编辑

数据分布

建表时,您需要通过设置分区和分桶,指定数据分布方式,并且建议您合理设置分区和分桶,实现数据均匀的分布。数据分布是指数据划分为子集,并按一定规则均衡地分布在不同节点上,能够有效裁剪数据扫描量,最大限度地利用集群的并发性能,从而提升查询性能。

数据分布概览

常见的数据分布方式

现代分布式数据库中,常见的数据分布方式有如下四种:Round-Robin、Range、List 和 Hash。如下图所示:

数据分布方式

  • Round-Robin:以轮询的方式把数据逐个放置在相邻节点上。

  • Range:按区间进行数据分布。如上图所示,区间 [1-3][4-6] 分别对应不同的范围 (Range)。

  • List:直接基于离散的各个取值做数据分布,性别、省份等数据就满足这种离散的特性。每个离散值会映射到一个节点上,多个不同的取值可能也会映射到相同节点上。

  • Hash:通过哈希函数把数据映射到不同节点上。

为了更灵活地划分数据,除了单独采用上述四种数据分布方式之一以外,您还可以根据具体的业务场景需求组合使用这些数据分布方式。常见的组合方式有 Hash+Hash、Range+Hash、Hash+List。

StarRocks 的数据分布方式

StarRocks 支持如下两种数据分布方式:

  • Hash 数据分布方式:一张表为一个分区,分区按照分桶键和分桶数量进一步进行数据划分。

  • Range+Hash 数据分布方式:一张表拆分成多个分区,每个分区按照分桶键和分桶数量进一步进行数据划分。

采用 Hash 分布的建表语句如下,其中分桶键为 site_id

CREATE TABLE site_access(
site_id INT DEFAULT '10',
city_code SMALLINT,
user_name VARCHAR(32) DEFAULT '',
pv BIGINT SUM DEFAULT '0'
)
AGGREGATE KEY(site_id, city_code, user_name)
DISTRIBUTED BY HASH(site_id) BUCKETS 10;

采用Range+Hash组合分布的建表语句如下,其中分区键为 event_day,分桶键为 site_id

CREATE TABLE site_access(
event_day DATE,
site_id INT DEFAULT '10',
city_code VARCHAR(100),
user_name VARCHAR(32) DEFAULT '',
pv BIGINT SUM DEFAULT '0'
)
AGGREGATE KEY(event_day, site_id, city_code, user_name)
PARTITION BY RANGE(event_day)
(
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(site_id) BUCKETS 10;

分区

分区⽤于将数据划分成不同的区间。分区的主要作⽤是将⼀张表按照分区键拆分成不同的管理单元,针对每⼀个管理单元选择相应的存储策略,⽐如副本数、冷热策略和存储介质等等。StarRocks 支持在一个集群内使用多种存储介质,您可以将新数据所在分区放在 SSD 盘上,利用 SSD 的优秀的随机读写性能来提高查询性能,将旧数据存放在 SATA 盘上,以节省数据存储的成本。

业务系统中⼀般会选择根据时间进⾏分区,以优化⼤量删除过期数据带来的性能问题,同时也⽅便冷热数据分级存储。

StarRocks 支持动态分区。您可以按需为新数据动态创建分区,同时 StarRocks 会⾃动删除过期分区,从而确保数据的实效性,实现对分区的⽣命周期管理(Time to Life,简称 “TTL”),⼤幅减少运维管理的成本。

StarRocks 还支持批量创建分区。

分桶

分区的下⼀级是分桶,StarRocks 采⽤ Hash 算法作为分桶算法。在同⼀分区内,分桶键哈希值相同的数据形成 Tablet,Tablet 以多副本冗余的形式存储,是数据均衡和恢复的最⼩单位。Tablet 的副本由⼀个单独的本地存储引擎管理,数据导⼊和查询最终都下沉到所涉及的 Tablet 副本上。 建表时,必须指定分桶键。

设置分区和分桶

选择分区键

选择合理的分区键可以有效的裁剪扫描的数据量。目前仅支持分区键的数据类型为日期和整数类型。在实际业务场景中,一般从数据管理的角度选择分区键,常见的分区键为时间或者区域。按照分区键划分数据后,单个分区原始数据量建议不要超过 100 GB。

