【大数据】StarRocks的四种数据模型

通过上一篇博客（【大数据】初步认识StarRocks），我们对StarRocks有了一个简单的认识，这边博客呢，我们主要来学习下StarRocks的四种数据模型：明细模型 (Duplicate Key Model)、聚合模型 (Aggregate Key Model)、更新模型 (Unique Key Model) 和主键模型 (Primary Key Model)。这四种数据模型能够支持多种数据分析场景，例如日志分析、数据汇总分析、实时分析等。
补：数据模型描述数据的结构、特性、关系和约束的概念模型，常见的数据模型有层次模型、网络模型和关系模型。

一、明细模型

明细表是默认创建的表类型。如果在建表时未指定任何 key，默认创建的是明细表。
创建表时，支持定义排序键。如果查询的过滤条件包含排序键，则 StarRocks 能够快速地过滤数据，提高查询效率。明细表适用于日志数据分析等场景，支持追加新数据，不支持修改历史数据。

适用场景

1. 分析原始数据，例如原始日志、原始操作记录等。
2. 查询方式灵活，不需要局限于预聚合的分析方式。
3. 导入日志数据或者时序数据，主要特点是旧数据不会更新，只会追加新的数据。

建表语法

CREATE TABLE IF NOT EXISTS detail (
    event_time DATETIME NOT NULL COMMENT "datetime of event",
    event_type INT NOT NULL COMMENT "type of event",
    user_id INT COMMENT "id of user",
    device_code INT COMMENT "device code",
    channel INT COMMENT ""
)
DUPLICATE KEY(event_time, event_type)
DISTRIBUTED BY HASH(user_id)
PROPERTIES (
"replication_num" = "3"
);

注意：

• 建表时必须使用 DISTRIBUTED BY HASH 子句指定分桶键，否则建表失败

• 排序键：

  • 在建表语句中，排序键必须定义在其他列之前。
  • 排序键可以通过 DUPLICATE KEY 显式定义。本示例中排序键为 event_time 和 event_type。
    如果未指定，则默认选择表的前三列作为排序键。
  • 明细表中的排序键可以为部分或全部维度列。

二、聚合模型

建表时，支持定义排序键和指标列，并为指标列指定聚合函数。当多条数据具有相同的排序键时，指标列会进行聚合。在分析统计和汇总数据时，聚合表能够减少查询时所需要处理的数据，提升查询效率。

适用场景

聚合数据分析

1. 多为汇总类查询，比如 SUM、MAX、MIN等类型的查询。
2. 不需要查询原始的明细数据。
3. 旧数据更新不频繁，只会追加新的数据。

例如：

• 通过分析网站或 APP 的访问流量，统计用户的访问总时长、访问总次数。
• 广告厂商为广告主提供的广告点击总量、展示总量、消费统计等。
• 通过分析电商的全年交易数据，获得指定季度或者月份中，各类消费人群的爆款商品。

建表语法

CREATE TABLE IF NOT EXISTS example_db.aggregate_tbl (
    site_id LARGEINT NOT NULL COMMENT "id of site",
    date DATE NOT NULL COMMENT "time of event",
    city_code VARCHAR(20) COMMENT "city_code of user",
    pv BIGINT SUM DEFAULT "0" COMMENT "total page views"
)
AGGREGATE KEY(site_id, date, city_code)
DISTRIBUTED BY HASH(site_id)
PROPERTIES (
"replication_num" = "3"
);

注意：

• 建表时必须使用 DISTRIBUTED BY HASH 子句指定分桶键

• 排序键
  在建表语句中，排序键必须定义在其他列之前。
  排序键可以通过 AGGREGATE KEY 显式定义。
  排序键必须满足唯一性约束，必须包含全部维度列，并且列的值不会更新。

• 指标列：通过在列名后指定聚合函数，定义该列为指标列。一般为需要汇总统计的数据。

• 聚合函数：指标列使用的聚合函数。聚合表支持的聚合函数，请参见 CREATE TABLE。

• 查询时，排序键在多版聚合之前就能进行过滤，而指标列的过滤在多版本聚合之后。因此建议将频繁使用的过滤字段作为排序键，在聚合前就能过滤数据，从而提升查询性能。

• 建表时，不支持为指标列创建 BITMAP、Bloom Filter 等索引。

三、更新模型

建表时，支持定义主键和指标列，查询时返回主键相同的一组数据中的最新数据，更新表简化了数据导入流程，能够更好地支撑实时和频繁更新的场景。

适用场景

实时和频繁更新的业务场景，例如分析电商订单。在电商场景中，订单的状态经常会发生变化，每天的订单更新量可突破上亿。

建表语法

CREATE TABLE IF NOT EXISTS orders (
    create_time DATE NOT NULL COMMENT "create time of an order",
    order_id BIGINT NOT NULL COMMENT "id of an order",
    order_state INT COMMENT "state of an order",
    total_price BIGINT COMMENT "price of an order"
)
UNIQUE KEY(create_time, order_id)
DISTRIBUTED BY HASH(order_id)
PROPERTIES (
"replication_num" = "3"
); 

注意：

• 建表时必须使用 DISTRIBUTED BY HASH 子句指定分桶键
• 主键：
  • 在建表语句中，主键必须定义在其他列之前。
  • 主键通过 UNIQUE KEY 定义。
  • 主键必须满足唯一性约束，且列的值不会修改。
  • 设置合理的主键。
• 建表时，不支持为指标列创建 BITMAP、Bloom Filter 等索引。

四、主键模型

主键表中的主键具有唯一非空约束，用于唯一标识数据行。如果新数据的主键值与表中原数据的主键值相同，则存在唯一约束冲突，此时新数据会替代原数据。主要优势在于支撑实时数据更新的同时，也能保证高效的复杂即席查询性能。

应用场景

1. 实时对接事务型数据至 StarRocks。
2. 利用部分列更新轻松实现多流 JOIN

建表语法

CREATE TABLE orders1 (
    order_id bigint NOT NULL,
    dt date NOT NULL,
    user_id INT NOT NULL,
    good_id INT NOT NULL,
    cnt int NOT NULL,
    revenue int NOT NULL
)
PRIMARY KEY (order_id)
DISTRIBUTED BY HASH (order_id)
;

注意：

• 在建表语句中，主键列必须定义在其他列之前。
• 主键必须包含分区列和分桶列。
• 主键列支持以下数据类型：数值（包括整型和布尔）、日期和字符串。
• 单条主键值编码后的最大长度为 128 字节。
• 建表后不支持修改主键。
• 主键列的值不能更新，避免破坏数据一致性。

每种数据模型都有其特定的应用场景和优缺点，用户可以根据自己的业务需求选择合适的数据模型来构建表。在建表时，需要指定数据模型，以便StarRocks能够按照排序键对数据进行排序、处理和存储