管理列存储数据_云原生多模数据库 Lindorm(Lindorm)-阿里云帮助中心

列存即列式存储，是一种将数据按列进行存储和处理的数据管理方式。Lindorm计算引擎支持将半结构化、结构化数据以列存方式进行存储，相较于行式存储，列式存储的查询响应时间更短，消耗IO更少。本文介绍如何通过计算引擎访问Lindorm列存数据。

背景信息

Lindorm列存是面向海量半结构化、结构化数据设计的列格式分布式存储服务，适用于车联网、物联网、订单、日志等大规模存储场景，核心能力包括：

计算分析
Lindorm计算引擎可以访问列存数据，完成海量数据的交互式分析和离线计算。列存提供丰富的索引能力和数据分布特征，可以有效加速计算过程中的数据定位与排布，通过SQL即可完成海量主键数据的增删改查。
高吞吐
列存引擎吞吐能力支持水平扩展，提供每分钟TB级数据的读写能力。适用于车联网数据快速导入、模型训练数据集存取和大规模报表分析生产等高吞吐数据场景。
低成本
通过列格式高压缩比算法、高密度低成本介质、冷热分离、多压缩编码和数据冷归档等技术，Lindorm列存相比自建系统存储成本显著降低，满足海量数据归档留存等低成本存储需求。
高可用
通过纠删码等技术，Lindorm列存保证了分布式数据集的高可用性，同时保证了数据访问无单点。
开源兼容
兼容Iceberg开源标准接口，与Spark、Flink等多种计算引擎互联互通，无缝对接主流数据生态。

前提条件

已阅读使用须知。
根据不同的作业形态，请确保已经完成了以下操作：
- JDBC开发实践：JDBC开发实践。
- JAR作业开发实践：JAR作业开发实践。
- Python作业开发实践：Python作业开发实践。

功能说明

DDL

命名空间

创建Namespace（Database）

USE lindorm_columnar;
CREATE NAMESPACE mydb;

删除Namespace（Database）

USE lindorm_columnar;
DROP NAMESPACE mydb;

表

创建表

USE lindorm_columnar;
CREATE TABLE mydb.mytable (
  id INT NOT NULL,
  city STRING NOT NULL,
  name STRING,
  score INT)
PARTITIONED BY (city, bucket(128,id))
TBLPROPERTIES(
  'primary-key' = 'id,city');

以下分别对主键、数据分区方式进行说明。

主键

创建表时，可以通过设置主键创建主键表或不设置主键创建非主键表。以下将分别介绍主键表和非主键表的创建方法，以及创建时需遵循的规则。

创建主建表。创建表时，设置TBLPROPERTIES中primary-key参数的值，指定表的主键字段即可。主键表遵循以下规则：
- 多个主键字段需用英文逗号分隔。支持字段类型：BOOLEAN、BYTE、SHORT、INT、LONG、FLOAT、DOUBLE、STRING和BINARY。
- 列存表主键具备唯一性。
- 当相同主键数据多次写入，新数据将覆盖旧数据。
- 必须指定分区，表分区表达式字段必须来自主键字段，最后一级分区必须为bucket分区。
创建非主键表。创建表时，不设置TBLPROPERTIES中的primary-key参数的值即可。非主键表无分区要求且数据无唯一性保证，允许存在重复数据。

