ベストプラクティス
データモデル
Dorisはデータを3つのモデルで整理します：DUPLICATE KEYモデル、UNIQUE KEYモデル、およびAGGREGATE KEYモデル。
ヒント
推奨事項
データモデルはTable作成時に決定され、変更不可であるため、最も適切なデータモデルを選択することが重要です。
- Duplicate Keyモデルは、任意のディメンションでのアドホッククエリに適しています。事前集約の恩恵を受けることはできませんが、集約モデルの制限による制約も受けないため、列指向ストレージの利点を活用できます（すべてのキー列を読み取る必要なく、関連する列のみを読み取ります）。
- Aggregate Keyモデルは、事前集約により、集約クエリのスキャンデータ量と計算負荷を大幅に削減できます。固定パターンのレポートクエリに特に適しています。ただし、このモデルはcount(*)クエリには適していません。また、Value列の集約方法が固定されているため、他のタイプの集約クエリを実行する際は、ユーザーは意味的な正確性に特に注意を払う必要があります。
- Unique Keyモデルは、一意の主キー制約が必要なシナリオ向けに設計されています。主キーの一意性を保証できます。欠点は、マテリアライゼーションと事前集約による恩恵を受けられないことです。集約クエリで高いパフォーマンスが要求されるユーザーには、Doris 1.2以降のUnique KeyモデルのMerge-on-Write機能の使用をお勧めします。
- 部分列更新が必要なユーザーは、以下のデータモデルから選択できます：
- Unique Keyモデル（Merge-on-Writeモード）
- Aggregate Keyモデル（REPLACE_IF_NOT_NULLによる集約）
DUPLICATE KEYモデル
ソート列のみが指定された場合、同じキーを持つ行はマージされません。
これは、データの事前集約が不要な分析業務シナリオに適用されます：
- 生データの分析
- 新しいデータのみが追加されるログまたは時系列データの分析。
ベストプラクティス
-- For example, log analysis that allows only appending new data with replicated KEYs.
CREATE TABLE session_data
(
visitorid SMALLINT,
sessionid BIGINT,
visittime DATETIME,
city CHAR(20),
province CHAR(20),
ip varchar(32),
brower CHAR(20),
url VARCHAR(1024)
)
DUPLICATE KEY(visitorid, sessionid) -- Used solely for specifying sorting columns, rows with the same KEY will not be merged.
DISTRIBUTED BY HASH(sessionid, visitorid) BUCKETS 10;
AGGREGATE KEY model
同じAGGREGATE KEYを持つ古いレコードと新しいレコードは集約されます。現在サポートされている集約方法は以下の通りです：
- SUM：複数行の値を累積して合計を計算します；
- REPLACE：以前にインポートされた行の値を次のバッチデータの値で置き換えます；
- MAX：最大値を保持します；
- MIN：最小値を保持します；
- REPLACE_IF_NOT_NULL：非null値を置き換えます。REPLACEとは異なり、null値は置き換えません；
- HLL_UNION：HyperLogLogアルゴリズムを使用してHLL型の列を集約します；
- BITMAP_UNION：ビットマップ結合集約を使用してBITMAP型の列を集約します；
これは以下のようなレポートおよび多次元分析シナリオに適しています：
- Webサイトのトラフィック分析
- データレポートの多次元分析
ベストプラクティス
-- Example of website traffic analysis
CREATE TABLE site_visit
(
siteid INT,
city SMALLINT,
username VARCHAR(32),
pv BIGINT SUM DEFAULT '0' -- PV caculation
)
AGGREGATE KEY(siteid, city, username) -- Rows with the same KEY will be merged, and non-key columns will be aggregated based on the specified aggregation function.
