1.1 数据模型选择

1.2 大宽表与star schema

业务方建表时, 为了和前端业务适配, 往往不对维度信息和指标信息加以区分, 而将schema定义成大宽表。对于Doris而言, 这类大宽表往往性能不尽如人意: - schema中字段数比较多, 聚合模型中可能key列比较多, 导入过程中需要排序的列会增加。 - 维度信息更新会反应到整张表中，而更新的频率直接影响查询的效率。

使用过程中，建议用户尽量使用star schema区分维度表和指标表。频繁更新的维度表可以放在mysql中, 而如果只有少量更新, 可以直接放在Doris中。在Doris中存储维度表时，可对维度表设置更多的副本，提升join的的性能。

1.3 行存和列存

1.4 分区(parition)和分桶(bucket)

Doris支持两级分区存储, 第一层为RANGE分区(partition), 第二层为HASH分桶(bucket)。 - RANGE分区(partition) : RANGE分区用于将数据划分成不同区间, 逻辑上可以理解为将原始表划分成了多个子表。 业务上，多数用户会选择采用按时间进行partition, 让时间进行partition有以下好处： - 可区分冷热数据 - 可用上Doris分级存储(SSD + SATA)的功能 - 按分区删除数据时，更加迅速 - HASH分桶(bucket) : 根据hash值将数据划分成不同的bucket。 - 建议采用区分度大的列做分桶, 避免出现数据倾斜 - 为方便数据恢复, 建议单个bucket的size不要太大, 保持在10GB左右, 所以建表或增加partition时请合理考虑buckets数目, 其中不同partition可指定不同的buckets数。 - random分桶的方式不建议采用，建表时烦请指定明确的hash分桶列。

1.5 稀疏索引和bloomfilter

Doris对数据进行有序存储, 在数据有序的基础上为其建立稀疏索引,索引粒度为block(1024行)。 - 稀疏索引选取schema中固定长度的前缀作为索引内容, 目前Doris选取36个字节的前缀作为索引。 - 建表时建议将查询中常见的过滤字段放在schema的前面, 区分度越大，频次越高的查询字段越往前放。 - 这其中有一个特殊的地方,就是varchar类型的字段,varchar类型字段只能作为稀疏索引的最后一个字段，索引会在varchar处截断, 因此varchar如果出现在前面，可能索引的长度不足36个字节。

1.6 物化视图(rollup)

Doris目前提供mini load和pull load两种导入方式, 通过指定导入label标示一批次的导入。Doris对单批次的导入会保证原子生效, 即使单次导入多张表也同样保证其原子性。 - mini load : 通过http推的方式进行导入, 每次导入数据限制在1GB, 适合分钟级别的数据导入需求。 - pull load : 通过拉的方式导入, 适合天级别的批量数据的导入。

Doris中目前进行schema change的方式有三种，sorted schema change，direct schema change, linked schema change。 - sorted schema change: 改变了列的排序方式，需对数据进行重新排序。例如删除排序列中的一列, 字段重排序。 ALTER TABLE site_visit DROP COLUMN city; - direct schema change: 无需重新排序，但是需要对数据做一次转换。例如修改列的类型，在稀疏索引中加一列等。 ALTER TABLE site_visit MODIFY COLUMN username varchar(64); - linked schema change: 无需转换数据，直接完成。例如加列操作。 建表时建议考虑好schema，这样在进行schema change时可以加快速度。