メインコンテンツまでスキップ
バージョン: 4.x

重複キーテーブル

DorisにおけるDuplicate Key Tableは、個々の生データレコードを格納するように設計されたデフォルトのテーブル型です。テーブル作成時に指定するDuplicate Keyは、ソートと格納のための列を決定し、一般的なクエリを最適化します。ソートキーとして選択する列は3列以下にすることを推奨します。より具体的な選択ガイドラインについては、Sort Keyを参照してください。Duplicate Key Tableには以下の特徴があります。

  • 生データの保持: Duplicate Key Tableはすべての元データを保持するため、生データの格納とクエリに最適です。データ損失を避けるため、詳細なデータ分析が必要なユースケースに推奨されます。

  • 重複排除や集約なし: AggregateテーブルやPrimary Keyテーブルとは異なり、Duplicate Key Tableは重複排除や集約を行わず、同一レコードを完全に保持します。

  • 柔軟なデータクエリ: Duplicate Key Tableはすべての元データを保持するため、メタデータ監査や細粒度分析のために任意の次元にわたる詳細な抽出と集約が可能です。

ユースケース​

Duplicate Key Tableでは、通常データは追加のみが行われ、古いデータは更新されません。Duplicate Key Tableは完全な生データが必要なシナリオに最適です。

  • ログ格納: アクセスログ、エラーログなど、さまざまなタイプのアプリケーションログの格納に使用されます。各データは将来の監査と分析のために詳細である必要があります。

  • ユーザー行動データ: クリックデータやユーザーアクセスパスなど、ユーザー行動を分析する際は、詳細なユーザーアクションを保持する必要があります。これにより、ユーザープロファイルの構築や行動パターンの詳細分析に役立ちます。

  • トランザクションデータ: トランザクションや注文データの格納用であり、トランザクションが完了すると、通常はデータ変更の必要がありません...

テーブル作成手順​

テーブルを作成する際、DUPLICATE KEYキーワードを使用してDuplicate Key Tableを指定できます。Duplicate Key tableはKey列を指定する必要があり、これは格納時のデータソートに使用されます。以下の例では、Duplicate Key tableがログ情報を格納し、log_time、log_type、error_code列に基づいてデータをソートします。

CREATE TABLE IF NOT EXISTS example_tbl_duplicate
(
    log_time        DATETIME       NOT NULL,
    log_type        INT            NOT NULL,
    error_code      INT,
    error_msg       VARCHAR(1024),
    op_id           BIGINT,
    op_time         DATETIME
)
DUPLICATE KEY(log_time, log_type, error_code)
DISTRIBUTED BY HASH(log_type) BUCKETS 10;

データ挿入と保存​

Duplicate Keyテーブルでは、データの重複排除や集約は行われず、データを挿入すると直接保存されます。Duplicate Key TableのKeyカラムはソートに使用されます。

columnar_storage

上記の例では、最初の4行に2行を挿入した後、データが追加され、合計6行になります。

-- 4 rows raw data
INSERT INTO example_tbl_duplicate VALUES
('2024-11-01 00:00:00', 2, 2, 'timeout', 12, '2024-11-01 01:00:00'),
('2024-11-02 00:00:00', 1, 2, 'success', 13, '2024-11-02 01:00:00'),
('2024-11-03 00:00:00', 2, 2, 'unknown', 13, '2024-11-03 01:00:00'),
('2024-11-04 00:00:00', 2, 2, 'unknown', 12, '2024-11-04 01:00:00');

-- insert into 2 rows
INSERT INTO example_tbl_duplicate VALUES
('2024-11-01 00:00:00', 2, 2, 'timeout', 12, '2024-11-01 01:00:00'),
('2024-11-01 00:00:00', 2, 2, 'unknown', 13, '2024-11-01 01:00:00');

-- check the rows of table
SELECT * FROM example_tbl_duplicate;
+---------------------+----------+------------+-----------+-------+---------------------+
| log_time            | log_type | error_code | error_msg | op_id | op_time             |
+---------------------+----------+------------+-----------+-------+---------------------+
| 2024-11-02 00:00:00 |        1 |          2 | success   |    13 | 2024-11-02 01:00:00 |
| 2024-11-01 00:00:00 |        2 |          2 | timeout   |    12 | 2024-11-01 01:00:00 |
| 2024-11-03 00:00:00 |        2 |          2 | unknown   |    13 | 2024-11-03 01:00:00 |
| 2024-11-04 00:00:00 |        2 |          2 | unknown   |    12 | 2024-11-04 01:00:00 |
| 2024-11-01 00:00:00 |        2 |          2 | unknown   |    13 | 2024-11-01 01:00:00 |
| 2024-11-01 00:00:00 |        2 |          2 | timeout   |    12 | 2024-11-01 01:00:00 |
+---------------------+----------+------------+-----------+-------+---------------------+