DISTRIBUTED BY HASH(siteid) BUCKETS 10;
UNIQUE KEY model
新しいレコードは、同じUNIQUE KEYを持つ古いレコードを置き換えます。Doris 1.2以前では、UNIQUE KEYモデルはAGGREGATE KEYモデルのREPLACE集約と同じ方法で実装されていました。しかし、Doris 1.2以降、UNIQUE KEYモデルにMerge-on-Write実装を導入し、集約クエリに対してより良いパフォーマンスを提供します。
これは、更新が必要な分析業務シナリオに適しています。例えば：
- 重複排除された注文分析
- 挿入、更新、削除のリアルタイム同期
ベストプラクティス
-- Example of deduplicated order analysis
CREATE TABLE sales_order
(
orderid BIGINT,
status TINYINT,
username VARCHAR(32),
amount BIGINT DEFAULT '0'
)
UNIQUE KEY(orderid) -- Rows of the same KEY will be merged
DISTRIBUTED BY HASH(orderid) BUCKETS 10;
Index
インデックスは、データの高速なフィルタリングと検索を容易にします。現在、Dorisは2つのタイプのインデックスをサポートしています：
- 組み込みスマートインデックス（prefix indexとZoneMap indexを含む）
- ユーザーが作成するセカンダリインデックス（inverted index、BloomFilter index、Ngram BloomFilter index、Bitmap indexを含む）
Prefix index
Prefix indexは、Aggregate、Unique、Duplicateデータモデルの組み込みインデックスです。基盤となるデータストレージは、それぞれのTable作成文でAGGREGATE KEY、UNIQUE KEY、またはDUPLICATE KEYとして指定されたカラムに基づいてソートされ保存されます。ソートされたデータの上に構築されるPrefix indexは、指定されたプレフィックスカラムに基づく高速なデータクエリを可能にします。
Prefix indexはスパースインデックスであり、キーが存在する正確な行を特定することはできません。代わりに、キーが存在する可能性のある範囲を大まかに特定し、その後二分探索アルゴリズムを使用してキーの位置を正確に特定します。
ヒント
推奨事項
- Table作成時、正しいカラム順序はクエリ効率を大幅に向上させることができます。
- カラム順序はTable作成時に指定されるため、Tableは1つのタイプのprefix indexのみを持つことができます。ただし、これはprefix indexのないカラムに基づくクエリには十分効率的でない場合があります。このような場合、ユーザーはマテリアライズドビューを作成してカラム順序を調整できます。
- prefix indexの最初のフィールドは、常に最も長いクエリ条件のフィールドであるべきで、高カーディナリティのフィールドである必要があります。
- バケティングフィールド：比較的均等なデータ分散を持ち、頻繁に使用され、できれば高カーディナリティのフィールドである必要があります。
- Int(4) + Int(4) + varchar(50)：prefix indexの長さは28のみです。
- Int(4) + varchar(50) + Int(4)：prefix indexの長さは24のみです。
- varchar(10) + varchar(50)：prefix indexの長さは30のみです。
- Prefix index（36文字）：最初のフィールドが最高のクエリパフォーマンスを提供します。varcharフィールドに遭遇した場合、prefix indexは自動的に最初の20文字に切り詰められます。
- 可能であれば、最も頻繁に使用されるクエリフィールドをprefix indexに含めてください。そうでない場合は、それらをバケティングフィールドとして指定してください。
- prefix indexのフィールド長は可能な限り明示的である必要があります。なぜなら、Dorisは最初の36バイトに対してのみprefix indexを利用できるからです。
- データ範囲に対するパーティション化、バケティング、prefix indexの戦略を設計することが困難な場合は、高速化のためにinverted indexの導入を検討してください。
ZoneMap index
ZoneMap indexは、列指向ストレージ形式でカラム単位で自動的に維持されるインデックス情報です。Min/Max値やNull値の数などの情報を含みます。データクエリ時、ZoneMap indexは範囲条件を使用してフィルタリングされたフィールドに基づいてスキャンするデータ範囲を選択するために利用されます。
例えば、次のクエリ文で「age」フィールドをフィルタリングする場合：