选择分桶键

选择高基数的列(例如唯一 ID)来作为分桶键,可以保证数据在各个分桶中尽可能均衡。如果数据倾斜情况严重,您可以使用多个列作为数据的分桶键,但是不建议超过 3 个列。

还是以上述 Range+Hash 组合分布的建表语句为例:

CREATE TABLE site_access(
event_day DATE,
site_id INT DEFAULT '10',
city_code VARCHAR(100),
user_name VARCHAR(32) DEFAULT '',
pv BIGINT SUM DEFAULT '0'
)
AGGREGATE KEY(event_day, site_id, city_code, user_name)
PARTITION BY RANGE(event_day)
(
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(site_id) BUCKETS 10;

如上示例中,site_access 表采用 site_id 作为分桶键,其原因在于,针对 site_access 表的查询请求,基本上都以站点(高基数列)作为查询过滤条件。采用 site_id 作为分桶键,可以在查询时裁剪掉大量无关分桶。

如下查询中,10 个分桶中的 9 个分桶被裁减,因而系统只需要扫描 site_access 表中 1/10 的数据:

select sum(pv)
from site_access
where site_id = 54321;

但是如果 site_id 分布十分不均匀,大量的访问数据是关于少数网站的(幂律分布, 二八规则),那么采用上述分桶方式会造成数据分布出现严重的倾斜,进而导致系统局部的性能瓶颈。此时,您需要适当调整分桶的字段,以将数据打散,避免性能问题。例如,可以采用 site_idcity_code 组合作为分桶键,将数据划分得更加均匀。相关建表语句如下:

CREATE TABLE site_access
(
site_id INT DEFAULT '10',
city_code SMALLINT,
user_name VARCHAR(32) DEFAULT '',
pv BIGINT SUM DEFAULT '0'
)
AGGREGATE KEY(site_id, city_code, user_name)
DISTRIBUTED BY HASH(site_id,city_code) BUCKETS 10;

在实际使用中,您可以依据自身的业务特点选择以上两种分桶方式。采用 site_id 的分桶方式对于短查询十分有利,能够减少节点之间的数据交换,提高集群整体性能;采用 site_idcity_code 的组合分桶方式对于长查询有利,能够利用分布式集群的整体并发性能。

说明:

  • 短查询是指扫描数据量不大、单机就能完成扫描的查询。

  • 长查询是指扫描数据量大、多机并行扫描能显著提升性能的查询。

确定分桶数量

在 StarRocks 中,分桶是实际物理文件组织的单元,分桶数量会影响查询的并行度。您需要设置合理的分桶数量,确保分桶数据压缩(压缩方式 LZ4)写入磁盘后,占用合理的磁盘资源。建议压缩后磁盘上每个分桶数据文件大小在 100 MB 至 1 GB 左右。

注意:不支持修改已创建的分区的分桶数量,支持在增加分区时为新增分区设置新的分桶数量。

此外,建议根据集群规模的变化,建表时调整分桶数量。集群规模变化,主要指节点数目的变化。假设您有 1 台机器,20 GB 原始数据,那么可以建 10 个分桶(压缩前每个 Tablet 大小 2 GB,压缩后可能在 200 MB - 500 MB)。但是如果您有20台机器,那么可以适当再缩小每个分桶的数据量,加大分桶数量。比如分成 40 个分桶,每个 Tablet 的大小压缩前大约为 500 MB,压缩后一般不小于 100 MB。

在机器资源不足的情况下,如果想充分利用机器资源,可以通过如下公式来计算合适的分桶数量:

分桶数量 = BE节点数量 * CPU 核数/2

例如,在将 100 GB 未压缩的 CSV 文件导入 StarRocks 时,使用 4 个 BE 节点,每个 BE 节点所在机器的 CPU 核数为 64,建立一个分区。通过以上公式可以计算出桶数数量为 128。此时,每个 Tablet 的大小为 781 MB,能够充分利用 CPU 资源。

管理分区

增加分区

增加新的分区,用于存储新的数据。新增分区的默认分桶数量和原分区相同。您也可以根据新分区的数据规模调整分桶数量。

如下示例中,在 site_access 表添加新的分区,用于存储新月份的数据,并且调整分桶数量为 20:

ALTER TABLE site_access
ADD PARTITION p4 VALUES LESS THAN ("2020-04-30")
DISTRIBUTED BY HASH(site_id) BUCKETS 20;

删除分区

执行如下语句,删除 site_access 表中分区 p1 及数据:

说明:分区中的数据不会立即删除,会在 Trash 中保留一段时间(默认为一天)。如果误删分区,可以通过 RECOVER 命令恢复分区及数据。

ALTER TABLE site_access
DROP PARTITION p1;

恢复分区

执行如下语句,恢复 site_access 表中分区 p1 及数据:

RECOVER PARTITION p1 FROM site_access;

查看分区

执行如下语句,查看 site_access 表中分区情况:

SHOW PARTITIONS FROM site_access;

最佳实践

对于 StarRocks 而言,分区和分桶的选择是非常关键的。在建表时选择合理的分区键和分桶键,可以有效提高集群整体性能。因此建议在选择分区键和分桶键时,根据业务情况进行调整。

  • 数据倾斜

    • 如果业务场景中单独采用倾斜度大的列做分桶,很大程度会导致访问数据倾斜,那么建议采用多列组合的方式进行数据分桶。
  • 高并发

    • 分区和分桶应该尽量覆盖查询语句所带的条件,这样可以有效减少扫描数据,提高并发。
  • 高吞吐

    • 尽量把数据打散,让集群以更高的并发扫描数据,完成相应计算。

管理动态分区

创建支持动态分区的表

如下示例,创建一张支持动态分区的表,表名为 site_access,动态分区通过 PEROPERTIES 进行配置。分区的区间为当前时间的前后 3 天,总共 6 天。

CREATE TABLE site_access(
event_day DATE,
site_id INT DEFAULT '10',
city_code VARCHAR(100),
user_name VARCHAR(32) DEFAULT '',
pv BIGINT DEFAULT '0'
)
DUPLICATE KEY(event_day, site_id, city_code, user_name)
PARTITION BY RANGE(event_day)(
PARTITION p20200321 VALUES LESS THAN ("2020-03-22"),
PARTITION p20200322 VALUES LESS THAN ("2020-03-23"),
PARTITION p20200323 VALUES LESS THAN ("2020-03-24"),
PARTITION p20200324 VALUES LESS THAN ("2020-03-25")
)
DISTRIBUTED BY HASH(event_day, site_id) BUCKETS 32
PROPERTIES(
    "dynamic_partition.enable" = "true",
    "dynamic_partition.time_unit" = "DAY",
    "dynamic_partition.start" = "-3",
    "dynamic_partition.end" = "3",
    "dynamic_partition.prefix" = "p",
    "dynamic_partition.buckets" = "32"
);

PROPERTIES 配置项如下:

  • dynamic_partition.enable:是否开启动态分区特性,取值为 TRUEFALSE。默认值为 TRUE

  • dynamic_partition.time_unit:必填,调度动态分区特性的时间粒度,取值为 DAYWEEKMONTH,表示按天、周或月调度动态分区特性。并且,时间粒度必须对应分区名后缀格式。具体对应规则如下:

    • 取值为 DAY 时,分区名后缀的格式应该为 yyyyMMdd,例如 20200321

      
      PARTITION BY RANGE(event_day)(
      PARTITION p20200321 VALUES LESS THAN ("2020-03-22"),
      PARTITION p20200322 VALUES LESS THAN ("2020-03-23"),
      PARTITION p20200323 VALUES LESS THAN ("2020-03-24"),
      PARTITION p20200324 VALUES LESS THAN ("2020-03-25")
      )
    • 取值为 WEEK 时,分区名后缀的格式应该为 yyyy_ww,例如 2020_13 代表 2020 年第 13 周。

    • 取值为 MONTH 时,分区名后缀的格式应该为 yyyyMM,例如 202003

  • dynamic_partition.start:必填,动态分区的开始时间。以当天为基准,超过该时间范围的分区将会被删除。取值范围为小于 0 的负整数,最大值为 -1。默认值为 Integer.MIN_VALUE,即 -2147483648。

