使用上の注意
カラム型の推奨事項
テーブル作成時のカラム型の推奨事項：
- Keyカラムは全てのValueカラムより前に配置する必要があります。
- 可能な限り整数型を選択してください。これは整数型の計算と検索効率が文字列よりもはるかに高いためです。
- 異なる長さの整数型を選択する場合は、十分性の原則に従ってください。
- VARCHARおよびSTRING型の長さについても、十分性の原則に従ってください。
Aggregate Modelの制限事項
このセクションではAggregate Modelの制限について説明します。
Aggregate Modelは集約されたデータのみを表示します。つまり、まだ集約されていないデータ（例：2つの異なるインポートバッチ）の表示一貫性を保証する必要があります。以下では例を使ってさらに説明します。
次のようなテーブルスキーマがあると仮定します：
| ColumnName | Type | AggregationType | Comment |
|---|---|---|---|
| user_id | LARGEINT | User ID | |
| date | DATE | Date when the data are imported | |
| cost | BIGINT | SUM | Total user consumption |
次のように2つのバッチのデータがストレージエンジンにインポートされたと仮定します：
batch 1
| user_id | date | cost |
|---|---|---|
| 10001 | 2017-11-20 | 50 |
| 10002 | 2017-11-21 | 39 |
batch 2
| user_id | date | cost |
|---|---|---|
| 10001 | 2017-11-20 | 1 |
| 10001 | 2017-11-21 | 5 |
| 10003 | 2017-11-22 | 22 |
ご覧のように、これら2つのインポートバッチのUser 10001に関するデータはまだ集約されていません。しかし、ユーザーが次のような集約されたデータのみをクエリできるように保証するために：
| user_id | date | cost |
|---|---|---|
| 10001 | 2017-11-20 | 51 |
| 10001 | 2017-11-21 | 5 |
| 10002 | 2017-11-21 | 39 |
| 10003 | 2017-11-22 | 22 |
データの表示一貫性を保証するために、クエリエンジンに集約オペレーターを追加しました。
さらに、集約カラム（Value）で、集約タイプと一致しない集約クラスのクエリを実行する場合は、セマンティクスに注意してください。例えば、上記の例で次のクエリを実行した場合：
SELECT MIN(cost) FROM table;
結果は1ではなく5になります。
一方、この一貫性保証により一部のクエリの効率が大幅に低下する可能性があります。
基本的なcount (*)クエリを例に取ります：
SELECT COUNT(*) FROM table;
他のデータベースでは、このようなクエリは迅速に結果を返します。実際の実装では、モデルはインポート時に行数をカウントして統計を保存するか、クエリ時に特定のデータ列のみをスキャンしてカウント値を取得することで、非常に少ないオーバーヘッドでクエリ結果を得ることができるためです。しかしDorisのAggregation Modelでは、このようなクエリのオーバーヘッドは大きくなります。
先ほどの例について：
batch 1
| user_id | date | cost |
|---|---|---|
| 10001 | 2017-11-20 | 50 |
| 10002 | 2017-11-21 | 39 |
batch 2
| user_id | date | cost |
|---|---|---|
| 10001 | 2017-11-20 | 1 |
| 10001 | 2017-11-21 | 5 |
| 10003 | 2017-11-22 | 22 |
最終的な集約結果は次のようになります：
| user_id | date | cost |
|---|---|---|
| 10001 | 2017-11-20 | 51 |
| 10001 | 2017-11-21 | 5 |
| 10002 | 2017-11-21 | 39 |
| 10003 | 2017-11-22 | 22 |
select count (*) from table;の正しい結果は4になるはずです。しかし、モデルがuser_id列のみをスキャンしてクエリ時に集約を操作した場合、最終結果は3（10001、10002、10003）になります。集約を操作しない場合、最終結果は5（2つのバッチの合計5行）になります。明らかに、どちらの結果も間違っています。
正しい結果を得るためには、user_idとdate列の両方を読み取り、クエリ時に集約を実行する必要があります。つまり、count (*)クエリでは、DorisはすべてのAGGREGATE KEYカラム（この場合、user_idとdate）をスキャンして集約し、意味的に正しい結果を得る必要があります。これは、集約されたカラムが多い場合、count (*)クエリが大量のデータスキャンを伴う可能性があることを意味します。
そのため、頻繁にcount (*)クエリを実行する必要がある場合は、値1で集約タイプSUMのカラムを追加してcount (*)をシミュレートすることをお勧めします。この方法では、先ほどの例のテーブルスキーマは次のように修正されます：
| ColumnName | Type | AggregationType | Comment |
|---|---|---|---|
