整合StarRocks主键表全部知识点

总结StarRocks主键表的全部内容的集合（V3.2版本）

一、基本功能

  • 主键非空约束，任何一个字段都不可以为空
  • 支持导入数据时删除数据操作(CDC)
  • 支持部分更新
  • 支持独立的排序键（只有主键表支持独立排序键，而且可以不为key键）
  • Delete+Insert策略只需要读取具有相同主键值的数据中的最新数据，并且支持谓词和索引下推
  • 可以把全部主键索引加载到内存（用于加速查询/delete/update标记要删除的数据）

创建主键表ddl

CREATE TABLE pri_orders (order_id bigint NOT NULL,create_time datetime NOT NULL,merchant_id int NOT NULL,user_id int NOT NULL,good_name string NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, create_time, merchant_id)
PARTITION BY date_trunc('day', create_time)
DISTRIBUTED BY HASH (merchant_id)
ORDER BY (create_time, merchant_id)
PROPERTIES ("enable_persistent_index" = "true"
);INSERT INTO test.pri_orders
VALUES(1001, "2024-07-01 12:00:00", 2001, 3001, "tv", 5, 500, 1),(1002, "2024-07-01 13:00:00", 2001, 3002, "tv", 9, 900, 1),(1003, "2024-07-02 11:00:00", 2002, 3001, "tv", 8, 800, 1),(1004, "2024-07-03 10:00:00", 2004, 3003, "tv", 7, 700, 1),(1005, "2024-07-04 17:00:00", 2006, 3001, "tv", 6, 600, 1);

注意事项

  • 主键列必须定义在其他列之前
  • 主键必须包括分区列和分桶列
  • 主键表分桶必须使用DISTRIBUTED BY HASH，而且不能省略（也就是必须使用hash分桶）
  • 主键列支持数值（包括整型和布尔）、日期和字符串
  • 可以单独定义排序列，排序列可以修改，不支持删除，不支持修改数据类型
  • 定义排序列则前缀索引按照排序列建立，否则按照主键列建立前缀索引

重要参数
enable_persistent_index：默认值true，把主键索引持久化到磁盘，false表示把全部主键索引加载到内存。

二、分区（分区键必须为key键）

starrocks支持分区+分桶的数据分布，分区可以是单个分区，也可以是多个分区，分区是左闭右开的范围。
分区的方式：

  • 表达式分区：自动创建分区，适用于时间范围或者枚举值分区，数据导入自动创建分区（很强大）
  • Range分区：对于简单有序的数据分区（连续1天，连续6天，1-3等），动态、批量或者手动创建
  • List分区：适用于枚举值分区（比如按照国家，城市分区），手动创建

List分区不支持动态和批量创建
异步物化视图暂不支持基于使用List分区的基表创建
Range分区只支持时间类型/整数类型的字段
List分区支持字符串/时间/整数/布尔值类型字段

各个分区的创建的标识

  • range分区：PARTITION BY RANGE(dt) （支持日期/整型）
  • list分区：PARTITION BY LIST (city) （支持多种类型）
  • 时间表达式分区：PARTITION BY date_trunc/time_slice(‘day’, create_time) （支持时间）(特殊的Range分区功能）
  • 列表达式分区：PARTITION BY (dt, merchant_id) （支持多种类型）（特殊的List分区功能）
2.1 手动创建Range分区（仅支持分区键的数据类型为日期和整数类型）
-- 日期
CREATE TABLE pri_orders (order_id bigint NOT NULL,dt date NOT NULL,merchant_name int NOT NULL,user_id int NOT NULL,good_id int NOT NULL,good_name string NOT NULL,price int NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, dt, merchant_name)
PARTITION BY RANGE(dt)(PARTITION p1 VALUES LESS THAN ("2020-01-31"),PARTITION p2 VALUES LESS THAN ("2020-02-29"),PARTITION p3 VALUES LESS THAN ("2020-03-31")
)
DISTRIBUTED BY HASH (merchant_name)
ORDER BY (dt,merchant_name)
PROPERTIES ("enable_persistent_index" = "true"
);--整数
CREATE TABLE pri_orders (order_id bigint NOT NULL,dt date NOT NULL,merchant_id int NOT NULL,user_id int NOT NULL,good_id int NOT NULL,good_name string NOT NULL,price int NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, dt, merchant_id)
PARTITION BY RANGE(merchant_id)(PARTITION p1 VALUES LESS THAN ("10"),PARTITION p2 VALUES LESS THAN ("20"),PARTITION p3 VALUES LESS THAN ("30")
)
DISTRIBUTED BY HASH (merchant_id)
ORDER BY (dt,merchant_id)
PROPERTIES ("enable_persistent_index" = "true"
);--联合分区
CREATE TABLE pri_orders (order_id bigint NOT NULL,dt date NOT NULL,merchant_id int NOT NULL,user_id int NOT NULL,good_id int NOT NULL,good_name string NOT NULL,price int NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, dt, merchant_id)
PARTITION BY RANGE(dt, order_id)(PARTITION p1 VALUES LESS THAN ("2020-01-31", "1"),PARTITION p2 VALUES LESS THAN ("2020-02-29", "2"),PARTITION p3 VALUES LESS THAN ("2020-03-31", "3")
)
DISTRIBUTED BY HASH (merchant_id)
ORDER BY (dt,merchant_id)
PROPERTIES ("enable_persistent_index" = "true"
);
2.2 批量创建Range分区（仅支持分区键的数据类型为日期和整数类型）

