Doris-----Aggregate 聚合模型及案例实现

Aggregate 模型

是相同key的数据进行自动聚合的表模型。表中的列按照是否设置了 AggregationType，分为 Key（维度列）和 Value（指标列），没有设置 AggregationType 的称为 Key，设置了 AggregationType 的称为 Value。当我们导入数据时，对于 Key 列相同的行会聚合成一行，而 Value 列会按照设置的AggregationType 进行聚合。AggregationType 目前有以下四种聚合方式：

• SUM：求和，多行的 Value 进行累加。

• REPLACE：替代，下一批数据中的 Value 会替换之前导入过的行中的 Value。

• REPLACE_IF_NOT_NULL ：当遇到 null 值则不更新。

• MAX：保留最大值。

• MIN：保留最小值。

有如下场景：需要创建一个表，来记录公司每个用户的每一次消费行为信息，有如下字段

用户id	数据插入日期	城市	年龄	性别	访问时间	每次消费金额	用户的停留时长
10000	2017/10/1	北京	20	0	2017/10/01 06:00:00	20	10
10000	2017/10/1	北京	20	0	2017/10/01 07:00:00	15	2
10000	2017/10/1	北京	20	0	2017/10/01 08:00:00	30	15
10001	2017/10/1	北京	30	1	2017/10/01 17:05:45	2	22

而且，公司对这份数据，特别关心一个报表

每一个用户最后一次访问我们页面的时间，用户消费的总金额，用户停留在我们页面上的最大最小时长

用户id	数据插入日期	城市	年龄	性别	最后一次访问的时间	该用户的总消费额	该用户的最大停留时长	该用户的最小停留时长
10000	2017/10/1	北京	20	0	2017/10/01 08:00:00	65	15	2
10001	2017/10/1	北京	30	1	2017/10/01 17:05:45	2	22	22

 每次要看这个报表，都需要在“明细表”上运行一个统计sql

Select
    user_id,data,city,age,gender,
    max(visit_data) as last_visit_data,
    sum(cost) as cost,
    max(dwell_time) as max_dwell_time,
    min(dwell_time) as min_dwell_time
From  t
Group by  user_id,data,city,age,gender  -- 对应的是聚合模型型key

 聚合模型

用户id	数据插入日期	城市	年龄	性别	最后一次访问的时间	该用户的总消费额	该用户的最大停留时长	该用户的最小停留时长
10000	2017/10/1	北京	20	0	2017/10/01 08:00:00	65	15	2
10001	2017/10/1	北京	30	1	2017/10/01 17:05:45	2	22	22

 sql示例：

-- 这是一个用户消费和行为记录的数据表
CREATE TABLE IF NOT EXISTS test.ex_user
(
 `user_id` LARGEINT NOT NULL COMMENT "用户 id",
 `date` DATE NOT NULL COMMENT "数据灌入日期时间",
 `city` VARCHAR(20) COMMENT "用户所在城市",
 `age` SMALLINT COMMENT "用户年龄",
 `sex` TINYINT COMMENT "用户性别",
 
 `last_visit_date` DATETIME REPLACE  DEFAULT "1970-01-01 00:00:00" COMMENT "用户最后一次访问时间",
 `cost` BIGINT SUM DEFAULT "0" COMMENT "用户总消费",
 `max_dwell_time` INT MAX DEFAULT "0" COMMENT "用户最大停留时间",
 `min_dwell_time` INT MIN DEFAULT "99999" COMMENT "用户最小停留时间" 
 )
ENGINE=olap
AGGREGATE KEY(`user_id`, `date`, `city`, `age`, `sex`)
-- 分区
-- 分桶
DISTRIBUTED BY HASH(`user_id`) BUCKETS 1;

 向表中插入部分数据

insert into test.ex_user values\
(10000,'2017-10-01','北京',20,0,'2017-10-01 06:00:00',20,10,10),\
(10000,'2017-10-01','北京',20,0,'2017-10-01 07:00:00',15,2,2),\
(10001,'2017-10-01','北京',30,1,'2017-10-01 17:05:45',2,22,22),\
(10002,'2017-10-02','上海',20,1,'2017-10-02 12:59:12',200,5,5),\
(10003,'2017-10-02','广州',32,0,'2017-10-02 11:20:00',30,11,11),\
(10004,'2017-10-01','深圳',35,0,'2017-10-01 10:00:15',100,3,3),\
(10004,'2017-10-03','深圳',35,0,'2017-10-03 10:20:22',11,6,6);

 查看数据的时候发现，数据只剩下6条了，就是因为再key相同的时候，将后面的结果聚合了

 案例实现

 例题

-- 数据
订单id,userId，商品id，购买件数，支付的金额，订单日期
1,u01,p01,2,20,2022-12-01
1,u01,p02,1,10,2022-12-01
1,u01,p01,1,10,2022-12-01
2,u02,p03,2,40,2022-12-01


需求：
创建一个doris的聚合模型的表，插入上述明细数据后，自动聚合出如下结果：

订单日期，订单id，userId，商品id，购买得总件数，支付总额

key是什么？
value是什么？


要求：
按天分区（每天一个分区）
每个分区要划分成2个桶
表的数据需要保存2个副本
表的数据初始存储介质指定为SSD
设置冷却时间为2023年6月5日18点

-- 建表语句

create table order_1
(
    `date` date COMMENT "日期时间",
    `oid` bigint COMMENT "订单id",
    `userid` varchar(255) COMMENT "用户id",
    `spid` varchar(255) COMMENT "商品id",
    `total` int sum COMMENT "商品总数",
    `pay` int sum COMMENT "支付总金额"

)
ENGINE=olap
AGGREGATE KEY(`date`,`oid`,`userid`,`spid`)
partition by range(`date`)
    (
        partition `p20221201` values less than ("2022-12-02"),
        partition `p20221202` values less than ("2022-12-03"),
        partition `p20221203` values less than ("2022-12-04")
    )
DISTRIBUTED BY HASH(`userid`) BUCKETS 2
properties(
    "replication_num"="2",
    "storage_medium" = "SSD"

);



-- 插入数据
insert into order_1 values
('2022-12-01',1,'u01','p01',2,20),
('2022-12-01',1,'u01','p02',1,10),
('2022-12-01',1,'u01','p01',1,10),
('2022-12-01',2,'u02','p03',2,40);