       |
+-----------+-------+------+------+------+---------+-------+

可以通过以下命令给 rollup1 和 rollup2 都加入一列 k4,并且再给 rollup2 加入一列 k5:

ALTER TABLE tbl1
ADD COLUMN k4 INT default "1" to rollup1,
ADD COLUMN k4 INT default "1" to rollup2,
ADD COLUMN k5 INT default "1" to rollup2;

完成后,Schema 变为:

+-----------+-------+------+------+------+---------+-------+
| IndexName | Field | Type | Null | Key  | Default | Extra |
+-----------+-------+------+------+------+---------+-------+
| tbl1      | k1    | INT  | No   | true | N/A     |       |
|           | k2    | INT  | No   | true | N/A     |       |
|           | k3    | INT  | No   | true | N/A     |       |
|           | k4    | INT  | No   | true | 1       |       |
|           | k5    | INT  | No   | true | 1       |       |
|           |       |      |      |      |         |       |
| rollup2   | k2    | INT  | No   | true | N/A     |       |
|           | k4    | INT  | No   | true | 1       |       |
|           | k5    | INT  | No   | true | 1       |       |
|           |       |      |      |      |         |       |
| rollup1   | k1    | INT  | No   | true | N/A     |       |
|           | k2    | INT  | No   | true | N/A     |       |
|           | k4    | INT  | No   | true | 1       |       |
+-----------+-------+------+------+------+---------+-------+

可以看到,Base 表 tbl1 也自动加入了 k4, k5 列。即给任意 rollup 增加的列,都会自动加入到 Base 表中。

同时,不允许向 Rollup 中加入 Base 表已经存在的列。如果用户需要这样做,可以重新建立一个包含新增列的 Rollup,之后再删除原 Rollup。

五. 注意事项

  1. 一张表在同一时间只能有一个 Schema Change 作业在运行。

  2. Schema Change 操作不阻塞导入和查询操作。

  3. 分区列和分桶列不能修改。

  4. 如果 Schema 中有 REPLACE 方式聚合的 value 列,则不允许删除 Key 列。
    如果删除 Key 列,Doris 无法决定 REPLACE 列的取值。
    Unique 数据模型表的所有非 Key 列都是 REPLACE 聚合方式。

  5. 在新增聚合类型为 SUM 或者 REPLACE 的 value 列时,该列的默认值对历史数据没有含义。
    因为历史数据已经失去明细信息,所以默认值的取值并不能实际反映聚合后的取值。

  6. 当修改列类型时,除 Type 以外的字段都需要按原列上的信息补全。
    如修改列 k1 INT SUM NULL DEFAULT “1” 类型为 BIGINT,则需执行命令如下:

ALTER TABLE tbl1 MODIFY COLUMN `k1` BIGINT SUM NULL DEFAULT "1";

注意,除新的列类型外,如聚合方式,Nullable 属性,以及默认值都要按照原信息补全。

  1. 不支持修改列名称、聚合类型、Nullable 属性、默认值以及列注释。

六. 常见问题

6.1 Schema Change 的执行速度

目前 Schema Change 执行速度按照最差效率估计约为 10MB/s。保守起见,用户可以根据这个速率来设置作业的超时时间。

6.2 提交作业报错 Table xxx is not stable. …

Schema Change 只有在表数据完整且非均衡状态下才可以开始。如果表的某些数据分片副本不完整,或者某些副本正在进行均衡操作,则提交会被拒绝。

数据分片副本是否完整,可以通过以下命令查看:

ADMIN SHOW REPLICA STATUS FROM tbl WHERE STATUS != "OK";

如果有返回结果,则说明有副本有问题。通常系统会自动修复这些问题,用户也可以通过以下命令优先修复这个表:

ADMIN REPAIR TABLE tbl1;

用户可以通过以下命令查看是否有正在运行的均衡任务:

SHOW PROC "/cluster_balance/pending_tablets";

可以等待均衡任务完成,或者通过以下命令临时禁止均衡操作:

ADMIN SET FRONTEND CONFIG ("disable_balance" = "true");