方法：START、END 指定批量分区的开始和结束，EVERY子句指定分区增量值，时间指定单位HOUR（3.0V）、DAY、WEEK、MONTH、YEAR

--日期
CREATE TABLE pri_orders (order_id bigint NOT NULL,dt date NOT NULL,merchant_name String NOT NULL,user_id int NOT NULL,good_id int NOT NULL,good_name string NOT NULL,price int NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, dt, merchant_name)
PARTITION BY RANGE(dt)(START ("2021-01-01") END ("2021-01-04") EVERY (INTERVAL 1 DAY)
)
DISTRIBUTED BY HASH (merchant_name)
ORDER BY (dt,merchant_name)
PROPERTIES ("enable_persistent_index" = "true"
);--整数
CREATE TABLE pri_orders (order_id bigint NOT NULL,dt date NOT NULL,merchant_id int NOT NULL,user_id int NOT NULL,good_id int NOT NULL,good_name string NOT NULL,price int NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, dt, merchant_id)
PARTITION BY RANGE(merchant_id)(START ("1") END ("5") EVERY (1)
)
DISTRIBUTED BY HASH (merchant_id)
ORDER BY (dt,merchant_id)
PROPERTIES ("enable_persistent_index" = "true"
);
2.3 动态创建Range分区（仅支持分区键的数据类型为日期类型）

动态分区通过PROPERTIES进行配置

表达式分区与动态分区创建分区的区别：表达式分区会根据导入数据自动创建分区，而动态分区是根据动态分区属性，定期提前创建一些分区，如果导入数据不属于任何存在的分区，则会报错。
动态分区：⾃动提前创建新的分区，删除过期分区（可以设置TTL）

--日期
CREATE TABLE pri_orders (order_id bigint NOT NULL,dt date NOT NULL,merchant_id int NOT NULL,user_id int NOT NULL,good_id int NOT NULL,good_name string NOT NULL,price int NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, dt, merchant_id)
PARTITION BY RANGE(dt)(PARTITION p20200321 VALUES LESS THAN ("2020-03-22"),PARTITION p20200322 VALUES LESS THAN ("2020-03-23")
)
DISTRIBUTED BY HASH (merchant_id)
ORDER BY (dt,merchant_id)
PROPERTIES ("enable_persistent_index" = "true","dynamic_partition.enable" = "true","dynamic_partition.time_unit" = "DAY","dynamic_partition.start" = "-3","dynamic_partition.end" = "3","dynamic_partition.prefix" = "p","dynamic_partition.history_partition_num" = "0"
);

表示依照当天时间为基准，删除3天前的分区，同时创建3天后的分区
dynamic_partition_check_interval_seconds：FE 配置项，动态分区检查的时间周期，默认为 600, 周期检查是否删除分区与创建分区
其他配置项见官网（动态分区）
动态分区只能创建时间类型的分区

