全部面试刷题微服务数据库消息队列搜索引擎大数据运维 go语言人工智能

Doris中宽表和高表有哪些使用场景？

提问者：Rae 问题分类：面试刷题

Doris中宽表和高表有哪些使用场景？

Doris面试题 Doris

发布于：3周前 (04-07) IP属地：

2 个回答

`小囡

doris高表适用于前导为实时ETL，模型变动较快，如当日有新增属性标签，纵表模型避免了做schema change相对灵活缺点：难以命中物化视图，建表时也需要考虑数据倾斜相关难点。示例如下：

-- 用户基础表
CREATE TABLE users (
  user_id BIGINT,
  base_info JSON COMMENT'基础信息（年龄、性别等）',
  update_time DATETIME
)
ENGINE=OLAP
PRIMARY KEY(user_id)
DISTRIBUTED BY HASH(user_id) BUCKETS 32;
-- 标签倒排表
CREATE TABLE tag_inverted_index (
  tag_type STRING COMMENT'标签类型（如gender/city）',
  tag_value STRING COMMENT'标签值（如male/beijing）',
  user_bitmap BITMAP COMMENT'用户集合BITMAP'
)
ENGINE=OLAP
PRIMARY KEY(tag_type, tag_value)
DISTRIBUTED BY HASH(tag_type) BUCKETS 32
PROPERTIES (
 "persistent"="true"
);

发布于：3周前 (04-07) IP属地：

忆往昔べ岁月如歌

doris宽表主要适用于前导流程为离线ETL，模型相对固定可以基于宽表模型构建物化视图，加速圈选查询效率另外宽表模型，对于基于UID查用户明细，应对高并发场景也比较友好，示例如下：

CREATE TABLE user_tags (
  user_id BIGINT COMMENT'用户ID',
  -- 基础标签
  age SMINT COMMENT'年龄',
  gender STRING COMMENT'性别',
  city_code INT COMMENT'城市编码',
  -- 兴趣标签（BITMAP存储多值）
  sports_tags BITMAP COMMENT'运动兴趣标签（1:篮球, 2:足球...）',
  -- 消费特征（JSON存储动态属性）
  consumption JSON COMMENT'{"level":"high", "brand_pref":["Nike","Adidas"]}',
  -- 更新时间
  update_time DATETIME DEFAULT CURRENT_TIMESTAMP
)
ENGINE=OLAP
PRIMARY KEY(user_id) -- 主键模型支持实时更新
DISTRIBUTED BY HASH(user_id) BUCKETS 32
PARTITION BY RANGE(update_time)(
  START ('2024-01-01') END ('2025-01-01') EVERY (INTERVAL 1 MONTH)
PROPERTIES (
 "replication_num"="3",
 "enable_persistent_index"="true"
);

发布于：3周前 (04-07) IP属地：

我来回答