聊聊分布式 SQL 数据库Doris(三) - 服务器托管|北京服务器租用|机房托管租用|IDC托管租用|机房机柜带宽租用-价格及费用咨询

在 Doris 的存储引擎规则:

表的数据是以分区为单位存储的，不指定分区创建时，默认就一个分区.
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。
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。
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。
Tablet直接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。

Table (逻辑描述) — > Partition（分区：管理单元） –> Bucket(分桶：存储，每个分桶就是一个数据分片：Tablet，数据划分的最小逻辑单元。称为子表) ，如下图：

语法与示例

语法:

-- 该表记录了某个时间服务器托管网点，在某个站点上各个用户的pv数据
CREATE TABLE demo.test_tbl(
    sdate      DATE,  -- 日期
    site       INT,  -- 站点id
    city       VARCHAR(64),  -- 城市
    user       VARCHAR(32)  DEFAULT '', -- 用户名
    pv         BIGINT -- pv量
) ENGINE=olap DUPLICATE KEY(sdate, site, city)
[PARTITION_DESC]
[BUCKET_DESC]
PROPERTIES ("replication_num" = "1");

[PARTITION_DESC] 表示创建分区的详细语句，[BUCKET_DESC] 表示创建分桶的语句.

动态分区:

PARTITION BY RANGE(sdate)()

-- 剩余参数需要在PARTITION进行配置：
PROPERTIES (
  "dynamic_partition.enable" = "true",
  "dynamic_partition.time_unit" = "DAY",
  "dynamic_partition.start" = "-30",
  "dynamic_partition.end" = "3",
  "dynamic_partition.prefix" = "p",
  "dynamic_partition.create_history_partition"="true",
  "replication_num" = "1"
);

分桶:

DISTRIBUTED BY HASH(site) BUCKETS 20

此时指定以 site 列的哈希值作为分桶，并且分桶个数设置为 20 个.

官方示例:

CREATE TABLE tbl1
(
    k1 DATE,
    -- ...
)
PARTITION BY RANGE(k1) ()
DISTRIBUTED BY HASH(k1)
PROPERTIES
(
    "dynamic_partition.enable" = "true",
    "dynamic_partition.time_unit" = "DAY",
    "dynamic_partition.start" = "-7",
    "dynamic_partition.end" = "3",
    "dynamic_partition.prefix" = "p",
    "dynamic_partition.buckets" = "32"
);

批量分区与自动分桶

批量分区使得用户能够批量操作表的分区结构，一次性创建多个分区，而不是逐个单独创建。

-- 当然，分区创建个数受到max_multi_partition_num参数控制，该值默认为4096，有需求可以修改
PARTITION BY RANGE(sdate)
(
   FROM ("2013-01-01") TO ("2023-01-01") INTERVAL 1 DAY
)
-- 从这个 case 来看，批量分区功能的语法更为简洁，但该功能的易用性和灵活性远不止于此。

自动分桶是基于表中某个列(或在创建表时指定咧)的值范围进行的。系统会根据该列的数据分布情况，将数据划分到不同的数据桶中。

-- 旧版本指定分桶个数的创建语法
DISTRIBUTED BY HASH(site) BUCKETS 20

-- 新版本使用自动分桶推算的创建语法
DISTRIBUTED BY HASH(site) BUCKETS AUTO
properties("estimate_partition_size" = "100G")

关键逻辑

查询路由

一个分区的数据不会跨多个不同的BE节点存储.

在 Apache Doris 中，当请求到来时，查询某个分区的数据时，Doris 使用以下的过程来定位到相应的 Backend（BE）节点：

分区键（Partition Key）：在 Doris 中，表的分区是按照某一列的值范围进行划分的，这个列通常被称为分区键。用户在创建表时可以选择分区键。
查询请求中的分区键值：当查询请求到达 Doris 时，请求中通常包含了要查询的分区键值。
分区键值与分区映射关系： Doris 通过分区键值与分区的映射关系，确定具体的分区。这个映射关系通常存储在系统的元数据中，其中包括每个分区所在的 BE 节点信息。
BE 节点负责的分区：根据分区键值的映射关系，Doris 确定了负责该分区的 BE 节点。
查询计划的生成和执行： Doris 生成查询计划，其中包含了具体的查询操作。该计划会被发送到负责该分区的 BE 节点上执行。

在 Apache Doris 中，一个表的多个分区数据通常会存储在不同的 Backend（BE）节点上，以实现分布式存储和查询的优势。每个分区的数据都会被划分并存储在负责该分区的一个 BE 节点上。具体来说:

表的分区：服务器托管网 Doris 中的表通常根据某一列的值范围进行分区。每个分区是表的逻辑组织单元，用于提高查询性能、管理数据、支持按范围删除等操作。
分布式存储： Doris 的设计目标之一是分布式存储和查询。因此，一个表的多个分区数据会被分布存储在不同的 BE 节点上。这样的设计有助于提高系统的横向扩展性，允许系统有效地处理大规模数据和高并发的查询请求。
负责分区的 BE 节点： Doris 通过元数据信息记录每个分区所在的 BE 节点。当执行查询请求时，Doris 会根据查询涉及的分区，确定负责这些分区的 BE 节点。每个 BE 节点负责存储和管理分配给它的分区数据。
分布式计算：查询请求在涉及多个分区时，Doris 可以通过分布式计算的方式，在多个 BE 节点上并行执行查询计划，以提高查询性能。

分桶算法

暂时只支持HASH.

分区算法

暂时只支持List, RANGE. 常用的有四种: (a) Round-Robin、(b) Range、(c) List、(d) Hash .

参考:
Doris数据分布

详细内容阅读: Apache Doris 分区分桶新功能与数据划分. 本文在此基础上做总结与自我思考的延伸.

服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net

相关推荐: 28.RocketMQ之消费者的负载均衡源码消费者负载均衡流程DefaultMQPullConsumerImpl负载均衡

highlight: arduino-light 消费者负载均衡流程当一个业务系统部署多台机器时，每台机器都启动了一个Consumer，并且这些Consumer都在同一个ConsumerGroup也就是在同1个消费组中。此时一个消费组中多个Consumer消…