2.4 手动创建List分区（V3.1支持）

分区键支持字符串/时间/整数/布尔值类型字段
分区键不可以为null

--列的多个值放在一个分区
CREATE TABLE pri_orders (id bigint,city varchar(20) not null,user_id bigint,recharge_money decimal(32,2), dt varchar(20) not null
)
PRIMARY KEY (id, city)
PARTITION BY LIST (city) (PARTITION pCalifornia VALUES IN ("Los Angeles","San Francisco","San Diego"),PARTITION pTexas VALUES IN ("Houston","Dallas","Austin")
)
DISTRIBUTED BY HASH(`id`);--联合分区（列多个值放在一个分区）
CREATE TABLE pri_orders (order_id bigint NOT NULL,dt date NOT NULL,city varchar(20) not null,merchant_id int NOT NULL,user_id int NOT NULL,good_id int NOT NULL,good_name string NOT NULL,price int NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, dt, city)
PARTITION BY LIST (dt,city) (PARTITION p202204_California VALUES IN (("2022-04-01", "Los Angeles"),("2022-04-01", "San Francisco"),("2022-04-02", "Los Angeles"),("2022-04-02", "San Francisco")),PARTITION p202204_Texas VALUES IN (("2022-04-01", "Houston"),("2022-04-01", "Dallas"),("2022-04-02", "Houston"),("2022-04-02", "Dallas"))
)
DISTRIBUTED BY HASH (city)
ORDER BY (dt,city)
PROPERTIES ("enable_persistent_index" = "true"
);
2.5 表达式分区
  • 根据表达式的值可以自动创建对应分区，不需要提前创建分区
  • 基本适用于多数场景（覆盖大部分range分区与list分区功能，但是部分场景可能需要独立使用Range或者List分区）
  • 自动创建分区数量上限默认为 4096
2.5.1 时间函数表达式分区
  • 分区列只能有一个，而且数据类型必须是时间类型
  • 分区粒度：hour、day、month 或 year
  • 仅支持date_trunc和time_slice函数，应用到分区列上
  • 分区列值可以为null
-- 天级别分区
CREATE TABLE pri_orders (order_id bigint NOT NULL,create_time datetime NOT NULL,merchant_id int NOT NULL,user_id int NOT NULL,good_name string NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, create_time, merchant_id)
PARTITION BY date_trunc('day', create_time)
DISTRIBUTED BY HASH (merchant_id)
ORDER BY (create_time, merchant_id)
PROPERTIES ("enable_persistent_index" = "true"
);--时间分片，7天内的放在一个分区
CREATE TABLE pri_orders (order_id bigint NOT NULL,create_time datetime NOT NULL,merchant_id int NOT NULL,user_id int NOT NULL,good_name string NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, create_time, merchant_id)
PARTITION BY time_slice(create_time, INTERVAL 7 day)
DISTRIBUTED BY HASH (merchant_id)
ORDER BY (user_id, merchant_id)
PROPERTIES ("enable_persistent_index" = "true"
);
2.5.2 列表达式分区（V3.1）
  • 分区列可以多个，数据类型包括字符串、日期、整数和布尔值
  • 分区值不支持null
  • 每个列值都会创建一个分区
CREATE TABLE pri_orders (order_id bigint NOT NULL,dt date NOT NULL,merchant_id int NOT NULL,user_id int NOT NULL,good_id int NOT NULL,good_name string NOT NULL,price int NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, dt, merchant_id)
PARTITION BY (dt, merchant_id)
DISTRIBUTED BY HASH (merchant_id)
ORDER BY (dt,merchant_id)
PROPERTIES ("enable_persistent_index" = "true"
);
2.6 建表后创建分区
--Range分区批量日期
ALTER TABLE pri_orders ADD PARTITIONS START ("2021-01-10") END ("2021-01-20") EVERY (INTERVAL 1 DAY);--Range分区批量整数
ALTER TABLE pri_orders ADD PARTITIONS START ("100") END ("200") EVERY (50);--List分区不支持批量创建，只能手动单个分区
ALTER TABLE pri_orders ADD PARTITION p202205_California VALUES IN (("2022-05-03", "Los Angeles"),("2022-05-03", "San Francisco"),("2022-05-04", "Los Angeles"),("2022-05-05", "San Francisco")
);--Range分区创建单个日期分区
ALTER TABLE pri_orders 
ADD PARTITION p20200130 VALUES LESS THAN ("2021-01-22")--Range分区创建单个整数分区
ALTER TABLE pri_orders ADD PARTITION p300 VALUES LESS THAN ('300');
2.7 管理分区
2.7.1 删除分区(默认会保留一天，误删可以使用恢复分区恢复）
测试发现LIST分区无法删除
Range分区可以删除
ALTER TABLE pri_orders DROP PARTITION p1;
2.7.2 恢复分区
RECOVER PARTITION p1 FROM pri_orders;
2.7.3 查看分区
SHOW PARTITIONS FROM pri_orders;
三、分桶
3.1 哈希分桶
  • 分区内部的数据按照分桶键存放数据
  • 支持多个分桶键，主键表分桶键必须为key键
  • 分桶键值尽量多基数，避免数据倾斜
  • 分桶键支持的数据类型：整型、字符串、日期时间
  • 建表后可以修改分桶键（V3.2）
CREATE TABLE pri_orders (order_id bigint NOT NULL,dt date NOT NULL,merchant_name String NOT NULL,user_id int NOT NULL,good_id int NOT NULL,good_name string NOT NULL,price int NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, dt, merchant_name)
PARTITION BY RANGE(dt)(START ("2021-01-01") END ("2021-01-04") EVERY (INTERVAL 1 DAY)
)
DISTRIBUTED BY HASH (dt, merchant_name)
ORDER BY (dt,merchant_name)
PROPERTIES ("enable_persistent_index" = "true"
);
3.2.1 哈希分桶数
  • 每个分桶的数据规模最好不要超过10G
  • 单个分区数据超过100G，建议手动设置分区，其他建议系统自动分桶数
--显示指定分桶数
--一个分区的原始数据量为 300 GB，则按照每 10 GB 原始数据一个 Tablet，则分区中分桶数量可以设置为 30
CREATE TABLE pri_orders (order_id bigint NOT NULL,dt date NOT NULL,merchant_name String NOT NULL,user_id int NOT NULL,good_id int NOT NULL,good_name string NOT NULL,price int NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, dt, merchant_name)
PARTITION BY RANGE(dt)(START ("2021-01-01") END ("2021-01-04") EVERY (INTERVAL 1 DAY)
)
DISTRIBUTED BY HASH (dt, merchant_name) BUCKETS 30
ORDER BY (dt,merchant_name)
PROPERTIES ("enable_persistent_index" = "true"
);

建表后设置分桶数

-- 手动指定所有分区中分桶数量
ALTER TABLE pri_orders DISTRIBUTED BY HASH(dt, merchant_name) BUCKETS 20;-- 手动指定部分分区中分桶数量
ALTER TABLE pri_orders partitions p20210102 DISTRIBUTED BY HASH(dt,merchant_name) BUCKETS 30;

查看分桶数

SHOW PARTITIONS from pri_orders

三、索引

starrocks内部自动创建的索引（内部索引）：前缀索引、Ordinal索引、ZoneMap 索引
需要用户手动创建的索引：Bitmap 索引和 Bloom filter 索引

3.1 Ordinal索引（列级索引）

starrocks采用列式存储，每一列数据以Date Page（64*1024 个字节，64KB）为单位分块存储，每个Date Page的起始行号作为Ordinal索引项。所以其他所有的索引都要通过Ordinal索引找到数据的物理地址。
在这里插入图片描述

3.2 ZoneMap索引

ZoneMap索引存储了每块数据统计信息，统计信息包括 Min 最大值、Max 最小值、HasNull 空值、HasNotNull 不全为空的信息。
在查询时，StarRocks 可以根据这些统计信息，快速判断这些数据块是否可以过滤掉，从而减少扫描数据量，提升查询速度。
ZoneMap索引有两种：一种是存每个 Segment 的统计信息，另一种是存每个 Data Page 的统计信息

3.3 前缀索引

主键的如果定义排序键（order by），则前缀索引使用排序键建立前缀索引，否则使用PRIMARY KEY建立索引
前缀索引每1024行数据创建一个索引项，所以前缀索引一般都可以全部加载到内存，加速查询速度。
一个表只能有一个前缀索引
主键表可以在建表后修改排序键
注意事项：

  • 排序列不宜过多，一般为3个，建议不超过4个
  • 前缀索引项的最大长度为36字节，超过部分会被截断
  • 前缀字段中CHAR、VARCHAR、STRING类型的列只能出现一次，并且处在末尾位置，而且超过部分会被截断
3.4 Bitmap索引

