Doris 数据划分实战：List 分区、分桶列与桶数选择

1. List 分区示例：按地区划分数据

List 分区适合取值集合明确、离散的字段，例如地区、业务线、租户类型等。与 Range 分区按连续区间切分不同，List 分区通过枚举值精确匹配，只有命中枚举值的数据才能写入对应分区。

sql 复制代码

CREATE TABLE IF NOT EXISTS demo.user_visit_list
(
    `user_id`     BIGINT      NOT NULL COMMENT '用户 ID',
    `dt`          DATE        NOT NULL COMMENT '业务日期',
    `city`        VARCHAR(32) NOT NULL COMMENT '城市',
    `visit_count` BIGINT      SUM DEFAULT '0' COMMENT '访问次数'
)
ENGINE = OLAP
AGGREGATE KEY(`user_id`, `dt`, `city`)
PARTITION BY LIST(`city`)
(
    PARTITION `p_north` VALUES IN ('Beijing', 'Tianjin'),
    PARTITION `p_east`  VALUES IN ('Shanghai', 'Hangzhou'),
    PARTITION `p_south` VALUES IN ('Guangzhou', 'Shenzhen')
)
DISTRIBUTED BY HASH(`user_id`) BUCKETS 4
PROPERTIES
(
    "replication_num" = "1"
);

只有 city 命中某个分区枚举值时，数据才能写入。例如 Beijing 会进入 p_north，而没有定义的 Chengdu 无法命中以上任何分区，写入会失败。

1.1 增加一个西部地区分区

sql 复制代码

ALTER TABLE demo.user_visit_list
ADD PARTITION `p_west` VALUES IN ('Chengdu', 'Chongqing')
DISTRIBUTED BY HASH(`user_id`) BUCKETS 4;

1.2 删除一个分区

sql 复制代码

ALTER TABLE demo.user_visit_list
DROP PARTITION `p_east`;

删除分区会连同该分区内的全部数据一起移除，因此在大批量历史数据清理场景中，删分区通常比逐行 DELETE 更高效。

2. 分桶列与桶数怎么选

2.1 分桶列

分桶列通常选择：

经常出现在等值查询条件中的列，例如 WHERE user_id = 1001；
基数较高、取值较均匀的列；
不容易造成大量数据集中到少数桶中的列。

本例选择：

sql 复制代码

DISTRIBUTED BY HASH(`user_id`) BUCKETS 4

相同 user_id 会通过稳定的 Hash 规则落入对应桶中。分区表的 Hash 分桶规则会在每个分区内部分别应用，因此本例每个分区都有 4 个 Tablet。

2.2 桶数

本地练习可从 1～4 个桶开始：

数据很少、只验证语法：1 个桶即可；
想观察 Tablet 和分桶：可使用 4 个桶；
不要因为生产环境桶数较多，就在单机小数据测试中照搬几十或几百个桶。

如果 Range 表有 3 个分区、每个分区 4 个桶、副本数为 1，则可近似理解为：

text 复制代码

3 个 Partition × 4 个 Tablet × 1 个 Replica = 12 个 Tablet 副本

这些副本全部存放在唯一的 BE 上，因此增加桶数不会带来跨 BE 的并行能力或高可用能力。

3. 多列分区

Doris 支持使用多列进行 Range 或 List 分区。比较时按列顺序进行，理解和维护成本更高，入门阶段建议优先使用单列分区。

多列 List 示例：

sql 复制代码

PARTITION BY LIST(`tenant_id`, `city`)
(
    PARTITION `p1` VALUES IN (('1', 'Beijing'), ('1', 'Shanghai')),
    PARTITION `p2` VALUES IN (('2', 'Beijing'), ('2', 'Shanghai'))
)

4. 什么时候使用"分区 + 分桶"

适合使用两层划分的常见场景：

按时间管理数据：按天或按月建分区，查询时利用分区裁剪。
定期清理历史数据：直接删除过期分区，比逐行删除更适合大批量历史数据清理。
不同周期数据量差异较大：可为不同分区规划不同桶数。
需要控制单个 Tablet 的数据量：在分区内部继续分桶，避免一个逻辑分片过大。

如果表非常小、没有历史分区管理需求，可以不显式分区，只保留 Hash 分桶。

5. 查看与验证

查看 BE 节点：

sql 复制代码

SHOW BACKENDS;

查看建表语句：

sql 复制代码

SHOW CREATE TABLE demo.user_visit_range;

查看分区：

sql 复制代码

SHOW PARTITIONS FROM demo.user_visit_range;

查看 Tablet 分布：

sql 复制代码

SHOW TABLETS FROM demo.user_visit_range;

验证分区裁剪：

sql 复制代码

EXPLAIN
SELECT SUM(visit_count)
FROM demo.user_visit_range
WHERE dt >= '2026-02-01'
  AND dt <  '2026-03-01';

在 EXPLAIN 结果中，如果 partitions 只列出 2 月对应的分区，说明分区裁剪已生效，查询不会扫描无关分区。