目录
一：建表代码
CREATE TABLE `heheyotubehehe_ads_people_kehuduan_experience_data` (
`day` int(11) NOT NULL DEFAULT "0" COMMENT "",
`os` varchar(50) NULL COMMENT "",
`soft_version` varchar(50) NULL COMMENT "",
`is_app_new` varchar(50) NULL COMMENT " 是否是新用户",
`disp_pv` int(11) NULL DEFAULT "0" COMMENT "弹窗一展现pv",
`disp_uv` int(11) NULL DEFAULT "0" COMMENT "弹窗一展现uv",
`agree_clk_uv` int(11) NULL DEFAULT "0" COMMENT "弹窗一同意按钮点击uv",
`disagree_clk_uv` int(11) NULL DEFAULT "0" COMMENT "弹窗一不同意按钮点击uv",
`second_disp_pv` int(11) NULL DEFAULT "0" COMMENT 私弹窗二展现pv",
`second_disp_uv` int(11) NULL DEFAULT "0" COMMENT "弹窗二展现uv",
`second_agree_clk_uv` int(11) NULL DEFAULT "0" COMMENT "弹窗二同意按钮点击uv",
`second_think_clk_uv` int(11) NULL DEFAULT "0" COMMENT "弹窗二不同意按钮点击uv",
`third_disp_pv` int(11) NULL DEFAULT "0" COMMENT "弹窗三展现pv",
`third_disp_uv` int(11) NULL DEFAULT "0" COMMENT "弹窗三展现uv",
`third_check_agreement_clk_uv` int(11) NULL DEFAULT "0" COMMENT "弹窗三查看协议按钮点击uv",
`third_exit_clk_uv` int(11) NULL DEFAULT "0" COMMENT "弹窗三退出应用按钮点击uv",
) ENGINE=OLAP
AGGREGATE KEY(`day`, `os`, `soft_version`, `is_app_new`, `disp_pv`, `disp_uv`,
`agree_clk_uv`, `disagree_clk_uv`, `second_disp_pv`,
`second_disp_uv`, `second_agree_clk_uv`, `second_think_clk_uv`,
`third_disp_pv`, `third_disp_uv`, `third_check_agreement_clk_uv`,
`third_exit_clk_uv`, `device_disp_pv`, `device_disp_uv`,
`device_dis_uv`, `device_agree_clk_uv`, `device_disagree_clk_uv`,
`glide_disp_pv`, `glide_disp_uv`, `glide_dis_uv`)
COMMENT "【heheyotubehehe】体验报表"
PARTITION BY RANGE(`day`)
(PARTITION p202104 VALUES [("20210401"), ("20210501")),
PARTITION p202105 VALUES [("20210501"), ("20210601")),
PARTITION p202106 VALUES [("20210601"), ("20210701")),
PARTITION p202107 VALUES [("20210701"), ("20210801")))
DISTRIBUTED BY HASH(`day`) BUCKETS 10
PROPERTIES (
"replication_num" = "3",
"dynamic_partition.enable" = "true",
"dynamic_partition.time_unit" = "MONTH",
"dynamic_partition.time_zone" = "Asia/Shanghai",
"dynamic_partition.start" = "-360",
"dynamic_partition.end" = "3",
"dynamic_partition.prefix" = "p",
"dynamic_partition.replication_num" = "3",
"dynamic_partition.buckets" = "10",
"dynamic_partition.start_day_of_month" = "1",
"in_memory" = "false",
"storage_format" = "V2"
);[备注：字段随便起的，不涉及商业机密，若有侵权必删]
二：数据模型
代码中出现了aggregate key，他属于一种数据模型。
Doris 这类 MPP 架构的 OLAP 数据库，通常都是通过提高并发，来处理大量数据的.
Doris 的数据模型主要分为3类:Aggregate, Uniq, Duplicate.
Aggregate模型:在doris中通过key来决定value的聚合粒度大小。
Uniq模型：这类数据没有聚合需求，只需要保证主键的唯一性
Duplicate模型：在某些多维分析场景下，数据既没有主键，也没有聚合需求
数据模型的选择建议：
1）Aggregate 模型可以通过预聚合，极大地降低聚合查询时所需扫描的数据量和查询的计算量，
非常适合有固定模式的报表类查询场景。但是该模型对 count(*) 查询很不友好。
同时因为固定了 Value 列上的聚合方式，在进行其他类型的聚合查询时，需要考虑语意正确性。
2）Uniq 模型针对需要唯一主键约束的场景，可以保证主键唯一性约束。
但是无法利用 ROLLUP 等预聚合带来的查询优势（因为本质是 REPLACE，没有 SUM 这种聚合方式）。
3）Duplicate 适合任意维度的 Ad-hoc 查询。虽然同样无法利用预聚合的特性，
但是不受聚合模型的约束，可以发挥列存模型的优势（只读取相关列，而不需要读取所有 Key 列）。
三: 范围分区：partition by range
代码中出现来partition by range('day')
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）
partition by range语法：
partition by range('day')(
partition 分区名1 values 分区范围1
partition 分区名2 values 分区范围2
）
四：hash分桶
代码中出现的distributed by hash('day') buckets 10
根据hash值将数据划分成不同的 bucket。
1)建议采用区分度大的列做分桶, 避免出现数据倾斜
2)为方便数据恢复, 建议单个 bucket 的 size 不要太大, 保持在 10GB 以内,
所以建表或增加 partition 时请合理考虑 bucket 数目, 其中不同 partition 可指定不同的 buckets 数。
五.其他
1）engine=olap
2) aggregate key后面括号中的字段与前面定义的字段一一对应。
3）properties中是一些固定的选择。
参考文献：
https://blog.csdn.net/m0_37622868/article/details/82849108
https://blog.csdn.net/u012150370/article/details/104783173