原理：bitmap即为一个bit数组，一个bit的取值有两种：0或1。每一个bit对应数据表中的一行，并根据该行的取值情况来决定bit的取值是0还是1。
适用场景：

  • 于较高基数列的查询
  • 多个低基数列的组合查询
  • 等值条件过滤

劣势：

  • 查询时加载Bitmap索引的开销
  • 写入数据可能会影响损耗性能

查询有Bitmap索引的自适应选择机制
原因：由于查询bitmap可能有性能损耗，所以建立bitmap索引是否使用，由starrocks自动控制（也可以强制使用）
原则：查询条件涉及的列值数量/基数 是否小于 1/1000

SELECT * FROM employees WHERE gender = 'male'
由于 gender 基数 只用两个，查询只查询其中一个， 1/2 > 1/1000 所以不使用对应的bitmap索引SELECT * FROM employees WHERE gender = 'male' AND city IN ('北京', '上海');
假设city列的基数为10000，查询条件涉及其中2个值，结合gender，则(1*2)/(2*10000) < 1/1000 所以使用对应的bitmap索引
3.4.1 创建bitmap索引
  • 主键表所有的列都可以创建bitmap索引
  • 每个索引只能一个列
  • 常见的数据类型都支持
CREATE TABLE pri_orders (order_id bigint NOT NULL,create_time datetime NOT NULL,merchant_id int NOT NULL,user_id int NOT NULL,good_name string NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL,INDEX i_merchant_id (merchant_id) USING BITMAP,INDEX i_good_name (good_name) USING BITMAP
)
PRIMARY KEY (order_id, create_time, merchant_id)
PARTITION BY date_trunc('day', create_time)
DISTRIBUTED BY HASH (merchant_id)
ORDER BY (create_time, merchant_id)
PROPERTIES ("enable_persistent_index" = "true"
);
3.4.2 管理bitmap索引
--创建索引
CREATE INDEX i_user_id ON pri_orders (user_id) USING BITMAP;--查看创建进度
SHOW ALTER TABLE COLUMN FROM db;--查看索引
SHOW INDEX FROM pri_orders;--删除索引
DROP INDEX i_user_id ON pri_orders;
3.5 Bloom filter索引

原理：快速判断表的数据文件中是否可能包含要查询的数据，如果不包含就跳过。

3.5.1 创建Bloom filter索引
  • 主键表所有的列都可以创建Bloom filter索引
  • 每个索引只能一个列，可以同时创建多个索引，用,分隔
  • 常见的数据类型都支持
CREATE TABLE pri_orders (order_id bigint NOT NULL,create_time datetime NOT NULL,merchant_id int NOT NULL,user_id int NOT NULL,good_name string NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, create_time, merchant_id)
PARTITION BY date_trunc('day', create_time)
DISTRIBUTED BY HASH (merchant_id)
ORDER BY (create_time, merchant_id)
PROPERTIES ("enable_persistent_index" = "true","bloom_filter_columns" = "merchant_id,good_name"
);
3.5.2 管理Bloom filter索引
--创建索引
ALTER TABLE pri_orders SET ("bloom_filter_columns" = "merchant_id,good_name,user_id");--查看索引
SHOW CREATE TABLE pri_orders;--删除索引
ALTER TABLE pri_orders SET ("bloom_filter_columns" = "");

四、同步物化视图

主键表不支持同步物化视图

五、异步物化视图

异步物化视图优势：

  • 支持外部表，多表关联查询
  • 支持部分分区刷新，定时刷新与手动刷新 （异步机制）
  • 支持查询改写：直接查询基表，可以自动从对应物化视图获取数据
  • 支持直接查询异步物化视图
  • 异步物化视图可以与其基表设置不同的分区和分桶策略，并且可以为分区指定TTL
  • 异步物化视图支持分区上卷
  • 支持单批次最大刷新分区数与只刷新最近N个分区

异步物化视图局限性：

  • 基表发生变化，物化视图可能还没有发生变化
  • 只能对有分区的基表创建异步物化视图
  • 不支持List分区的基表创建物化视图，同时不能创建List分区的异步物化视图
5.1 创建异步物化视图
CREATE MATERIALIZED VIEW merchant_mv
PARTITION BY create_date
DISTRIBUTED BY HASH(merchant_id)
REFRESH IMMEDIATE ASYNC START('2024-07-01 00:00:00') EVERY (interval 1 minute)
PROPERTIES("partition_ttl_number" = "5","auto_refresh_partitions_limit" = "2","partition_refresh_number" = "2"
)
AS 
SELECTdate_trunc('day', create_time) as create_date,merchant_id,sum(revenue) as total_revenue,count(*) as cnt
FROM pri_orders 
GROUP BY create_date, merchant_id;

基表的查询尽量不要使用order by 可能导致查询改写失败

5.2 设置分区

由于starrocks的range分区与表达式分区，基本都是针对时间类型的字段，而且基本都是单字段分区，所以异步物化视图的分区基本只能是时间类型的字段单分区。

  • 物化视图分区键必须是基表的分区键

  • 物化视图的分区字段可以是基表的String类型的时间格式字段，创建分区的时候转换成时间类型即可（str2date）

PARTITION BY str2date(datekey, '%Y-%m-%d')

  • 增量更新：如果物化视图分区内的基表数据没有发生变化，则对应的物化视图分区数据不会刷新

  • partition_ttl_number: 需要保留的最近的物化视图分区数量，也就是ttl，比如上例子中"partition_ttl_number" = "5"，表示保留最近5个分区，其他分区会定时删除。

  • partition_refresh_number：表示单批次最大刷新分区数，当多个分区数据都发生变化，则会分批次刷新数据，每批次都刷新对应的分区数，避免资源过多消耗。