数据分区方式

您可以在创建表时通过PARTITIONED BY([普通分区表达式],{bucket(bucketNum,bucketCol)})指定数据分区方式。

bucket分区表达式
- bucketNum为分片数量，直接影响数据写入和扫描的并发度。
  说明
  不同的bucket分区有不同的分区号（bucket_index）。bucketNum决定了一个普通分区下的bucket分区数量。
  - bucket分区号的计算方式是基于分区字段求Hash值，然后对bucketNum取余得出。以示例表mydb.mytable中的数据为例，bucket_index=hash(id)%128。
  - 对于每个不同的bucket_index，底层存储将进行物理划分。建议您在创建表前评估数据总量，并合理设置bucketNum，保证单bucket分区的数据量在50M~512M之间。
- bucketCol为具体的bucket分区字段。
  重要
  设置bucket分区字段时为避免数据倾斜，需确保bucket分区字段具有足够的离散特征。
示例
创建表时仅指定bucket分区。
- 示例一：
```
USE lindorm_columnar;
CREATE TABLE mydb.mytable (
  id INT NOT NULL,
  city STRING,
  name STRING,
  score DOUBLE)
PARTITIONED BY (bucket(1024,id))
TBLPROPERTIES(
  'primary-key' = 'id');
```
- 示例二：
```
USE lindorm_columnar;
CREATE TABLE mydb.mytable (
  id INT NOT NULL,
  timestamp LONG NOT NULL,
  city STRING,
  name STRING,
  score DOUBLE)
PARTITIONED BY (bucket(512,timestamp))
TBLPROPERTIES(
  'primary-key' = 'id,timestamp');
```

普通分区表达式

对于普通分区表达式每个不同的值，底层存储将进行物理划分，保证数据扫描的裁剪能力。

重要

请您确保普通分区表达式的取值相对集中，常见普通分区字段包括：日期、城市、性别等等。如果您的普通分区表达式取值过于离散，例如时间戳，将导致列存元数据压力过大。

示例

创建表时同时指定普通分区和bucket分区。

示例一：

USE lindorm_columnar;
CREATE TABLE mydb.mytable (
  id INT NOT NULL,
  year STRING NOT NULL,
  month STRING NOT NULL,
  day STRING NOT NULL,
  city STRING,
  name STRING,
  score DOUBLE)
PARTITIONED BY (year, month, day, bucket(1024,id))
TBLPROPERTIES(
  'primary-key' = 'id, year, month, day');

示例二：

USE lindorm_columnar;
CREATE TABLE mydb.mytable (
  id INT NOT NULL,
  date STRING NOT NULL,
  city STRING NOT NULL,
  name STRING,
  score DOUBLE)
PARTITIONED BY (date, city, bucket(1024,id))
TBLPROPERTIES(
  'primary-key' = 'id,date,city');

查看当前Namespace下的表

USE lindorm_columnar;
USE mydb;
SHOW TABLES;

查看已存在的表

您可以执行以下SQL语句查看表结构。

USE lindorm_columnar;
SHOW CREATE TABLE mydb.mytable;
DESC mydb.mytable;

删除指定表

USE lindorm_columnar;
-- 删除表保留数据文件
DROP TABLE mydb.mytable;
-- 删除表删除数据文件
DROP TABLE mydb.mytable PURGE;

清空表中数据

USE lindorm_columnar;
TRUNCATE TABLE mydb.mytable;

分区

删除分区

您可以通过DELETE FROM语法指定WHERE条件匹配分区来删除分区，示例如下。

USE lindorm_columnar;
DELETE FROM mydb.mytable WHERE city = 'beijing';

DML

表

在表中插入数据

示例一：

USE lindorm_columnar;
INSERT INTO mydb.mytable VALUES (0, 'beijing', 'zhang3', 99);

示例二：

USE lindorm_columnar;
INSERT INTO mydb.mytable SELECT id, city, name, score FROM another_table;

查询表中的数据

示例一：

USE lindorm_columnar;
SELECT * from mydb.mytable where id=0;

示例二：

USE lindorm_columnar;
SELECT count(1), sum(score) from mydb.mytable where city = 'beijing';

分区整理

在列存分区写入数据，经过一段时间后，您可以执行rewrite_data_files命令，整理分区数据，减少数据冗余，提升数据查询性能。

示例一：

USE lindorm_columnar;
CALL lindorm_columnar.system.rewrite_data_files(table => 'mydb.mytable');

示例二：

USE lindorm_columnar;
CALL lindorm_columnar.system.rewrite_data_files(table => 'mydb.mytable', where => 'city=\"beijing\"');