  • dynamic_partition.end:必填,动态分区的结束时间。 以当天为基准,提前创建指定数量的分区。取值范围为大于 0 的正整数,最小值为 1

  • dynamic_partition.prefix: 动态分区的前缀名,默认值为 p

  • dynamic_partition.buckets: 动态分区的分桶数量,默认与 BUCKETS 关键词指定的分桶数量保持一致。

查看表当前的分区情况

开启动态分区特性后,会不断地自动增减分区。您可以执行如下语句,查看表当前的分区情况:

SHOW PARTITIONS FROM site_access;

假设当前时间为 2020-03-25,在调度动态分区时,会删除分区上界小于 2020-03-22 的分区,同时在调度时会创建今后 3 天的分区。则如上语句的返回结果中,Range 列显示当前分区的信息如下:

[types: [DATE]; keys: [2020-03-22];types: [DATE]; keys: [2020-03-23]; )
[types: [DATE]; keys: [2020-03-23];types: [DATE]; keys: [2020-03-24]; )
[types: [DATE]; keys: [2020-03-24];types: [DATE]; keys: [2020-03-25]; )
[types: [DATE]; keys: [2020-03-25];types: [DATE]; keys: [2020-03-26]; )
[types: [DATE]; keys: [2020-03-26];types: [DATE]; keys: [2020-03-27]; )
[types: [DATE]; keys: [2020-03-27];types: [DATE]; keys: [2020-03-28]; )
[types: [DATE]; keys: [2020-03-28];types: [DATE]; keys: [2020-03-29]; )

修改表的动态分区属性

执行 ALTER TABLE,修改动态分区的属性,例如暂停或者开启动态分区特性。

ALTER TABLE site_access SET("dynamic_partition.enable"="false");
ALTER TABLE site_access SET("dynamic_partition.enable"="true");

说明:

  • 可以执行 SHOW CREATE TABLE 命令,查看表的动态分区属性。

  • ALTER TABLE 也适用于修改 PEROPERTIES 中的其他配置项。

使用说明

开启动态分区特性,相当于将创建分区的判断逻辑交由 StarRocks 完成。因此创建表时,必须保证动态分区配置项 dynamic_partition.time_unit 指定的时间粒度与分区名后缀格式对应,否则创建表会失败。具体对应规则如下:

  • dynamic_partition.time_unit 指定为 DAY 时,分区名后缀的格式应该为 yyyyMMdd,例如 20200325
PARTITION BY RANGE(event_day)(
PARTITION p20200321 VALUES LESS THAN ("2020-03-22"),
PARTITION p20200322 VALUES LESS THAN ("2020-03-23"),
PARTITION p20200323 VALUES LESS THAN ("2020-03-24"),
PARTITION p20200324 VALUES LESS THAN ("2020-03-25")
)
  • dynamic_partition.time_unit指定为 WEEK 时,分区名后缀的格式应该为 yyyy_ww,例如 2020_13,代表 2020 年第 13 周。

  • dynamic_partition.time_unit指定为 MONTH 时,分区名后缀的格式应该为 yyyyMM,例如 202003

批量创建分区

StarRocks 1.16 及以后支持该功能。

建表时和建表后,支持批量创建分区,通过 START、END 指定批量分区的开始和结束,EVERY 子句指定分区增量值。其中,批量分区包含 START 的值,但是不包含 END 的值。分区的命名规则同动态分区一样。

建表时批量创建日期分区

当分区键为日期类型时,建表时通过 START、END 指定批量分区的开始日期和结束日期,EVERY 子句指定分区增量值。并且 EVERY 子句中用 INTERVAL 关键字表示日期间隔,目前仅支持日期间隔的单位为 DAY、WEEK、MONTH、YEAR。

如下示例中,批量分区的开始日期为 2021-01-01 和结束日期为 2021-01-04,增量值为一天:

CREATE TABLE site_access (
    datekey DATE,
    site_id INT,
    city_code SMALLINT,
    user_name VARCHAR(32),
    pv BIGINT DEFAULT '0'
)
ENGINE=olap
DUPLICATE KEY(datekey, site_id, city_code, user_name)
PARTITION BY RANGE (datekey) (
    START ("2021-01-01") END ("2021-01-04") EVERY (INTERVAL 1 DAY)
)
DISTRIBUTED BY HASH(site_id) BUCKETS 10
PROPERTIES (
    "replication_num" = "1" 
);