  • auto_refresh_partitions_limit: 表示需要刷新的最近的物化视图分区数量，比如上例子中"auto_refresh_partitions_limit" = "2"，表示只刷新最近2个分区，其他的分区数据当发生变化也不再刷新，但是在数据查询改写中，对于不刷新的分区，查询会直接查询基表的数据（有数据变化）

5.3 设置刷新模式
5.3.1 自动刷新

REFRESH ASYNC : 每当基表数据发生变化时，物化视图会自动刷新

5.3.2 定时刷新

ASYNC [START (<start_time>)] EVERY(INTERVAL <interval>)

day/hour/minute/second

--从当前时间开始
REFRESH ASYNC EVERY (interval 1 minute)--指定开始时间
REFRESH ASYNC START('2024-07-01 00:00:00') EVERY (interval 1 minute)
5.3.3 设置成手动刷新

REFRESH MANUAL: 设置成手动刷新

-- 异步调用刷新任务
REFRESH MATERIALIZED VIEW order_mv;-- 同步调用刷新任务
REFRESH MATERIALIZED VIEW order_mv WITH SYNC MODE;
5.3.4 创建异步物化视图是否立即执行刷新

IMMEDIATE：异步物化视图创建成功后立即刷新
DEFERRED：异步物化视图创建成功后不进行刷新，您可以通过手动调用或创建定时任务触发刷新

5.3.4 查询异步物化视图

可以直接查询异步物化视图，同时也支持查询基表的查询改写

5.4 管理异步物化视图
5.4.1 修改异步物化视图
-- 启用被禁用的异步物化视图
ALTER MATERIALIZED VIEW order_mv ACTIVE;-- 重命名
ALTER MATERIALIZED VIEW order_mv RENAME order_total;-- 修改刷新机制
ALTER MATERIALIZED VIEW order_mv REFRESH ASYNC EVERY(INTERVAL 2 DAY);
5.4.2 查看异步物化视图
-- 查看所有的物化视图
SHOW MATERIALIZED VIEWS;-- 按条件查询
SHOW MATERIALIZED VIEWS WHERE NAME LIKE "order%";-- 查看物化视图的创建语句
SHOW CREATE MATERIALIZED VIEW merchant_mv_3;
5.4.3 查询物化视图执行状态与异步刷新情况
-- 找到 物化视图的任务 task_name
select * from information_schema.tasks  order by CREATE_TIME desc-- 通过task_name 获取 物化视图执行与刷新情况
select * from information_schema.task_runs where task_name='mv-11576' order by CREATE_TIME

在这里插入图片描述

5.4.4 删除物化视图
DROP MATERIALIZED VIEW order_mv;

六、数据去重

starrocks是mpp架构的引擎，所以在数据去重方面，就需要把各个BE节点上的数据进行shuffle，所以如果大规模的数据会导致计算资源紧张，所以对于数据去重，starrcoks提供两种特殊的额外的方式，但是都是有局限性的。

6.1 常规去重

对于数据集基数在百万、千万量级，并拥有几十台机器，那么您可以直接使用count distinct方式

select date_trunc('day', create_time) as create_date, count(distinct user_id) as cnt
from pri_orders
group by create_date
6.2 Bitmap精确去重

主键表不支持：PRIMARY_KEYS table should not specify aggregate type for non-key column[user_id].

6.3 HyperLogLog近似去重

不键表不支持

七、Colocate Join

功能：Colocate Join 功能是分布式系统实现 Join 数据分布的策略之一，能够减少数据多节点分布时 Join 操作引起的数据移动和网络传输，从而提高查询性能。

原理：同一CG内，所有表的数据分布在相同一组 BE 节点上。当 Join 列为分桶键时，计算节点只需做本地 Join，从而减少数据在节点间的传输耗时，提高查询性能（把相同数据放在同一个BE上，数据本地join）， 所以当数据迁移都是一起均衡操作，在数据迁移过程中，查询退回普通的join（shfflue）

条件：

  • 表具有相同数据类型的分桶键（名字可以不一样），而且顺序要保持一致，桶数一致
  • 表具有相同的副本数
  • 查询只支持等值查询（其他比较都失效，退化成普通的join）

使用方式：在表PROPERTIES中指定属性"colocate_with" = “group_name”

如果指定的 CG 不存在，StarRocks 会自动创建一个只包含当前表的 CG，并指定当前表为该 CG 的 Parent Table。如果 CG 已存在，StarRocks 会检查当前表是否满足条件。如果满足，StarRocks 会创建该表，并将该表加入 Group。同时，StarRocks 会根据已存在的 Group 中的数据分布规则为当前表创建分片和副本。

7.1 创建Colocate Join表
CREATE TABLE pri_orders_colocate (order_id bigint NOT NULL,create_time datetime NOT NULL,merchant_id int NOT NULL,user_id int NOT NULL,good_name string NOT NULL,cnt int NOT NULL,revenue int NOT NULL,state tinyint NOT NULL
)
PRIMARY KEY (order_id, create_time, merchant_id)
PARTITION BY date_trunc('day', create_time)
DISTRIBUTED BY HASH (merchant_id) BUCKETS 8
ORDER BY (create_time, merchant_id)
PROPERTIES ("colocate_with" = "order_merchant_group","enable_persistent_index" = "true"
);CREATE TABLE IF NOT EXISTS test.aggregate_tbl_colocate (site_id int NOT NULL COMMENT "id of site",date DATETIME NOT NULL COMMENT "time of event",city_code VARCHAR(20) COMMENT "city_code of user",pv BIGINT SUM DEFAULT "0" COMMENT "total page views"
)
AGGREGATE KEY(site_id, date, city_code)
PARTITION BY date_trunc('day', date)
DISTRIBUTED BY HASH(site_id) BUCKETS 8
PROPERTIES ("colocate_with" = "order_merchant_group","replication_num" = "1"
);
7.2 修改表Colocate Join组
ALTER TABLE tbl SET ("colocate_with" = "group_name");
7.2 删除Colocate Join
-- 删除表的Colocate Join属性
ALTER TABLE tbl SET ("colocate_with" = "");
  • 删除特定的Colocate Join组
    当所有的设置colocate_with的表都删除，并且真正后台清理掉后（默认保留一天），colocate_with设置的组才会真实的删掉
7.3 是否真实使用Colocate Join
-- 查看 colocation_group
SHOW PROC '/colocation_group';-- 查看特定group bucket分布的BE
SHOW PROC '/colocation_group/11912.11916';

