集約モデル
同じキーを持つデータを自動集計するテーブルモデルです。テーブル内の列は、AggregationType が設定されているかどうかに応じて Key (ディメンション列) と Value (インジケーター列) に分けられ、AggregationType が設定されていないものを Key、AggregationType が設定されているものを Value と呼びます。データをインポートすると、同じ Key 列を持つ行は 1 つの行に集約され、Value 列は設定された AggregationType に従って集約されます。AggregationType には現在、次の 4 つの集計メソッドがあります。
-
SUM: 複数行の値を合計した合計。
-
REPLACE: 置換。データの次のバッチの値が、以前にインポートされた行の値を置き換えます。
-
REPLACE_IF_NOT_NULL: NULL 値が見つかった場合は更新しません。
-
MAX:最大値を維持します。
-
MIN: 最小値を維持します。
次のようなシナリオがあります。社内の各ユーザーのあらゆる消費行動情報を記録するために、次のフィールドを含むテーブルを作成する必要があります。
ユーザーID | データ挿入日 | 市 | 年 | 性別 | 面接時間 | それぞれの消費量 | 利用者の滞在期間 |
10000 | 2017/10/1 | 北京 | 20 | 0 | 2017/10/01 06:00:00 | 20 | 10 |
10000 | 2017/10/1 | 北京 | 20 | 0 | 2017/10/01 07:00:00 | 15 | 2 |
10000 | 2017/10/1 | 北京 | 20 | 0 | 2017/10/01 08:00:00 | 30 | 15 |
10001 | 2017/10/1 | 北京 | 30 | 1 | 2017/10/01 17:05:45 | 2 | 22 |
さらに、同社はこのデータとレポートを特に懸念しています
各ユーザーが最後にページを訪問した時刻、ユーザーが費やした合計金額、ユーザーがページに滞在した最大時間と最小時間。
ユーザーID | データ挿入日 | 市 | 年 | 性別 | 前回の訪問時間 | このユーザーの総消費量 | このユーザーの最大滞在期間 | ユーザーの最低滞在期間 |
10000 | 2017/10/1 | 北京 | 20 | 0 | 2017/10/01 08:00:00 | 65 | 15 | 2 |
10001 | 2017/10/1 | 北京 | 30 | 1 | 2017/10/01 17:05:45 | 2 | 22 | 22 |
このレポートを表示するたびに、「詳細テーブル」に対して統計 SQL を実行する必要があります。
Select
user_id,data,city,age,gender,
max(visit_data) as last_visit_data,
sum(cost) as cost,
max(dwell_time) as max_dwell_time,
min(dwell_time) as min_dwell_time
From t
Group by user_id,data,city,age,gender -- 对应的是聚合模型型key
集約モデル
ユーザーID | データ挿入日 | 市 | 年 | 性別 | 前回の訪問時間 | このユーザーの総消費量 | このユーザーの最大滞在期間 | ユーザーの最低滞在期間 |
10000 | 2017/10/1 | 北京 | 20 | 0 | 2017/10/01 08:00:00 | 65 | 15 | 2 |
10001 | 2017/10/1 | 北京 | 30 | 1 | 2017/10/01 17:05:45 | 2 | 22 | 22 |
SQLの例:
-- 这是一个用户消费和行为记录的数据表
CREATE TABLE IF NOT EXISTS test.ex_user
(
`user_id` LARGEINT NOT NULL COMMENT "用户 id",
`date` DATE NOT NULL COMMENT "数据灌入日期时间",
`city` VARCHAR(20) COMMENT "用户所在城市",
`age` SMALLINT COMMENT "用户年龄",
`sex` TINYINT COMMENT "用户性别",
`last_visit_date` DATETIME REPLACE DEFAULT "1970-01-01 00:00:00" COMMENT "用户最后一次访问时间",
`cost` BIGINT SUM DEFAULT "0" COMMENT "用户总消费",
`max_dwell_time` INT MAX DEFAULT "0" COMMENT "用户最大停留时间",
`min_dwell_time` INT MIN DEFAULT "99999" COMMENT "用户最小停留时间"
)
ENGINE=olap
AGGREGATE KEY(`user_id`, `date`, `city`, `age`, `sex`)
-- 分区
-- 分桶
DISTRIBUTED BY HASH(`user_id`) BUCKETS 1;
テーブルにデータを挿入する
insert into test.ex_user values\
(10000,'2017-10-01','北京',20,0,'2017-10-01 06:00:00',20,10,10),\
(10000,'2017-10-01','北京',20,0,'2017-10-01 07:00:00',15,2,2),\
(10001,'2017-10-01','北京',30,1,'2017-10-01 17:05:45',2,22,22),\
(10002,'2017-10-02','上海',20,1,'2017-10-02 12:59:12',200,5,5),\
(10003,'2017-10-02','广州',32,0,'2017-10-02 11:20:00',30,11,11),\
(10004,'2017-10-01','深圳',35,0,'2017-10-01 10:00:15',100,3,3),\
(10004,'2017-10-03','深圳',35,0,'2017-10-03 10:20:22',11,6,6);
データを確認すると6個しかデータが残っていないことがわかりましたが、これはキーが同じ場合に以降の結果が集計されてしまうためです。
事例の実装
例
-- 数据
订单id,userId,商品id,购买件数,支付的金额,订单日期
1,u01,p01,2,20,2022-12-01
1,u01,p02,1,10,2022-12-01
1,u01,p01,1,10,2022-12-01
2,u02,p03,2,40,2022-12-01
需求:
创建一个doris的聚合模型的表,插入上述明细数据后,自动聚合出如下结果:
订单日期,订单id,userId,商品id,购买得总件数,支付总额
key是什么?
value是什么?
要求:
按天分区(每天一个分区)
每个分区要划分成2个桶
表的数据需要保存2个副本
表的数据初始存储介质指定为SSD
设置冷却时间为2023年6月5日18点
-- 建表语句
create table order_1
(
`date` date COMMENT "日期时间",
`oid` bigint COMMENT "订单id",
`userid` varchar(255) COMMENT "用户id",
`spid` varchar(255) COMMENT "商品id",
`total` int sum COMMENT "商品总数",
`pay` int sum COMMENT "支付总金额"
)
ENGINE=olap
AGGREGATE KEY(`date`,`oid`,`userid`,`spid`)
partition by range(`date`)
(
partition `p20221201` values less than ("2022-12-02"),
partition `p20221202` values less than ("2022-12-03"),
partition `p20221203` values less than ("2022-12-04")
)
DISTRIBUTED BY HASH(`userid`) BUCKETS 2
properties(
"replication_num"="2",
"storage_medium" = "SSD"
);
-- 插入数据
insert into order_1 values
('2022-12-01',1,'u01','p01',2,20),
('2022-12-01',1,'u01','p02',1,10),
('2022-12-01',1,'u01','p01',1,10),
('2022-12-01',2,'u02','p03',2,40);