SELECT * FROM table WHERE age > 0 and age < 51;
Short Key Indexがヒットしない場合、ZoneMapインデックスを使用して、「age」フィールドのクエリ条件に基づいてスキャンが必要なデータ範囲（「通常の」範囲として知られる）を決定します。これにより、スキャンが必要なページ数が削減されます。
Inverted index
Dorisはバージョン2.0.0以降、inverted indexをサポートしています。Inverted indexはテキストデータの全文検索や、通常の数値型および日付型での範囲クエリに使用できます。大量のデータから条件を満たす行を高速でフィルタリングすることを可能にします。
ベストプラクティス
-- Inverted index can be specified during table creation or added later. This is an example of specifying it during table creation:
CREATE TABLE table_name
(
columns_difinition,
INDEX idx_name1(column_name1) USING INVERTED [PROPERTIES("parser" = "english|unicode|chinese")] [COMMENT 'your comment']
INDEX idx_name2(column_name2) USING INVERTED [PROPERTIES("parser" = "english|unicode|chinese")] [COMMENT 'your comment']
INDEX idx_name3(column_name3) USING INVERTED [PROPERTIES("parser" = "chinese", "parser_mode" = "fine_grained|coarse_grained")] [COMMENT 'your comment']
INDEX idx_name4(column_name4) USING INVERTED [PROPERTIES("parser" = "english|unicode|chinese", "support_phrase" = "true|false")] [COMMENT 'your comment']
INDEX idx_name5(column_name4) USING INVERTED [PROPERTIES("char_filter_type" = "char_replace", "char_filter_pattern" = "._"), "char_filter_replacement" = " "] [COMMENT 'your comment']
INDEX idx_name5(column_name4) USING INVERTED [PROPERTIES("char_filter_type" = "char_replace", "char_filter_pattern" = "._")] [COMMENT 'your comment']
)
table_properties;
-- Example: keyword matching in full-text searches, implemented by MATCH_ANY MATCH_ALL
SELECT * FROM table_name WHERE column_name MATCH_ANY | MATCH_ALL 'keyword1 ...';
ヒント
推奨事項
- データ範囲に対するパーティショニング、バケッティング、およびプレフィックスインデックス戦略の設計が困難な場合は、高速化のためにinverted indexの導入を検討してください。
注意
制限事項
- 各データモデルには、inverted indexに対して異なる制限があります。
- Aggregate KEYモデル: Keyカラムに対してのみinverted indexが許可されます
- Unique KEYモデル: Merge-on-Writeを有効にした後、任意のカラムに対してinverted indexが許可されます
- Duplicate KEYモデル: 任意のカラムに対してinverted indexが許可されます
BloomFilter index
Dorisは値の識別性が高いフィールドに対してBloomFilter indexの追加をサポートしており、高いカーディナリティを持つカラムでの等価クエリを含むシナリオに適しています。
ベストプラクティス
-- Example: add "bloom_filter_columns"="k1,k2,k3" in the PROPERTIES of the table creation statement.
-- To create BloomFilter index for saler_id and category_id in the table.