在这里插入图片描述

使用Colocate Join和使用普通的join是一样的，通过expain命令查看是否真实使用Colocate Join，如果Colocate Join失效或者不稳定，则会退化成普通的join查询。

explain 
select * 
from test.pri_orders_colocate as pri 
INNER JOIN 
test.aggregate_tbl_colocate as agg 
on (pri.merchant_id = agg.site_id)
and pri.create_time > "2024-07-01 12:00:00"

在这里插入图片描述

八、Query Cache

8.1、Query Cache使用场景

query cache默认是关闭的。

  • 查询多为宽表模型下的单表聚合查询或星型模型下简单多表 JOIN 的聚合查询。
  • 聚合查询以非 GROUP BY 聚合和低基数 GROUP BY 聚合为主。
  • 查询的数据以按时间分区追加的形式导入，并且在不同时间分区上的访问表现出冷热性。
8.2、Query Cache命中高效性

会对query判断是否语义等价

  • 聚合语句的第一次聚合是语义等价就判定语义等价
q1:
SELECTsum(murmur_hash3_32(hour)), 0)) + sumvi AS fingerprint
FROM
(SELECTdate_trunc('hour', ts) AS hour,sum(v1) AS sumviFROMt0WHEREts BETWEEN '2022-01-03 00:00:00'AND '2022-01-03 23:59:59'GROUP BYdate_trunc('hour', ts)
) AS t;q2:SELECTdate_trunc('hour', ts) AS hour,sum(v1) AS sumvi
FROMt0
WHEREts BETWEEN '2022-01-03 00:00:00'AND '2022-01-03 23:59:59'
GROUP BYdate_trunc('hour', ts)
  • 是否含有 ORDER BY 子句和 LIMIT 子句，不影响两个查询的语义等价
  • where 条件的先后顺序， group by 先后顺序不影响语义等价

九、CBO 统计信息

CBO优化器（cost-based Optimizer)是查询优化的关键，CBO会统计starrcoks中表的信息，当一条Sql查询到达Starrocks后，会基于统计信息，选择一个最优的执行路径作为最终的物理查询计划。

9.1、CBO统计信息的类别（列的粒度）

CBO统计表的信息主要分为两种：
第一种是统计表的列的基础统计信息，包括：

  • row_count: 表的总行数
  • data_size: 列的数据大小
  • ndv: 列基数，即 distinct value 的个数
  • null_count: 列中 NULL 值的个数
  • min: 列的最小值
  • max: 列的最大值

上面的信息存储在_statistics_.column_statistics表中，是按照表的分区内各个列进行统计的。
在这里插入图片描述

第二种是把表的列信息统计到直方图中（用直方图表达数据的情况）
直方图能方便的展示数据列的倾斜分布不均的情况。支持列的数据类型是数值类型、DATE、DATETIME 或字符串类型。
直方图目前只支持手动采样采集，采集的数据存储zai _statistics_.histogram_statistics表中，其中mcv表示列的值出现的次数
在这里插入图片描述

9.2、自动（全量/抽样）采集基础信息

自动全量采集基础信息可能消耗大量的系统资源，默认5分钟一次，默认开启自动全量采集基础信息。可以配置参数statistic_auto_analyze_start_time, statistic_auto_analyze_end_time设置每天的开始结束时间。

在自动全量采集基础信息中，如果表过大或者设置的健康度达到阈值，将把自动全量采集基础信息变更为自动抽样采集基础信息。具体信息见官网。

9.3、自定义自动（全量/抽样）采集基础信息

创建自动意自动采集任务，需要先关闭自动全量采集基础信息enable_collect_full_statistic=false，采集相关参数见官网。

语法：
CREATE ANALYZE [FULL|SAMPLE] TABLE tbl_name (col_name [,col_name]) [PROPERTIES (property [,property])]例子：
-- 定期全量采集所有数据库的统计信息。
CREATE ANALYZE ALL;-- 定期全量采集指定数据库下所有表的统计信息。
CREATE ANALYZE FULL DATABASE db_name;-- 定期全量采集指定表、列的统计信息。
CREATE ANALYZE TABLE tbl_name(c1, c2, c3); -- 定期抽样采集指定数据库下所有表的统计信息。
CREATE ANALYZE SAMPLE DATABASE db_name;-- 自动采集所有数据库的统计信息，不收集`db_name.tbl_name`表。
CREATE ANALYZE SAMPLE DATABASE db_name PROPERTIES ("statistic_exclude_pattern" = "db_name.tbl_name"
);
9.4、手动（全量/抽样）采集基础信息

