Apache Doris 基础 -- 数据表设计（模式更改）

chinusyan2024-06-10 22:38

用户可以通过schema Change操作修改现有表的模式。表的模式主要包括对列的修改和对索引的修改。这里我们主要介绍与列相关的Scheme更改。对于与索引相关的更改，可以查看数据表设计/表索引，查看每个索引的更改方法。

1、术语

  • 基本表（Base Table）：创建每个表时，它对应于一个基表。
  • Rollup：基于基表或其他上Rollup创建的上Rollup表。
  • Index： 物化索引（materialized index）。汇总（Rollup ）表或基表都称为物化索引。
  • Transaction：每个导入任务都是一个事务，每个事务都有一个惟一的递增事务ID。

2、介绍

Light Schema Change

在介绍之前，有必要了解Apache Doris 1.2.0版本之前的三个Schema Change实现，它们都是异步的:

  • 硬链接模式更改 （Hard Linked Schema Change） 主要对值列进行加减操作，不需要修改数据文件。
  • 直接模式更改 （Direct Schema Change）主要用于更改值列的类型，需要重写数据，但不涉及键列，也不需要重新排序。
  • 排序模式更改 （Sort schema change ）主要用于键列模式更改，因为键列加/减/修改类型等操作会影响现有数据的排序，所以需要将数据再次读出，修改，然后排序。

自Apache Doris 1.2.0以来，对于第一种类型，已经引入了轻量级模式更改(light schema change)的新特性 。新的轻型模式更改允许在毫秒内完成值列的加减。从Apache Doris 2.0.0开始，默认情况下，所有新创建的表都支持轻模式更改。

除了添加和删除value列之外，其他类型的模式更改的主要原则如下 ：

执行模式更改的基本过程是从原始表/Index数据中的数据/Index生成新的模式表。数据转换主要有两部分，一部分是对已有历史数据的转换，另一部分是对执行模式更改时新导入的数据进行转换。

sql 复制代码 
+----------+
| Load Job |
+----+-----+
     |
     | Load job generates both origin and new Index data
     |
     |      +------------------+ +---------------+
     |      | Origin Index     | | Origin Index  |
     +------> New Incoming Data| | History Data  |
     |      +------------------+ +------+--------+
     |                                  |
     |                                  | Convert history data
     |                                  |
     |      +------------------+ +------v--------+
     |      | New Index        | | New Index     |
     +------> New Incoming Data| | History Data  |
            +------------------+ +---------------+

在开始转换历史数据之前，Doris将获取一个最新的事务ID，并等待该事务ID完成之前的所有导入事务。这个事务ID成为一个分水岭。这意味着Doris确保分水岭之后的所有导入任务将同时为原始表/索引和新表/索引生成数据。这样，当历史数据转换完成后，就可以保证新表中的数据是完整的。

创建模式更改的特定语法可以在帮助ALTER TABLE COLUMN的模式更改部分中找到。

3、将位于指定位置的列添加到指定索引

sql 复制代码 
ALTER TABLE table_name ADD COLUMN column_name column_type [KEY | agg_type] [DEFAULT "default_value"]
[AFTER column_name|FIRST]
[TO rollup_index_name]
[PROPERTIES ("key"="value", ...)]
  • 对于aggregate 模型，如果添加值列，则指定agg_type。
  • 对于非聚合模型(例如，DUPLICATE KEY)，如果添加键列，请指定KEY关键字。
  • 不能在 Rollup Index 中增加 Base Index 中已经存在的列（如有需要，可以重新创建一个 Rollup Index）。

Examples

  1. 在example_rollup_index的col1之后添加一个键列new_col(非聚合模型)
sql 复制代码 
ALTER TABLE example_db.my_table
ADD COLUMN new_col INT KEY DEFAULT "0" AFTER col1
TO example_rollup_index;
  1. 向example_rollup_index添加一个值列new_col(非聚合模型)，它在col1之后的默认值为0
sql 复制代码 
ALTER TABLE example_db.my_table   
ADD COLUMN new_col INT DEFAULT "0" AFTER col1    
TO example_rollup_index;
  1. 在example_rollup_index的col1之后添加一个键列new_col(聚合模型)
sql 复制代码 
ALTER TABLE example_db.my_table   
ADD COLUMN new_col INT DEFAULT "0" AFTER col1    
TO example_rollup_index;
  1. 向example_rollup_index添加col1之后具有SUM 聚合类型(聚合模型)的值列new_col
sql 复制代码 
ALTER TABLE example_db.my_table   
ADD COLUMN new_col INT SUM DEFAULT "0" AFTER col1    
TO example_rollup_index;