CREATE TABLE IF NOT EXISTS sale_detail_bloom (
sale_date date NOT NULL COMMENT "Sale data",
customer_id int NOT NULL COMMENT "Customer ID",
saler_id int NOT NULL COMMENT "Saler ID",
sku_id int NOT NULL COMMENT "SKU ID",
category_id int NOT NULL COMMENT "Category ID",
sale_count int NOT NULL COMMENT "Sale count",
sale_price DECIMAL(12,2) NOT NULL COMMENT "Sale price",
sale_amt DECIMAL(20,2) COMMENT "Sale amount"
)
Duplicate KEY(sale_date, customer_id,saler_id,sku_id,category_id)
DISTRIBUTED BY HASH(saler_id) BUCKETS 10
PROPERTIES (
"bloom_filter_columns"="saler_id,category_id"
);
注意
制限事項
- BloomFilterインデックスは、Tinyint、Float、およびDouble型の列ではサポートされていません。
- BloomFilterインデックスは、"in"および"="演算子を使用したフィルタリングのみ高速化できます。
- BloomFilterインデックスは、"in"または"="演算子を含むクエリ条件において、高カーディナリティ列（5000以上）に構築する必要があります。
- BloomFilterインデックスは、非プレフィックスフィルタリングに適しています。
- クエリは列内の高頻度値に基づいてフィルタリングし、フィルタリング条件は主に"in"および"="です。
- Bitmapインデックスとは異なり、BloomFilterインデックスはUserIDなどの高カーディナリティ列に適しています。「性別」などの低カーディナリティ列に作成した場合、各ブロックにほぼすべての値が含まれるため、BloomFilterインデックスは意味をなしません。
- データのカーディナリティが全体の範囲の約半分程度のケースに適しています。
- ID番号など、等価（=）クエリを持つ高カーディナリティ列の場合、BloomFilterインデックスを使用することでパフォーマンスを大幅に向上させることができます。
Ngram BloomFilterインデックス
2.0.0以降、Dorisは"LIKE"クエリのパフォーマンスを向上させるためにNGram BloomFilterインデックスを導入しました。
ベストプラクティス
-- Example of creating NGram BloomFilter index in table creation statement
CREATE TABLE `nb_table` (
`siteid` int(11) NULL DEFAULT "10" COMMENT "",
`citycode` smallint(6) NULL COMMENT "",
`username` varchar(32) NULL DEFAULT "" COMMENT "",
INDEX idx_ngrambf (`username`) USING NGRAM_BF PROPERTIES("gram_size"="3", "bf_size"="256") COMMENT 'username ngram_bf index'
) ENGINE=OLAP
AGGREGATE KEY(`siteid`, `citycode`, `username`) COMMENT "OLAP"
DISTRIBUTED BY HASH(`siteid`) BUCKETS 10;
-- PROPERTIES("gram_size"="3", "bf_size"="256"), representing the number of grams and the byte size of the BloomFilter
-- The number of grams is determined according to the query cases and is typically set to the length of the majority of query strings. The number of bytes in the BloomFilter can be determined after testing. Generally, a larger number of bytes leads to better filtering results, and it is recommended to start with a value of 256 for testing and evaluating the effectiveness. However, it's important to note that a larger number of bytes also increases the storage cost of the index.
-- With high data cardinality, there is no need to set a large BloomFilter size. Conversely, with low data cardinality, increase the BloomFilter size to enhance filtering efficiency.
注意
制限事項
- NGram BloomFilter インデックスは文字列カラムのみをサポートします。
- NGram BloomFilter インデックスと BloomFilter インデックスは相互排他的です。つまり、同じカラムに対してはどちらか一方のみを設定できます。
- NGram と BloomFilter の両方のサイズは、実際の状況に基づいて最適化できます。NGram サイズが比較的小さい場合は、BloomFilter サイズを増加させることができます。
- 数十億以上の規模のデータで、あいまい検索が必要な場合は、転置インデックスまたは NGram BloomFilter の使用を推奨します。
Bitmap インデックス
データクエリを高速化するために、Doris はユーザーが特定のフィールドに Bitmap インデックスを追加することをサポートしています。これは、カーディナリティの低いカラムでの等価性クエリや範囲クエリを含むシナリオに適しています。