手动任务创建后仅会执行一次，无需手动删除。

语法：
ANALYZE [FULL|SAMPLE] TABLE tbl_name (col_name [,col_name])
[WITH SYNC | ASYNC MODE]
[PROPERTIES (property [,property])]例子：
-- 手动全量采集指定表的统计信息，使用默认配置。
ANALYZE FULL TABLE tbl_name;-- 手动全量采集指定表指定列的统计信息，使用默认配置。
ANALYZE TABLE tbl_name(c1, c2, c3);-- 手动抽样采集指定表的统计信息，使用默认配置。
ANALYZE SAMPLE TABLE tbl_name;-- 手动抽样采集指定表指定列的统计信息，设置抽样行数。
ANALYZE SAMPLE TABLE tbl_name (v1, v2, v3) PROPERTIES("statistic_sample_collect_rows" = "1000000"
);
9.5、手动采集直方图信息

手动任务创建后仅会执行一次，无需手动删除。

-- 语法
ANALYZE TABLE tbl_name UPDATE HISTOGRAM ON col_name [, col_name]
[WITH SYNC | ASYNC MODE]
[WITH N BUCKETS]
[PROPERTIES (property [,property])]例子：
-- 手动采集v1列的直方图信息，使用默认配置。
ANALYZE TABLE tbl_name UPDATE HISTOGRAM ON v1;-- 手动采集v1列的直方图信息，指定32个分桶，mcv指定为32个，采样比例为50%。
ANALYZE TABLE tbl_name UPDATE HISTOGRAM ON v1,v2 WITH 32 BUCKETS 
PROPERTIES("histogram_mcv_size" = "32","histogram_sample_ratio" = "0.5"
);

十、性能优化

explain命令
是否命中索引
trace命令 （查询改写失败的原因）
Query Plan

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/diannao/49811.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

极限科技闪耀 2024 可信数据库发展大会，多款自研产品引领搜索技术新纪元

极限科技闪耀 2024 可信数据库发展大会，多款自研产品引领搜索技术新纪元

北京&#xff0c;7 月 16、17 日 —— 在由中国信息通信研究院&#xff08;中国信通院&#xff09;与中国通信标准化协会联合主办&#xff0c;InfoQ 协办的“2024 可信数据库发展大会”&#xff08;TDBC 2024&#xff09;上&#xff0c;极限科技凭借其前沿的搜索技术创新与卓越…
阅读更多...
【相机与图像】1. 相机模型的介绍：内参、外参、畸变参数

【相机与图像】1. 相机模型的介绍：内参、外参、畸变参数

想着整理下相机模型&#xff08;内容上参考 slam十四讲&#xff09;、相机的内外参标定。方便自己的使用和回顾。 不过&#xff0c;内外参标定啥时候记录随缘 -_- 概述 【构建相机模型】 相机将三位世界中的坐标点&#xff08;单位为米&#xff09;映射到二维图像平面&#xff…
阅读更多...
py Qt5学习记录

py Qt5学习记录

1.Qt5的安装 可参考一些博客如&#xff1a;Python 小白从零开始 PyQt5 项目实战&#xff08;2&#xff09;菜单和工具栏_pyqt 二级菜单-CSDN博客 2.Qt5的界面显示 3.新建一个工具栏并打开本地文件方法 &#xff08;1&#xff09;在Qt5界面右下角有个“动作编辑器”&#xff…
阅读更多...
每日一题~961div2A+B+C(阅读题，思维，数学log)

每日一题~961div2A+B+C(阅读题，思维，数学log)

A 题意&#xff1a;给你 n*n 的表格和k 个筹码。每个格子上至多放一个 问至少占据多少对角线。 显然&#xff0c;要先 格数的多的格子去放。 n n-1 n-2 …1 只有n 的是一个&#xff08;主对角线&#xff09;&#xff0c;其他的是两个。 #include <bits/stdc.h> using na…
阅读更多...
基于微信小程序图书馆座位预约管理系统设计与实现

基于微信小程序图书馆座位预约管理系统设计与实现

1.1选题动因 当前的网络技术&#xff0c;软件技术等都具备成熟的理论基础&#xff0c;市场上也出现各种技术开发的软件&#xff0c;这些软件都被用于各个领域&#xff0c;包括生活和工作的领域。随着电脑和笔记本的广泛运用&#xff0c;以及各种计算机硬件的完善和升级&#x…
阅读更多...
JS 事件循环（Event Loop）机制

JS 事件循环（Event Loop）机制

事件循环机制的作用 事件循环机制是 JS 的一种执行机制&#xff0c;一种可以实现异步编程的机制。 因为 JS 是单线程的&#xff0c;单线程意味着所有任务需要排队执行。但是有一些 API&#xff08;比如&#xff1a;定时器和 Ajax 等&#xff09;是需要等待一定的时间才能得到…
阅读更多...
【Python】一文向您详细介绍 K-means 算法

【Python】一文向您详细介绍 K-means 算法

【Python】一文向您详细介绍 K-means 算法 下滑即可查看博客内容 &#x1f308; 欢迎莅临我的个人主页 &#x1f448;这里是我静心耕耘深度学习领域、真诚分享知识与智慧的小天地&#xff01;&#x1f387; &#x1f393; 博主简介&#xff1a;985高校的普通本硕&#xff…
阅读更多...
Visual Studio 2022新建 cmake 工程测试 tensorRT 自带样例 sampleOnnxMNIST

Visual Studio 2022新建 cmake 工程测试 tensorRT 自带样例 sampleOnnxMNIST

1. 新建 cmake 工程 vs2022_cmake_sampleOnnxMNIST_test( 如何新建 cmake 工程&#xff0c;请参考博客&#xff1a;Visual Studio 2022新建 cmake 工程测试 opencv helloworld ) 2. 删除默认生成的 vs2022_cmake_sampleOnnxMNIST_test.h 头文件 3. 修改默认生成的 vs2022_cma…
阅读更多...
BSV区块链在人工智能时代的数字化转型中的角色

