面试官最爱问：Doris如何通过表模型设计提升查询性能100倍？

“面对每天几十上百亿条的数据流入，Doris如何合理地设计存储模型？这是摆在每位数据工程师面前的一道必答题。 合适的表模型设计就像建筑的地基，一旦根基不稳，上层再华丽的架构都会成为空中楼阁。明细模型能留存全量数据但查询吃力，主键模型擅长实时更新但不适合预聚合，聚合模型查询飞快但失去了灵活性...每种模型都像是把双刃剑，用好了锦上添花，用错了徒增烦恼。 今天，一起来学习Doris不同表模型的应用场景，让你在处理海量数据时胸有成竹，不再迷茫。

玩转Doris表模型，让数据如鱼得水

不知道你有没有遇到过这样的场景：

刚接手一个数据分析项目，面对纷繁复杂的业务需求，一筹莫展 - 是选择明细模型保留所有原始数据，还是用聚合模型提升查询性能？数据需要更新时，又该如何选择合适的主键模型？

说实话，在Doris表模型的选择上，我也曾走过不少弯路。曾经因为盲目追求查询性能而处处使用聚合模型，结果遇到临时性的多维分析需求时，才发现数据的灵活性被极大地限制了。

数据就像流水，需要一个恰当的容器来承载。Doris提供了三种表模型，就像三种不同的容器，各自有着独特的特点和适用场景。今天，我们就一起深入了解这三种表模型，掌握它们的使用艺术。

明细模型：原汁原味的数据记录

明细模型是最简单直观的表模型，它保留了数据的原始面貌。就像一部高清纪录片，每一帧画面都清晰完整地记录下来。

在日志分析系统中，我们会记录用户的每次点击、每次操作、每条错误信息。这些数据没有聚合的需求，也不需要保证唯一性，使用明细模型再合适不过。它不仅能够保存全量数据，还能按照指定的列进行排序，方便后续的查询分析。

CREATE TABLE user_logs
(
    timestamp  DATETIME,
    user_id    BIGINT,
    action     VARCHAR(32),
    device     VARCHAR(64),
    location   VARCHAR(128)
)
DUPLICATE KEY(timestamp, user_id)
DISTRIBUTED BY HASH(user_id);

主键模型：数据更新的绝佳选择

在用户画像系统中，我们需要存储用户的基础信息、标签属性等数据。这些数据会随着用户行为不断更新，需要保证每个用户ID只对应一条最新记录。主键模型通过保证key列的唯一性，完美地满足了这一需求。

新版本的Doris（2.1以后）默认采用写时合并实现，极大地提升了查询性能。它就像一个智能管家，在数据写入时就完成了整理工作，确保查询时能够快速找到需要的信息。

聚合模型：报表分析的核心引擎

聚合模型是Doris中最富特色的表模型,它通过预聚合机制大幅提升了查询性能。让我们通过一个电商分析场景来深入理解它的魅力。

假设我们需要统计各个商家的每日销售额。在传统模式下,每次查询都需要扫描所有订单数据再做聚合,面对海量数据时性能往往难以满足需求。而使用聚合模型,我们可以这样设计:

CREATE TABLE shop_sales
(
    shop_id     BIGINT,
    sale_date   DATE,
    province    VARCHAR(32),
    total_amount DECIMAL(16,2) SUM,
    order_count BIGINT SUM,
    user_count  BIGINT COUNT_DISTINCT
)
AGGREGATE KEY(shop_id, sale_date, province);

这个设计有几个精妙之处:

• Key列(shop_id, sale_date, province)定义了数据聚合的粒度
• Value列使用不同的聚合函数,满足多样化的分析需求
• 数据在导入时就开始预聚合,大幅减少存储空间和查询时间

模型选择实战指南

模型选择思路

经过多年的实践,X总结出一套模型选择的思路:

1.数据特征分析

• 评估数据的规模、更新频率、查询模式等特征。比如对于物联网设备上报的传感器数据,由于数据量巨大且无需更新,明细模型是不错的选择。

2.性能目标权衡

• 写入速度: 明细模型 > 主键模型 > 聚合模型
• 查询性能: 主键模型(写时合并) > 聚合模型 > 明细模型
• 灵活性: 明细模型 > 主键模型 > 聚合模型

3.场景匹配度

• 日志分析、审计追踪 -> 明细模型
• 用户画像、配置中心 -> 主键模型(写时合并)
• 指标分析、报表统计 -> 聚合模型

模型应用技巧

1.聚合模型性能优化

使用agg_state类型处理复杂聚合,它能在保持灵活性的同时提供优秀的性能:

CREATE TABLE user_metrics
(
    user_id BIGINT,
    metric_date DATE,
    visit_stats agg_state<group_concat(string)> generic
)
AGGREGATE KEY(user_id, metric_date);

2.主键模型更新优化

对于频繁更新的场景,启用部分列更新能显著提升性能:

CREATE TABLE user_profile
(
    user_id BIGINT,
    nickname VARCHAR(32),
    avatar VARCHAR(256),
    tags VARCHAR(1024)
)
UNIQUE KEY(user_id)
PROPERTIES(
    "enable_unique_key_merge_on_write" = "true",
    "enable_unique_key_partial_update" = "true"
);

掌握了这些技巧,相信你已经能够从容基于Doris应对各种数据分析场景。

欢迎在评论区分享你在使用Doris表模型时的心得体会。下一篇,我们将深入探讨Doris的其它特性,敬请期待！