GBASE使用手册

新建表

哈希分布表

将表中某列指定为哈希分布列，然后将数据按照哈希算法的取值存储到不同的节点上。每个节点上只存储一部分数据。这种存储策略，将大表数据进行分拆，实现分布式存储，是大型数据中心最常用的数据分布方式。

HASH分布列选取规则

• 尽量选择count(distinct)值大的列做Hash分布列，让数据均匀分布。
• 优先考虑大表间的JOIN，尽量让大表JOIN条件的列为Hash分布列（相关子查询的相关JOIN也可以参考此原则），以使得大表间的JOIN可以直接分布式执行。
• 其次考虑GROUP BY，尽量让GROUP BY带有Hash分布列，让分组聚合一步完成。
• 通常是等值查询的列，并且使用的频率很高的应考虑建立为hash分布列。
• 选择某数据列随机性很大的字段，避免部分节点的热查询。

注意事项

• hash分布键只能选择 1 个。
• hash分布键只能选择varchar字符型和int等整数类型的列。
• 作为hash分布列的列不能进行update。
• HASH分布列不允许设置 default 值。
• 尽量保持hash join的等值关联列在类型定义上完全相同，如char和varchar类型进行关联，可能出现结果为空情况，原因是char型不足最大长度时用空格补齐，varchar则没有空格，如果关联则需要trim空格。
• 另外，由于GBase 8a MPP Cluster是列存储的集群架构，因此当列数较多，访问的数据记录又非常离散时，会造成大量的离散I/O，严重影响查询性能。 GBase 8a MPP Cluster提供行列混存功能，即通过存储冗余行的信息，提高I/O性能。

举例

create table IF NOT EXISTS TB_DW_AC_ACCT_DETAIL_BILL_SUM(

ACCT_ITEM_ID VARCHAR(5) comment '帐目编码',

USER_ID VARCHAR(13) comment '用户编码',

CREATE_TIME DATETIME comment '生成时间',

BEGIN_TIME DATETIME comment '帐单开始时间',

END_TIME DATETIME comment '帐单截止时间',

RECEIVABLE_FEE int comment '应收费用',

FAV_FEE int comment '优惠费用',

ACCT_CYCLE_ID int comment '帐务周期编码',

FAV_ID VARCHAR(1) comment '优惠编码',

BILL_TYPE_ID VARCHAR(1) comment '帐单类型',

ACCT_ID VARCHAR(12) comment '帐户标识',

TAX_RATE int comment '<2G',

TAX_FEE bigint comment '',

TAX_OFF_FEE bigint comment ''

) DISTRIBUTED BY ('USER_ID');

复制表

复制表在集群的每个节点都保存一份全量数据，再与其它表进行关联查询时可以直接在本节点上完成，无需与其它节点进行交互，因此性能最优。但由于各个节点上数据完全相同，导致存储空间增加。

一般数据量初始化后比较固定、数据量相对大表比较小（比如百万条记录以下级别的）的表，可以创建为复制表；常见的有编码表、维表等。

说明

复制表表名尾部不允许是_n{number}编号，例如， mytable_n1,mytable_n12 是不允许使用的，因为GBase集群的分布表在gnode的层以_n{number}的表名进行数据的存储和管理；如果复制表以_n{number}的形式命名，就有可能造成gnode层的表冲突和混乱。

例如

复制表命名为mytab_n1，那么再创建分布表mytab时，在sg01组的gnode中就会出现mytab_n1表的冲突。

举例

create table IF NOT EXISTS TB_DW_DIC_ZC_SERVICEGROUP_ID(
  		  serv_id1   BIGINT comment '业务大类ID',
			  serv_name1 VARCHAR(256) comment '业务大类名称',
			  serv_id2   BIGINT comment '业务小类ID'
			  serv_name2 VARCHAR(256) comment '业务小类名称',
			  serv_id3   BIGINT comment '源自业务ID',
			  serv_name3 VARCHAR(256) comment '源自业务名称',
			  serv_type  VARCHAR(256) comment '业务类型'
		) REPLICATED;

建议

100万数据以上建哈希分布表

100万以下建复制表

新建、删除分区

分区表增加分区

gbase> alter table pt add partition(partition p2 values less than(30));

gbase> alter table pt add partition (partition p3 values less than maxvalue);

分区表删除分区

gbase> alter table pt drop partition p1;

--删除分区会直接删除分区中的数据

PS：为提高效率，减少分区个数，建议按月作为分区

CREATE TABLE dw.dws_user_icms_fact_klnb_crdt_appl_loan_cur_test5(
  appl_id varchar(57) DEFAULT NULL COMMENT '申请号',
  txn_sn_no varchar(120) DEFAULT NULL COMMENT '交易流水号',
  …… 
  day date DEFAULT NULL
) distributed by ('appl_id')
 PARTITION BY RANGE (day)
(PARTITION part_202101 VALUES LESS THAN (20210131) TABLESPACE = 'sys_tablespace' ENGINE = EXPRESS,
 PARTITION part_202102 VALUES LESS THAN (20210228) TABLESPACE = 'sys_tablespace' ENGINE = EXPRESS,
 ……)

常用命令

新建测试表
gbase> CREATE TABLE t (a int NOT NULL DEFAULT 1, b varchar(10));
一：增加列
gbase> ALTER TABLE t ADD column c varchar(10) null; 

二：删除列
gbase> ALTER TABLE t DROP column b; 

三：修改表名称
gbase> alter table t rename ttt;
或者
gbase> rename table ttt to t;

四：修改列名称
gbase> alter table ttt change c d varchar(10);
c:原字段名
d:新字段名

五：变更列的位置至最前
gbase> alter table ttt modify d varchar(10) first;

六：变更某列的位置到指定列的后面
gbase> alter table ttt modify d varchar(10) after a;

新建分区表
gbase> create table pt (i int ,c varchar(10),d date) partition by range(i) ( partition p0 values less than(10),partition p1 values less than(20));
七：分区表增加分区
gbase> alter table pt add partition(partition p2 values less than(30));
gbase> alter table pt add partition (partition p3 values less than maxvalue);

八：分区表删除分区
gbase> alter table pt drop partition p1;
--删除分区会直接删除分区中的数据

九：删除hash列
删除表定义中的哈希列定义，使得表变为随机分布表
gbase> drop distributed column on testtt;

十：修改表的预租磁盘
gbase> alter table wh autoextend on next 2M;

十一：关闭表的预租磁盘
gbase> alter table wh autoextend off;