则相当于在建表语句中使用如下 PARTITION BY 子句:

PARTITION BY RANGE (datekey) (
PARTITION p20210101 VALUES [('2021-01-01'), ('2021-01-02')),
PARTITION p20210102 VALUES [('2021-01-02'), ('2021-01-03')),
PARTITION p20210103 VALUES [('2021-01-03'), ('2021-01-04'))
)

建表时批量创建不同日期间隔的日期分区

建表时批量创建日期分区时,支持针对不同的日期分区区间(日期分区区间不能相重合),使用不同的 EVERY 子句指定日期间隔。一个日期分区区间,按照对应 EVERY 子句定义的日期间隔,批量创建分区,例如:

CREATE TABLE site_access (
    datekey DATE,
    site_id INT,
    city_code SMALLINT,
    user_name VARCHAR(32),
    pv BIGINT DEFAULT '0'
)
ENGINE=olap
DUPLICATE KEY(datekey, site_id, city_code, user_name)
PARTITION BY RANGE (datekey) (
    START ("2019-01-01") END ("2021-01-01") EVERY (INTERVAL 1 YEAR),
    START ("2021-01-01") END ("2021-05-01") EVERY (INTERVAL 1 MONTH),
    START ("2021-05-01") END ("2021-05-04") EVERY (INTERVAL 1 DAY)
)
DISTRIBUTED BY HASH(site_id) BUCKETS 10
PROPERTIES (
    "replication_num" = "1"
);

则相当于在建表语句中使用如下 PARTITION BY 子句:

PARTITION BY RANGE (datekey) (
PARTITION p2019 VALUES [('2019-01-01'), ('2020-01-01')),
PARTITION p2020 VALUES [('2020-01-01'), ('2021-01-01')),
PARTITION p202101 VALUES [('2021-01-01'), ('2021-02-01')),
PARTITION p202102 VALUES [('2021-02-01'), ('2021-03-01')),
PARTITION p202103 VALUES [('2021-03-01'), ('2021-04-01')),
PARTITION p202104 VALUES [('2021-04-01'), ('2021-05-01')),
PARTITION p20210501 VALUES [('2021-05-01'), ('2021-05-02')),
PARTITION p20210502 VALUES [('2021-05-02'), ('2021-05-03')),
PARTITION p20210503 VALUES [('2021-05-03'), ('2021-05-04'))
)

建表时批量创建数字分区

当分区键为整数类型时,建表时通过 START、END 指定批量分区的开始值和结束值,EVERY 子句指定分区增量值。

说明:分区键的值需要使用英文引号包裹,而 EVERY 子句中的分区增量值不用英文引号包裹。

如下示例中,批量分区的开始值为 1 和结束值为 5,分区增量值为 1

CREATE TABLE site_access (
    datekey INT,
    site_id INT,
    city_code SMALLINT,
    user_name VARCHAR(32),
    pv BIGINT DEFAULT '0'
)
ENGINE=olap
DUPLICATE KEY(datekey, site_id, city_code, user_name)
PARTITION BY RANGE (datekey) (
    START ("1") END ("5") EVERY (1)
)
DISTRIBUTED BY HASH(site_id) BUCKETS 10
PROPERTIES (
    "replication_num" = "1"
);

则相当于在建表语句中使用如下 PARTITION BY 子句:

PARTITION BY RANGE (datekey) (
PARTITION p1 VALUES [("1"), ("2")),
PARTITION p2 VALUES [("2"), ("3")),
PARTITION p3 VALUES [("3"), ("4")),
PARTITION p4 VALUES [("4"), ("5"))
)

建表后批量创建分区

建表后,支持通过ALTER TABLE 语句批量创建分区。相关语法与建表时批量创建分区类似,通过指定 ADD PARTITIONS 关键字,以及 START、END 以及 EVERY 子句来批量创建分区。示例如下:

ALTER TABLE site_access 
ADD PARTITIONS START ("2021-01-04") END ("2021-01-06") EVERY (INTERVAL 1 DAY);