ベストプラクティス
-- Example: create Bitmap index for siteid on bitmap_table
CREATE INDEX [IF NOT EXISTS] bitmap_index_name ON
bitmap_table (siteid)
USING BITMAP COMMENT 'bitmap_siteid';
注意
制限事項
- Bitmap indexは単一カラムにのみ作成できます。
- Bitmap indexは
DuplicateおよびUniqueKeyモデルの全カラム、ならびにAggregateKeyモデルのキーカラムに適用できます。 - Bitmap indexは以下のデータ型をサポートします：
TINYINTSMALLINTINTBIGINTCHARVARCHARDATEDATETIMELARGEINTDECIMALBOOL
- Bitmap indexはSegment V2でのみ有効です。Bitmap indexを持つTableのストレージフォーマットは、デフォルトで自動的にV2フォーマットに変換されます。
- Bitmap indexは特定のカーディナリティ範囲内で構築する必要があります。極端に高いまたは低いカーディナリティのケースには適していません。
- 職業フィールドや都市フィールドなど、カーディナリティが100から100,000の間のカラムに推奨されます。重複率が高すぎる場合、他の種類のインデックスと比較してBitmap indexを構築する大きな利点はありません。重複率が低すぎる場合、Bitmap indexは空間効率とパフォーマンスを大幅に低下させる可能性があります。count、OR、AND操作などの特定のタイプのクエリは、ビット演算のみを必要とします。
- Bitmap indexは直交クエリにより適しています。
フィールドタイプ
DorisはBITMAPによる精密重複排除、HLLによるファジー重複排除、ARRAY/MAP/JSONなどの半構造化データ型、ならびに一般的な数値、文字列、時間型を含む、さまざまなフィールドタイプをサポートしています。
ヒント
推奨事項
- VARCHAR
- 長さ範囲が1-65533バイトの可変長文字列です。UTF-8エンコーディングで格納され、英字は通常1バイトを占有します。
- varchar(255)とvarchar(65533)のパフォーマンス差について誤解されることがよくあります。両方のケースで格納されるデータが同じであれば、パフォーマンスも同じになります。Table作成時に、フィールドの最大長が不明な場合は、文字列が長すぎることによるインポートエラーを防ぐため、varchar(65533)の使用を推奨します。
- STRING
- デフォルトサイズが1048576バイト（1MB）の可変長文字列で、2147483643バイト（2GB）まで拡張できます。UTF-8エンコーディングで格納され、英字は通常1バイトを占有します。
- バリューカラムでのみ使用可能で、キーカラムやパーティショニングカラムでは使用できません。
- 大きなテキストコンテンツの格納に適しています。ただし、そのような要件が存在しない場合は、VARCHARの使用を推奨します。STRINGカラムはキーカラムやパーティショニングカラムで使用できないという制限があります。
- 数値フィールド：必要な精度に基づいて適切なデータ型を選択してください。これについて特別な制限はありません。
- 時間フィールド：高精度要件がある場合（ミリ秒まで正確なタイムスタンプ）、datetime(6)の使用を指定する必要があります。そうでない場合、そのようなタイムスタンプはデフォルトでサポートされません。
- JSONデータの格納には、string型ではなくJSONデータ型の使用を推奨します。
Table作成
Table作成における考慮事項には、データモデル、インデックス、フィールドタイプに加えて、データパーティションとバケットの設定が含まれます。
ベストプラクティス
-- Take Merge-on-Write tables in the Unique Key model as an example:
-- Merge-on-Write in the Unique Key model is implemented in a different way from the Aggregate Key model. The performance of it is similar to that on the Duplicate Key model.
-- In use cases requiring primary key constraints, the Aggregate Key model can deliver much better query performance compared to the Duplicate Key model, especially in aggregate queries and queries that involve filtering a large amount of data using indexes.
-- For non-partitioned tables
CREATE TABLE IF NOT EXISTS tbl_unique_merge_on_write
(
`user_id` LARGEINT NOT NULL COMMENT "Use ID",
`username` VARCHAR(50) NOT NULL COMMENT "Username",
`register_time` DATE COMMENT "User registration time",
`city` VARCHAR(20) COMMENT "User city",
`age` SMALLINT COMMENT "User age",
`sex` TINYINT COMMENT "User gender",
`phone` LARGEINT COMMENT "User phone number",
`address` VARCHAR(500) COMMENT "User address"
)
UNIQUE KEY(`user_id`, `username`)
-- Data volume of 3~5G
DISTRIBUTED BY HASH(`user_id`) BUCKETS 10
PROPERTIES (
-- In Doris 1.2.0, as a new feature, Merge-on-Write is disabled by default. Users can enable it by adding the following property.