4、向指定索引添加多个列

sql 复制代码 
ALTER TABLE table_name ADD COLUMN (column_name1 column_type [KEY | agg_type] DEFAULT "default_value", ...)
[TO rollup_index_name]
[PROPERTIES ("key"="value", ...)]
  • 对于聚合模型，如果添加值列，则指定agg_type。
  • 对于聚合模型，如果添加键列，请指定KEY 关键字。(?)
  • 不能向基本索引中已经存在的rollup索引添加列(如果需要，可以创建新的rollup索引)。

Example

向example_rollup_index添加多个列(聚合模型):

sql 复制代码 
ALTER TABLE example_db.my_table
ADD COLUMN (col1 INT DEFAULT "1", col2 FLOAT SUM DEFAULT "2.3")
TO example_rollup_index;

5、从指定索引中删除列

sql 复制代码 
ALTER TABLE table_name DROP COLUMN column_name
[FROM rollup_index_name]
  • 不能删除分区列。
  • 如果是从 Base Index 中删除列，则如果 Rollup Index 中包含该列，也会被删除

Example

从example_rollup_index中删除col2列:

sql 复制代码 
ALTER TABLE example_db.my_table
DROP COLUMN col2
FROM example_rollup_index;

6、修改指定索引的列类型和位置

sql 复制代码 
ALTER TABLE table_name MODIFY COLUMN column_name column_type [KEY | agg_type] [NULL | NOT NULL] [DEFAULT "default_value"]
[AFTER column_name|FIRST]
[FROM rollup_index_name]
[PROPERTIES ("key"="value", ...)]
  • 对于聚合模型，如果修改值列，则指定agg_type。
  • 对于非聚合模型，如果修改键列，请指定KEY 关键字。
  • **只有列类型可以修改，其他列属性保持不变(**即，其他属性需要显式写入语句中，参见例8)。
  • 不能修改分区列和桶列。
  • 目前支持以下类型转换(用户需要保证精度损失):
    • 从TINYINT/SMALLINT/INT/BIGINT/LARGEINT/FLOAT/DOUBLE转换为更大的数字类型。
    • 从TINYINT/SMALLINT/INT/BIGINT/LARGEINT/FLOAT/DOUBLE/DECIMAL 到VARCHAR的转换。
    • 修改VARCHAR的最大长度
    • 从VARCHAR/CHAR 转换为TINYINT/SMALLINT/INT/BIGINT/LARGEINT/FLOAT/DOUBLE。
    • 从VARCHAR/CHAR 到DATE 的转换（支持六种格式:"%Y-%m-%d", "%y-%m-%d", "%Y%m%d", "%y%m%d", "%Y/%m/%d", "%y/%m/%d"）
    • 从DATETIME 转换到DATE （仅保留年-月-日信息，例如:2019-12-09 21:47:05 <--> 2019-12-09）
    • 从DATE 到DATETIME 的转换（自动为小时、分钟和秒添加零，例如:2019-12-09 <--> 2019-12-09 00:00:00）
    • 从FLOAT 到DOUBLE 的转换
      • 从INT 到DATE 的转换（如果INT类型数据无效，转换失败，原始数据保持不变）。
      • 除了DATE 和DATETIME 以外的所有类型都可以转换为STRING ，但是STRING不能转换为其他类型。

Examples

  1. 修改基索引中键列col1的列类型为BIGINT ，并将其移动到列col2之后
sql 复制代码 
ALTER TABLE example_db.my_table 
MODIFY COLUMN col1 BIGINT KEY DEFAULT "1" AFTER col2;

注意:无论是修改键列还是值列，都需要声明完整的列信息。

  1. 修改Base Index中列val1的最大长度。原来的val1是(val1 VARCHAR(32) REPLACE DEFAULT "abc")
sql 复制代码 
ALTER TABLE example_db.my_table 
MODIFY COLUMN val1 VARCHAR(64) REPLACE DEFAULT "abc"

注意:在保持列的其他属性不变的情况下，只能修改列的类型。

  1. 修改duplicate key 表的键列中字段的长度
sql 复制代码 
alter table example_tbl modify column k3 varchar(50) key null comment 'to 50'