七. 相关配置

FE配置:

alter_table_timeout_second:作业默认超时时间,86400 秒。

BE配置:

alter_tablet_worker_count:在 BE 端用于执行历史数据转换的线程数。默认为 3。如果希望加快 Schema Change 作业的速度,可以适当调大这个参数后重启 BE。但过多的转换线程可能会导致 IO 压力增加,影响其他操作。该线程和 Rollup 作业共用。

八. 表结构变更实例

8.1 新增列

语法:

向指定 index 的指定位置添加一列
    语法:
        ADD COLUMN column_name column_type [KEY | agg_type] [DEFAULT "default_value"]
        [AFTER column_name|FIRST]
        [TO rollup_index_name]
        [PROPERTIES ("key"="value", ...)]
    注意:
        1) 聚合模型如果增加 value 列,需要指定 agg_type
        2) 非聚合模型(如 DUPLICATE KEY)如果增加key列,需要指定KEY关键字
        3) 不能在 rollup index 中增加 base index 中已经存在的列
            如有需要,可以重新创建一个 rollup index

实例:

mysql> select count(*) from ods_fact_sale_doris;
+-----------+
| count(*)  |
+-----------+
| 767830000 |
+-----------+
1 row in set (11.86 sec)
mysql> alter table ods_fact_sale_doris add column cnt largeint sum default "0";
Query OK, 0 rows affected (0.02 sec)
mysql> SHOW ALTER TABLE COLUMN;
+-------+---------------------+---------------------+---------------------+---------------------+---------+---------------+---------------+---------------+----------+------+----------+---------+
| JobId | TableName           | CreateTime          | FinishTime          | IndexName           | IndexId | OriginIndexId | SchemaVersion | TransactionId | State    | Msg  | Progress | Timeout |
+-------+---------------------+---------------------+---------------------+---------------------+---------+---------------+---------------+---------------+----------+------+----------+---------+
| 13977 | ods_fact_sale_doris | 2021-12-14 09:26:26 | 2021-12-14 09:26:27 | ods_fact_sale_doris | 13978   | 13891         | 1:1492711822  | 2114          | FINISHED |      | NULL     | 86400   |
+-------+---------------------+---------------------+---------------------+---------------------+---------+---------------+---------------+---------------+----------+------+----------+---------+
1 row in set (0.00 sec)

mysql> 
mysql> select * from ods_fact_sale_doris limit 10;
+------+-----------------------+-----------+-----------+------+
| id   | sale_date             | prod_name | sale_nums | cnt  |
+------+-----------------------+-----------+-----------+------+
|   30 | 2010-11-26 00:00:00.0 | PROD7     |        63 | 0    |
|   46 | 2011-12-28 00:00:00.0 | PROD9     |        70 | 0    |
|  112 | 2012-07-26 00:00:00.0 | PROD10    |        57 | 0    |
|  114 | 2011-12-07 00:00:00.0 | PROD2     |        51 | 0    |
|  120 | 2011-11-11 00:00:00.0 | PROD7     |        60 | 0    |
|  123 | 2010-06-14 00:00:00.0 | PROD2     |        36 | 0    |
|  128 | 2010-10-04 00:00:00.0 | PROD9     |        47 | 0    |
|  139 | 2010-05-01 00:00:00.0 | PROD2     |        94 | 0    |
|  147 | 2012-09-27 00:00:00.0 | PROD4     |        68 | 0    |
|  148 | 2011-12-10 00:00:00.0 | PROD4     |        88 | 0    |
+------+-----------------------+-----------+-----------+------+
10 rows in set (0.10 sec)

从结果可以看出,1秒钟就给一个7亿的大表增加了字段,速度真的给力

8.2 修改列的顺序

语法:

修改指定 index 的列类型以及列位置
    语法:
        MODIFY COLUMN column_name column_type [KEY | agg_type] [NULL | NOT NULL] [DEFAULT "default_value"]
        [AFTER column_name|FIRST]
        [FROM rollup_index_name]
        [PROPERTIES ("key"="value", ...)]
    注意:
        1) 聚合模型如果修改 value 列,需要指定 agg_type
        2) 非聚合类型如果修改key列,需要指定KEY关键字
        3) 只能修改列的类型,列的其他属性维持原样(即其他属性需在语句中按照原属性显式的写出,参见 example 84) 分区列和分桶列不能做任何修改
        5) 目前支持以下类型的转换(精度损失由用户保证)
            TINYINT/SMALLINT/INT/BIGINT/LARGEINT/FLOAT/DOUBLE 类型向范围更大的数字类型转换
            TINTINT/SMALLINT/INT/BIGINT/LARGEINT/FLOAT/DOUBLE/DECIMAL 转换成 VARCHAR
            VARCHAR 支持修改最大长度
            VARCHAR/CHAR 转换成 TINTINT/SMALLINT/INT/BIGINT/LARGEINT/FLOAT/DOUBLE
            VARCHAR/CHAR 转换成 DATE (目前支持"%Y-%m-%d", "%y-%m-%d", "%Y%m%d", "%y%m%d", "%Y/%m/%d, "%y/%m/%d"六种格式化格式)
            DATETIME 转换成 DATE(仅保留年--日信息, 例如: `2019-12-09 21:47:05` <--> `2019-12-09`)
            DATE 转换成 DATETIME(时分秒自动补零, 例如: `2019-12-09` <--> `2019-12-09 00:00:00`)
            FLOAT 转换成 DOUBLE
            INT 转换成 DATE (如果INT类型数据不合法则转换失败,原始数据不变)
        6) 不支持从NULL转为NOT NULL

实例:

mysql> desc ods_fact_sale_doris;
+-----------+--------------+------+-------+---------+-------+
| Field     | Type         | Null | Key   | Default | Extra |
+-----------+--------------+------+-------+---------+-------+
| id        | BIGINT       | Yes  | true  | 0       |       |
| sale_date | VARCHAR(100) | Yes  | true  | NULL    |       |
| prod_name | VARCHAR(32)  | Yes  | true  | NULL    |       |
| sale_nums | BIGINT       | Yes  | false | NULL    | SUM   |
| cnt       | LARGEINT     | Yes  | false | 0       | SUM   |
+-----------+--------------+------+-------+---------+-------+
5 rows in set (0.00 sec)

mysql> alter table ods_fact_sale_doris MODIFY COLUMN  prod_name varchar(32) KEY  AFTER id ;
Query OK, 0 rows affected (0.01 sec)

mysql> show alter table column;
+-------+---------------------+---------------------+---------------------+---------------------+---------+---------------+---------------+---------------+----------+------+----------+---------+
| JobId | TableName           | CreateTime          | FinishTime          | IndexName           | IndexId | OriginIndexId | SchemaVersion | TransactionId | State    | Msg  | Progress | Timeout |
+-------+---------------------+---------------------+---------------------+---------------------+---------+---------------+---------------+---------------+----------+------+----------+---------+
| 13977 | ods_fact_sale_doris | 2021-12-14 09:26:26 | 2021-12-14 09:26:27 | ods_fact_sale_doris | 13978   | 13891         | 1:1492711822  | 2114          | FINISHED |      | NULL     | 86400   |
| 14019 | ods_fact_sale_doris | 2021-12-14 09:57:22 | 2021-12-14 10:15:58 | ods_fact_sale_doris | 14020   | 13978         | 2:2147194682  | 2115          | FINISHED |      | NULL     | 86400   |
+-------+---------------------+---------------------+---------------------+---------------------+---------+---------------+---------------+---------------+----------+------+----------+---------+
2 rows in set (0.01 sec)

修改表的顺序,7亿条数据,持续大概19分钟

参考:

  1. https://doris.apache.org/master/zh-CN/administrator-guide/alter-table/alter-table-schema-change.html#%E5%90%8D%E8%AF%8D%E8%A7%A3%E9%87%8A

你可能感兴趣的:(大数据和数据仓库,#,Doris,Doris,Doris表结构变更,Doris,DDL)