"enable_unique_key_merge_on_write" = "true"
);
-- For partitioned tables
CREATE TABLE IF NOT EXISTS tbl_unique_merge_on_write_p
(
`user_id` LARGEINT NOT NULL COMMENT "Use ID",
`username` VARCHAR(50) NOT NULL COMMENT "Username",
`register_time` DATE COMMENT "User registration time",
`city` VARCHAR(20) COMMENT "User city",
`age` SMALLINT COMMENT "User age",
`sex` TINYINT COMMENT "User gender",
`phone` LARGEINT COMMENT "User phone number",
`address` VARCHAR(500) COMMENT "User address"
)
UNIQUE KEY(`user_id`, `username`, `register_time`)
PARTITION BY RANGE(`register_time`) (
PARTITION p00010101_1899 VALUES [('0001-01-01'), ('1900-01-01')),
PARTITION p19000101 VALUES [('1900-01-01'), ('1900-01-02')),
PARTITION p19000102 VALUES [('1900-01-02'), ('1900-01-03')),
PARTITION p19000103 VALUES [('1900-01-03'), ('1900-01-04')),
PARTITION p19000104_1999 VALUES [('1900-01-04'), ('2000-01-01')),
FROM ("2000-01-01") TO ("2022-01-01") INTERVAL 1 YEAR,
PARTITION p30001231 VALUES [('3000-12-31'), ('3001-01-01')),
PARTITION p99991231 VALUES [('9999-12-31'), (MAXVALUE))
)
-- Data volume of 3~5G
DISTRIBUTED BY HASH(`user_id`) BUCKETS 10
PROPERTIES (
-- In Doris 1.2.0, as a new feature, Merge-on-Write is disabled by default. Users can enable it by adding the following property.
"enable_unique_key_merge_on_write" = "true",
-- The unit for dynamic partition scheduling can be specified as HOUR, DAY, WEEK, MONTH, or YEAR.
"dynamic_partition.time_unit" = "MONTH",
-- The starting offset for dynamic partitioning is specified as a negative number. Depending on the value of the time_unit, it uses the current day (week/month) as the reference point, partitions prior to this offset will be deleted (TTL). If not specified, the default value is -2147483648, indicating that historical partitions will not be deleted.
"dynamic_partition.start" = "-3000",
-- The ending offset for dynamic partitioning is specified as a positive number. Depending on the value of the time_unit, it uses the current day (week/month) as the reference point. Create the corresponding partitions of the specified range in advance.
"dynamic_partition.end" = "10",
-- The prefix for names of the dynamically created partitions (required).
"dynamic_partition.prefix" = "p",
-- The number of buckets corresponding to the dynamically created partitions.
"dynamic_partition.buckets" = "10",
"dynamic_partition.enable" = "true",
-- The following is the number of replicas corresponding to dynamically created partitions. If not specified, the default value will be the replication factor specified when creating the table, which is typically 3.