7、为指定索引重新排序列

sql 复制代码 
ALTER TABLE table_name ORDER BY (column_name1, column_name2, ...)
[FROM rollup_index_name]
[PROPERTIES ("key"="value", ...)]
  • 应该列出索引中的所有列
  • 值列在键列之后。

Example

重新排序索引example_rollup_index中的列(假设原始列顺序为:k1、k2、k3、v1、v2)。

sql 复制代码 
ALTER TABLE example_db.my_table
ORDER BY (k3,k1,k2,v2,v1)
FROM example_rollup_index;

8、在一次提交中执行多个更改

模式更改可以在单个作业中修改多个索引。

Example 1

可以使用以下命令将列k4 添加到rollup1和rollup2，并将列k5 添加到rollup2:

sql 复制代码 
ALTER TABLE tbl1
ADD COLUMN k4 INT default "1" to rollup1,
ADD COLUMN k4 INT default "1" to rollup2,
ADD COLUMN k5 INT default "1" to rollup2;

完成后，模式变为:

如所见，基表tbl1自动包含列k4和k5。添加到rollup中的任何列都将自动添加到基表中。

此外，不允许向rollup 中添加已经存在于基表中的列。如果用户需要这样做，他们可以使用附加列创建一个新的汇总，然后删除原始的汇总。

Example 2

sql 复制代码 
ALTER TABLE example_db.my_table
ADD COLUMN v2 INT MAX DEFAULT "0" AFTER k2 TO example_rollup_index,
ORDER BY (k3,k1,k2,v2,v1) FROM example_rollup_index;

9、修改列名称

sql 复制代码 
ALTER TABLE RENAME COLUMN old_column_name new_column_name;

10、检查作业状态

模式更改的创建是一个异步过程 。作业提交成功后，用户需要使用SHOW ALTER TABLE COLUMN命令查看作业的进度。

SHOW ALTER TABLE COLUMN允许您查看当前正在执行或已完成的模式更改作业。当模式更改作业涉及多个索引时，该命令将显示多行，每行对应一个索引。例如:

sql 复制代码 
mysql SHOW ALTER TABLE COLUMN\G;
*************************** 1. row ***************************
        JobId: 20021
    TableName: tbl1
   CreateTime: 2019-08-05 23:03:13
   FinishTime: 2019-08-05 23:03:42
    IndexName: tbl1
      IndexId: 20022
OriginIndexId: 20017
SchemaVersion: 2:792557838
TransactionId: 10023
        State: FINISHED
          Msg: 
     Progress: NULL
      Timeout: 86400
1 row in set (0.00 sec)

  • JobId:每个模式修改作业的唯一ID。

  • TableName:与模式更改相关联的基表的名称。

  • CreateTime:作业创建时间。

  • FinishTime :任务完成时间。如果未完成，则显示"N/A"。

  • IndexName:要修改的索引的名称。

  • IndexId:新索引的唯一ID。

  • OriginIndexId:旧索引的唯一ID。

  • SchemaVersion:以M:N的格式显示，其中M表示schema change 变更的版本，N表示对应的哈希值。版本随着每次模式更改而增加。

  • TransactionId: 转换历史数据的分水岭 Transaction ID。

  • State：当前工作的状态。

    • PENDING:该作业正在等待调度队列中。
    • WAITING_TXN:等待边界事务ID完成前的导入任务。
    • RUNNING:正在进行历史数据转换。
    • FINISHED:工作成功完成。
    • CANCELLED:作业被取消。

  • Msg:如果任务失败，该字段显示失败消息。

  • Progress : 工作进展。只有状态为RUNNING 时才会显示。进度以M/N的格式显示，其中N是模式更改中涉及的副本总数，M是完成历史数据转换的副本数量。

  • Timeout：作业超时(以秒为单位)。

11、取消作业

当任务状态不是FINISHED 或CANCELLED时，可以使用以下命令取消模式修改任务:

sql 复制代码 
CANCEL ALTER TABLE COLUMN FROM tbl_name;