BSV区块链在人工智能时代的数字化转型中的角色

​​发表时间&#xff1a;2024年6月13日 企业数字化转型已有约30年的历史&#xff0c;而人工智能&#xff08;以下简称AI&#xff09;将这种转型提升到了一个全新的高度。这并不难理解&#xff0c;因为AI终于使企业能够发挥其潜力&#xff0c;实现更宏大的目标。然而&#xff0…
阅读更多...
MySQL中实现动态表单中JSON元素精准匹配的方法

MySQL中实现动态表单中JSON元素精准匹配的方法

目录 前言 一、动态表单技术 1、包含的主要信息 2、元素属性设置 3、表单内容 二、表单数据存储和查询 1、数据存储 2、数据的查询 3、在5.7版本中进行JSON检索 4、8.0后的优化查询 三、总结 前言 在很多有工作流设置的地方、比如需要在不同的流程中&#xff0c;需要…
阅读更多...
服务器数据恢复—V7000存储硬盘故障脱机的数据恢复案例

服务器数据恢复—V7000存储硬盘故障脱机的数据恢复案例

服务器存储数据恢复环境&#xff1a; 某品牌P740小型机AIXSybaseV7000磁盘阵列柜&#xff0c;磁盘阵列柜中有12块SAS机械硬盘&#xff08;其中包括一块热备盘&#xff09;。 服务器存储故障&#xff1a; 磁盘阵列柜中有一块磁盘出现故障&#xff0c;运维人员用新硬盘替换掉故障…
阅读更多...
网络安全等级保护解决方案的主打产品

网络安全等级保护解决方案的主打产品

网络安全等级保护解决方案的主打产品&#xff1a; HiSec Insight安全态势感知系统、 FireHunter6000沙箱、 SecoManager安全控制器、 HiSecEngine USG系列防火墙和HiSecEngine AntiDDoS防御系统。 华为HiSec Insight安全态势感知系统是基于商用大数据平台FusionInsight的A…
阅读更多...
【LeetCode】201. 数字范围按位与

【LeetCode】201. 数字范围按位与

1. 题目 2. 分析 这题挺难想的&#xff0c;我到现在还没想明白&#xff0c;为啥只用左区间和右区间就能找到目标值了&#xff0c;而不用挨个做与操作&#xff1f; 3. 代码 class Solution:def rangeBitwiseAnd(self, left: int, right: int) -> int:left_bin bin(left).…
阅读更多...
k8s集群可视化工具安装（dashboard）

k8s集群可视化工具安装（dashboard）

可视化安装 2.1、下载相关的yaml文件 wget https://raw.githubusercontent.com/kubernetes/dashboard/v2.0.0/aio/deploy/recommended.yaml Vim recommended.yaml 2.2、部署 kubectl apply -f recommended.yaml 查看那kubernetes-dashboard命令空间下的资源 kubectl get …
阅读更多...
ZLMRTCClient配置说明与用法（含示例）

ZLMRTCClient配置说明与用法（含示例）

webRTC播放视频 后面在项目中会用到通过推拉播放视频流的技术&#xff0c;所以最近预研了一下webRTC 首先需要引入封装好的webRTC客户端的js文件ZLMRTCClient.js 下面是地址需要的自行下载 http://my.zsyou.top/2024/ZLMRTCClient.js 配置说明 new ZLMRTCClient.Endpoint…
阅读更多...
技术分享！国产ARM + FPGA的SDIO通信开发介绍！

技术分享！国产ARM + FPGA的SDIO通信开发介绍！

SDIO总线介绍 SDIO(Secure Digital lnput and Output)，即安全数字输入输出接口。SDIO总线协议是由SD协议演化而来，它主要是对SD协议进行了一些扩展。 SDIO总线主要是为SDIO卡提供一个高速的I/O能力，并伴随着较低的功耗。SDIO总线不但支持SDIO卡，而且还兼容SD内存卡。支持…
阅读更多...
韦东山嵌入式linux系列-具体单板的按键驱动程序(查询方式)

韦东山嵌入式linux系列-具体单板的按键驱动程序(查询方式)

1 GPIO 操作回顾 &#xff08;1&#xff09;使能模块&#xff1b; &#xff08;2&#xff09;设置引脚的模式&#xff08;工作于GPIO模式&#xff09;&#xff1b; &#xff08;3&#xff09;设置GPIO本身&#xff08;输入/输出&#xff09;&#xff1b; &#xff08;4&…
阅读更多...
在VMware创建Ubuntu24

在VMware创建Ubuntu24

目录 一、创建虚拟机 1. 自定义创建虚拟机 2. 设置虚拟机兼容 3. 选择镜像 4. 命名虚拟机&#xff0c;选择存放位置 5. 处理器配置 6. 内存配置 7. 网络类型配置 8. I/O控制器类型 9. 磁盘配置 10. 完成虚拟机创建 二、Ubuntu安装 1. 进入虚拟机中进行ubuntu的安…
阅读更多...
浏览器打开PDF卡在加载(侧边翻译插件打不开PDF)

浏览器打开PDF卡在加载(侧边翻译插件打不开PDF)

如果你的浏览器安装了一些翻译插件&#xff0c;那么可能会导致PDF加载不出来 比如我的浏览器中安装了“侧边翻译”&#xff0c;而我在view Elsever的论文时出现了加载不出来的问题—— 仍然以此扩展为例&#xff0c;那么解决办法是&#xff1a; 取消勾选——
阅读更多...
Docker简单快速入门

Docker简单快速入门

1. 安装Docker 基于 Ubuntu 24.04 LTS 安装Docker 。 # 更新包索引并安装依赖包 sudo apt-get update sudo apt-get install -y apt-transport-https ca-certificates curl software-properties-common# 添加Docker的官方GPG密钥并存储在正确的位置 curl -fsSL https://mirror…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023