"dynamic_partition.replication_num" = "3",
"replication_num" = "3"
);
-- View existing partitions
-- The actual number of created partitions is determined by a combination of dynamic_partition.start, dynamic_partition.end, and the settings of PARTITION BY RANGE.
show partitions from tbl_unique_merge_on_write_p;
注意
制約事項
-
UTF-8のみがサポートされているため、データベースの文字セットはUTF-8として指定する必要があります。
-
Tableのレプリケーション係数は3である必要があります（指定されていない場合、デフォルトで3になります）。
-
個々のタブレットのデータ量（Tablet Count = パーティション Count * バケット Count * Replication Factor）は理論的には上限や下限はありませんが、小さなTable（数百メガバイトから1ギガバイトの範囲）を除き、1 GBから10 GBの範囲内に収めることを確保する必要があります：
- 個々のタブレットのデータ量が小さすぎる場合、データ集約のパフォーマンスが低下し、メタデータ管理のオーバーヘッドが増加する可能性があります。
- データ量が大きすぎる場合、レプリカの移行や同期が阻害され、スキーマ変更やマテリアライゼーション操作のコストが増加します（これらの操作はタブレットの粒度で再試行されます）。
-
5億レコードを超えるデータの場合、パーティショニングとバケット化戦略を実装する必要があります：
- バケット化の推奨事項：
- 大きなTableでは、各タブレットを1 GBから10 GBの範囲にして、過度に多くの小さなファイルの生成を防ぐ必要があります。
- 約100メガバイトのディメンションTableでは、タブレット数を3から5の範囲内に制御する必要があります。これにより、過度に多くの小さなファイルを生成することなく、一定レベルの並行性が確保されます。
- パーティショニングが実行可能でなく、データが急速に増加し、動的な時間ベースのパーティショニングの可能性がない場合、データ保持期間（180日）に基づいてデータ量に対応するためにバケット数を増やすことが推奨されます。それでも各バケットのサイズを1 GBから10 GBの間に保つことが推奨されます。
- バケット化フィールドにソルトを適用し、バケットプルーニング機能を活用するためにクエリで同じソルト戦略を使用してください。
- ランダムバケット化：
- OLAPTableに更新が必要なフィールドがない場合、データバケット化モードをRANDOMに設定することで、深刻なデータスキューを回避できます。データ取り込み中、各バッチのデータはランダムにタブレットに割り当てられて書き込まれます。
- Tableのバケット化モードがRANDOMに設定されている場合、バケット化カラムがないため、Tableのクエリではバケット化カラムの値に基づいて特定のバケットをクエリするのではなく、ヒットしたパーティション内のすべてのバケットをスキャンします。この設定は、高並行性のポイントクエリではなく、全体的な集約と分析クエリに適しています。
- OLAPTableのデータ分布がランダムな場合、データ取り込み中に
load_to_single_tabletパラメータをtrueに設定することで、各タスクが単一のタブレットに書き込むことができます。これにより、大規模なデータ取り込み中の並行性とスループットが向上します。また、データ取り込みとコンパクションによって引き起こされる書き込み増幅を削減し、クラスターの安定性を確保できます。
- 成長が遅いディメンションTableでは、単一のパーティションを使用し、一般的に使用されるクエリ条件に基づいてバケット化を適用できます（バケット化フィールドのデータ分布が比較的均等である場合）。
- ファクトTable。
- バケット化の推奨事項：
-
大量の履歴パーティションデータがあるが、履歴データが比較的小さい、不均衡、またはクエリ頻度が低いシナリオでは、以下のアプローチを使用してデータを特別なパーティションに配置できます。小さなサイズの履歴データ用に履歴パーティションを作成できます（例：年次パーティション、月次パーティション）。例えば、データ
FROM ("2000-01-01") TO ("2022-01-01") INTERVAL 1 YEARの履歴パーティションを作成できます：
PARTITION p00010101_1899 VALUES [('0001-01-01'), ('1900-01-01')),
PARTITION p19000101 VALUES [('1900-01-01'), ('1900-01-02')),
...
PARTITION p19000104_1999 VALUES [('1900-01-04'), ('2000-01-01')),
FROM ("2000-01-01") TO ("2022-01-01") INTERVAL 1 YEAR,
PARTITION p30001231 VALUES [('3000-12-31'), ('3001-01-01')),
PARTITION p99991231 VALUES [('9999-12-31'), (MAXVALUE))