说明

  • 一次只能在一个表上运行一个模式更改作业。
  • 模式更改操作不会阻塞导入和查询操作。
  • 不能修改分区列和桶列。
  • 如果模式包含使用REPLACE方法聚合的值列，则不允许删除键列。
  • 如果键列被删除，Doris无法确定REPLACE列的值。
  • Unique 数据模型表的所有非 Key 列都是 REPLACE 聚合方式。
  • 在添加聚合类型为SUM或REPLACE的值列时，该列的默认值对于历史数据没有任何意义。
  • 由于历史数据丢失了详细信息，默认值不能反映实际的聚合值。
  • 修改列类型时，除type外的所有字段都需要根据原列的信息填写。
  • 例如，要将列k1 从INT SUM NULL DEFAULT "1"修改为BIGINT，命令如下:ALTER TABLE tbl1 MODIFY COLUMN k1 BIGINT SUM NULL DEFAULT "1";
  • 请注意，除了新的列类型之外，聚合方法、可空属性和默认值等其他属性都应该根据原始信息完成。
  • 不支持修改聚合类型、可空属性、默认值或列注释。

FAQs

模式更改的执行速度

对于轻型模式更改(例如添加或删除Value列)，执行速度可以在毫秒范围内。对于其他类型的Schema Change，在最坏的情况下，执行速度估计在10MB/s左右。作为保守的度量，用户可以根据这个速度设置作业超时。

错误:提交作业时提示"Table xxx is not stable"

只有当表数据完成且处于平衡状态时，才能启动Schema Change。如果表的某些数据分片副本不完整，或者某些副本正在进行平衡操作，则提交将被拒绝。使用命令查看数据分片副本是否完成。

sql 复制代码 
SHOW REPLICA STATUS FROM tbl WHERE STATUS != "OK";

如果返回任何结果，则表明副本存在问题。通常，系统将自动修复这些问题，但用户可以使用以下命令优先修复特定表:

sql 复制代码 
ADMIN REPAIR TABLE tbl1;

使用实例查询是否有正在运行的均衡任务。

sql 复制代码 
SHOW PROC "/cluster_balance/pending_tablets";

等待均衡任务完成或暂时停止均衡操作。

sql 复制代码 
ADMIN SET FRONTEND CONFIG ("disable_balance" = "true");

配置

FE 配置

  • alter_table_timeout_second:作业的默认超时时间，设置为86400秒。

BE 配置

  • alter_tablet_worker_count ：BE端用于执行历史数据转换的线程数。默认值是3。如果希望加速Schema Change作业，可以增大此参数并重新启动BE。然而，拥有太多的转换线程可能会增加IO压力并影响其他操作。该线程与Rollup作业共享。
  • alter_index_worker_count ：BE端用于在历史数据上构建索引的线程数(目前只支持倒排索引)。默认值是3。如果要加速Index Change作业，可以增大此参数并重新启动BE。但是，线程太多可能会增加IO压力并影响其他操作。

更多细节

有关Schema Change的更详细语法和最佳实践，请参阅ALTER TABLE COLUMN命令手册。您也可以在MySQL客户端命令行中输入HELP ALTER TABLE COLUMN获取更多帮助信息。

相关推荐
chinusyan3 个月前
Apache Doris 基础 -- 数据表设计（分层存储）
apache doris
chinusyan3 个月前
Apache Doris 基础 -- 部分数据类型及操作
apache doris
chinusyan3 个月前
Apache Doris 基础 -- 数据表设计（使用AUTO_INCREMENT）
apache doris
chinusyan3 个月前
Apache Doris 基础 -- 数据表设计（表索引）
apache doris
SelectDB技术团队8 个月前
Apache Doris 2.0.4 版本正式发布
大数据·数据库·数据仓库·数据分析·apache·apache doris
SelectDB技术团队8 个月前
Apache Doris 聚合函数源码阅读与解析｜源码解读系列
大数据·数据库·数据仓库·数据分析·apache doris
终回首10 个月前
Apache Doris安装部署
apache·olap·实时数仓·apache doris
趴着喝可乐10 个月前
CentOS7安装部署StarRocks
starrocks·apache doris
舒一笑10 个月前
Apache Doris 是什么
apache·apache doris
热门推荐
01软件工程从理论到实践客观题汇总(头歌第一章至第八章)02RAG 实践- Ollama+RagFlow 部署本地知识库032024年高教社杯数学建模国赛C题超详细解题思路分析04【halcon】halcon字符识别——OCR05组基轨迹建模 GBTM的介绍与实现（Stata 或 R）06【2024数模国赛赛题思路公开】国赛B题思路丨附可运行代码丨无偿自提072024年网络安全比赛--系统渗透测试（超详细）08苍穹外卖面试总结09【2024高教社杯全国大学生数学建模竞赛】B题 生产过程中的决策问题——解题思路 代码 论文10分享几个惊艳的 Three.js 个人站点