doris 建表规范（一）

建什么表？

doris 有三大表模型，分别为 Duplicate 模型（明细模型）、Aggregate 模型（聚合模型）、Unique 模型（唯一模型），具体要创建哪种类型的表模型，取决于数据场景。

其中：

• Duplicate 模型

适用于原始数据存储、海量数据存储等场景，特点是无预聚合。

• Aggregate 模型

适用于报表统计、指标分析等场景，特点是预聚合、查询性能好、节省存储。

• Unique 模型

适用于用户画像，维表等场景，特点是有主键，支持更新操作。

建不建分区？

doris 支持创建分区，但是，是否需要创建分区还是要看数据场景。

比如说：

维表、数据量较小的表一般不需要创建分区。

只有一天的、每日全量更新的数据，不需要创建分区，创建了分区反而会产生大量的空分区，造成元数据爆炸。

其他数据场景，推荐创建分区。

怎么建分桶？

doris 表存储按照分桶（Tablet）进行，分桶的设计方式与查询性能密切相关。因此，分桶的设计方案非常重要。

doris 创建表时，即使你不指定分桶，它也会默认创建分桶。

但是，很遗憾，doris 表创建时的默认分桶设计方案并不是最优的。

比如说：

doris 默认分桶列为表的第一个字段，而表的第一个字段一般为日期，离线 T-1 场景下，分桶字段为一个值 **Hash(day_id) % BUCKETS_NUM**。这意味着，同一天的所有数据都会放入同一个分桶，这个分桶的主副本位于哪个 BE 节点上，那个 BE 节点会承担几乎所有的写入负载和数据存储，这个 BE 节点异常繁忙，磁盘I/O、网络、CPU压力都很大。但是，另外的 BE 节点却只能眼睁睁的看着他干活，这就是典型的数据倾斜。

那么，我们该怎么设计分桶呢？这里有几个最佳实践可以参考：

1、选择数据列中取值丰富、分布均匀的列作为分桶列，比如 user_id, order_id, device_no。

2、分桶数 BUCKETS 应为 2 的 N 次方。

3、单个 Bucket 的数据量：推荐在 100MB 到 1GB 之间（压缩后）。

4、小表：直接设置 BUCKETS 1。

5、分桶数避免设置为质数。

6、分桶数是 BE 数的较小整数倍。（与第2条冲突时，选择最接近的 N 次方）