| user ID | BIGINT | User ID | |
| date | DATE | Date when the data are imported | |
| Cost | BIGINT | SUM | Total user consumption |
| count | BIGINT | SUM | For count queries |
上記はcountカラムを追加し、その値は常に1になるため、select count (*) from table;の結果はselect sum (count) from table;の結果と同等になります。後者は前者よりもはるかに効率的です。しかし、この方法にも欠点があります。それは、ユーザーがAGGREGATE KEYカラムで同じ値を持つ行をインポートしないことが必要だということです。そうでなければ、select sum (count) from table;はselect count (*) from table;のセマンティクスではなく、元々インポートされたデータの行数のみを表現することになります。
別の方法は、値1で集約タイプREPLACEのcoundカラムを追加することです。そうすると、select sum (count) from table;とselect count (*) from table;は同じ結果を生成できます。さらに、この方法はインポートデータにおける同じAGGREGATE KEYカラムの不在を要求しません。
MoW Unique Key Model
Unique ModelのMerge on Write実装では、Aggregate Modelと同じ制限は課されません。Merge on Writeでは、モデルは各インポートされたrowsetにdelete bitmapを追加して、上書きまたは削除されるデータをマークします。先ほどの例で、Batch 1がインポートされた後、データの状態は次のようになります：
batch 1
| user_id | date | cost | delete bit |
|---|---|---|---|
| 10001 | 2017-11-20 | 50 | false |
| 10002 | 2017-11-21 | 39 | false |
Batch 2がインポートされた後、最初のバッチの重複行は削除済みとしてマークされ、2つのバッチのデータの状態は次のようになります：
batch 1
| user_id | date | cost | delete bit |
|---|---|---|---|
| 10001 | 2017-11-20 | 50 | true |
| 10002 | 2017-11-21 | 39 | false |
batch 2
| user_id | date | cost | delete bit |
|---|---|---|---|
| 10001 | 2017-11-20 | 1 | false |
| 10001 | 2017-11-21 | 5 | false |
| 10003 | 2017-11-22 | 22 | false |
クエリでは、delete bitmapでtrueとマークされたすべてのデータは読み取られないため、データ集約は不要です。上記のデータには4つの有効な行があるため、クエリ結果も4になるはずです。これは1つのデータ列のみをスキャンするため、最小限のオーバーヘッドも可能にします。
テスト環境では、Unique ModelのMerge on Writeでのcount(*)クエリは、Aggregate Modelよりも10倍高いパフォーマンスを提供します。
Duplicate model
Duplicate Modelは集約セマンティクスを含まないため、Aggregate Modelと同じ制限を課しません。任意のカラムについて、count (*)クエリで意味的に正しい結果を返すことができます。
Keyカラム
Duplicate、Aggregate、Unique Modelでは、テーブル作成時にKeyカラムが指定されますが、いくつかの違いがあります：Duplicate Modelでは、テーブルのKeyカラムは単なる「ソートカラム」と見なすことができ、一意識別子ではありません。AggregateとUnique Modelでは、Keyカラムは「ソートカラム」と「一意識別子カラム」の両方です。
データモデル選択の推奨事項
データモデルはテーブル構築時に確立され、その後取り消すことができないため、適切なデータモデルを選択することは非常に重要です。
- Aggregate Modelは事前集約によりスキャンされるデータ量とクエリ計算を大幅に削減できます。そのため、固定パターンのレポートクエリシナリオに非常に適しています。しかし、このモデルは
count (*)クエリには不適切です。同時に、Valueカラムの集約方法が固定されているため、他の種類の集約クエリではセマンティクスの正確性を考慮する必要があります。 - Unique Modelは一意プライマリキーが必要なシナリオでプライマリキーの一意性を保証します。欠点は、クエリでROLLUPなどの事前集約がもたらす利点を活用できないことです。集約クエリに対して高性能要件があるユーザーには、バージョン1.2以降で新しく追加されたMerge on Write実装の使用をお勧めします。
- Duplicate Modelは任意の次元のアドホッククエリに適しています。事前集約機能の利点を活用できない場合がありますが、Aggregate Modelを制約する制限を受けず、カラムストレージの利点を最大限に活用できます（すべてのKeyカラムではなく、関連するカラムのみを読み取る）。
- ユーザーがpartial-updateを使用する必要がある場合は、ドキュメントpartial-updateを参照してください。