Doris 学习

1. 知识点
   1. 概念、核心知识点

1. MPP 架构：

MPP（Massively Parallel Processing）架构，即大规模并行处理架构，是一种分布式计算架构，它允许多个节点或处理器同时执行任务，以提高计算效率和处理速度。这种架构在大数据处理、数据仓库和分析等领域中非常常见，因为它能够有效地处理大量的数据和复杂的查询操作。

MPP架构的关键特点包括：

节点并行：在MPP架构中，数据被分布存储在多个节点上，每个节点都能够独立地执行计算任务。这样，当执行查询时，所有的节点可以并行地处理数据，从而显著提高整体的处理速度。

数据本地化：为了最大化并行处理的效率，MPP架构通常会尝试将计算任务分配给存储相关数据的节点。这种方式称为数据本地化，它可以减少数据在网络中的传输，从而降低延迟并提高性能。

无共享架构：MPP系统中的每个节点都是独立工作的，它们之间没有共享内存或存储。每个节点都有自己的内存和存储资源，这样可以避免节点之间的资源竞争，提高系统的稳定性和可扩展性。

弹性和容错性：MPP架构通常具备良好的弹性和容错性。系统可以通过增加更多的节点来扩展处理能力，同时，如果某个节点发生故障，系统可以重新分配任务到其他健康的节点上，保证系统的连续运行。

高性能分析：MPP架构特别适合进行复杂的分析查询，因为它可以并行执行多个计算密集型任务。这对于数据挖掘、机器学习和其他需要大量计算的应用场景非常有用。

在实际应用中，MPP架构被用于各种高性能计算场景，如Apache Doris等数据仓库系统就采用了MPP架构来提供快速的数据分析能力。通过这种方式，企业可以更有效地利用其数据资源，实现实时的业务洞察和决策支持。

1. 向量化引擎：（列存储格式）

向量化引擎是一种数据处理技术，它通过将数据组织成列（向量）的形式来优化查询性能和资源利用效率。在传统的数据库系统中，数据通常以行（记录）为单位进行存储和处理。而在向量化引擎中，数据是按列存储的，每个列被视为一个独立的数据块，这样可以更有效地进行数据处理和压缩。 向量化引擎的主要优势包括：

内存效率：由于数据是按列存储的，向量化引擎可以利用现代CPU的SIMD（单指令多数据）功能，同时处理多个数据点，从而提高内存的使用效率。

执行速度：向量化查询可以减少CPU的指令数量，因为它们可以批量处理数据，而不是逐条记录处理。这种方式可以显著提高查询执行的速度。

减少I/O操作：向量化引擎在处理数据时，可以减少磁盘I/O操作的次数，因为它们可以更有效地加载和缓存列数据。

代码生成优化：向量化引擎可以在运行时动态生成针对特定查询的代码，这样可以进一步优化查询执行计划和性能。

并行处理：向量化引擎通常支持并行处理，可以充分利用多核处理器的能力，进一步提高数据处理的速度。 在Apache Doris等现代数据仓库系统中，向量化引擎是实现高性能分析查询的关键技术之一。通过使用向量化执行引擎，Doris能够提供快速、高效的数据分析能力，满足用户对实时大数据分析的需求。

1. FE、BE：

Frontend（FE），主要负责用户请求的接入、查询解析规划、元数据的管理、节点管理相关工作。相当于 Hadoop 的 namenode

Backend（BE），主要负责数据存储、查询计划的执行。相当于 Hadoop 的 datanode。

1. 数据模型

Aggregate模型 ：聚合模型（优势及其局限性）

Unique模型 ：唯一键模型（写时合并）

Duplicate模型 ：明细模型

1. 数据划分

Row & Column：行与列

Row：即用户的一行数据；

Column： 用于描述一行数据中不同的字段。Column 可以分为两大类：Key 和 Value。从业务角度看，Key 和 Value 可以分别对应维度列和指标列。Doris的key列是建表语句中指定的列，建表语句中的关键字'unique key'或'aggregate key'或'duplicate key'后面的列就是key列，除了key列剩下的就是value列。从聚合模型的角度来说，Key 列相同的行，会聚合成一行。其中 Value 列的聚合方式由用户在建表时指定。

Tablet & Partitio数据分片

用户数据被水平划分为若干个数据分片（Tablet，也称作数据分桶）。每个 Tablet 包含若干数据行。各个 Tablet 之间的数据没有交集，并且在物理上是独立存储的。多个 Tablet 在逻辑上归属于不同的分区（Partition）。一个 Tablet 只属于一个 Partition。而一个 Partition 包含若干个 Tablet。因为 Tablet 在物理上是独立存储的，所以可以视为 Partition 在物理上也是独立。Tablet 是数据移动、复制等操作的最小物理存储单元。多个Partition组合成一个Table。

分区分桶建议