最佳实践

您可以通过以下方案，加速数据查询或计算。

主键数据查询

如果表中存储了海量数据集，查询时可以指定通过主键过滤条件，实现加速效果。查询时，主键的数据范围设置得越小，加速效果越好。

假设表结构如下：

USE lindorm_columnar;
CREATE TABLE orders (
o_orderkey       INT NOT NULL,
o_custkey        INT,
o_orderstatus    STRING,
o_totalprice     DOUBLE,
o_orderdate      STRING,
o_orderpriority  STRING,
o_clerk          STRING,
o_shippriority   INT,
o_comment        STRING)
PARTITIONED BY (bucket(1024,o_orderkey))
TBLPROPERTIES(
'primary-key' = 'o_orderkey');

示例一：

USE lindorm_columnar;
SELECT * FROM orders WHERE o_orderkey=18394;

示例二：

USE lindorm_columnar;
SELECT count(*) FROM orders WHERE o_orderkey>100000 AND o_orderkey<200000;

示例三：

USE lindorm_columnar;
SELECT count(*) FROM orders WHERE o_orderkey>100000;

添加分区过滤

Lindorm列存引擎中不同分区之间彼此物理隔离，因此，通过添加分区过滤条件，可以加速数据查询。

假设表结构如下：

USE lindorm_columnar;
CREATE TABLE orders (
o_orderkey       INT NOT NULL,
o_custkey        INT,
o_orderstatus    STRING,
o_totalprice     DOUBLE,
o_orderdate      STRING NOT NULL,
o_orderpriority  STRING,
o_clerk          STRING,
o_shippriority   INT,
o_comment        STRING)
PARTITIONED BY (o_orderdate, bucket(1024,o_orderkey))
TBLPROPERTIES(
'primary-key' = 'o_orderdate,o_orderkey');

示例一：

USE lindorm_columnar;
SELECT o_orderdate, count(*) FROM orders WHERE o_orderdate='2022-01-01' GROUP BY o_orderdate;

示例二：

USE lindorm_columnar;
SELECT o_orderdate, count(*) FROM orders WHERE o_orderdate>='2022-01-01' AND o_orderdate<='2022-01-07' GROUP BY o_orderdate;

查询加速

对指定表或者表中的指定分区进行数据整理（Rewrite），可以增强数据的有序性或紧凑性，从而提升数据扫描性能。

假设表结构如下：

CREATE TABLE mydb.mytable (
  id INT NOT NULL, 
  city STRING NOT NULL, 
  name STRING, 
  score INT)
partitioned by (city, bucket(4, id))
tblproperties('primary-key' = 'id,city');

示例一：对mydb.mytable全表进行数据整理。

CALL lindorm_columnar.system.rewrite_data_files(table => 'mydb.mytable');

示例二：对指定分区进行数据整理。

CALL lindorm_columnar.system.rewrite_data_files(table => 'mydb.mytable', where => 'city=\"beijing\"');

完成数据整理后，如果想要进一步提升后续查询的效率，可以执行以下语句设置表的相关参数来加速后续查询：

ALTER TABLE mydb.mytable SET TBLPROPERTIES ('read.scan-major-rewritten-files-only' = true);

参数说明

read.scan-major-rewritten-files-only：指定数据查询范围。数据类型为BOOLEAN。取值如下：

true：只查询已完成数据整理的数据，忽略增量写入且未完成数据整理的数据。
false：默认值。查询所有数据。

非主键条件查询

针对分区整理过程，列存表默认按主键排序，可以在建表后按需配置排序键，从而加速非主键条件查询。

重要

自定义排序键加速查询效果需要在配置排序键后进行分区整理，且只扫描已进行分区整理的数据，不再扫描增量数据。

假设表结构如下：

USE lindorm_columnar;
CREATE TABLE orders (
o_orderkey       INT NOT NULL,
o_custkey        INT,
o_orderstatus    STRING,
o_totalprice     DOUBLE ,
o_orderdate      STRING ,
o_orderpriority  STRING,
o_clerk          STRING,
o_shippriority   INT,
o_comment        STRING)
PARTITIONED BY (bucket(1024,o_orderkey))
TBLPROPERTIES(
'primary-key' = 'o_orderkey',
'read.scan-major-rewritten-files-only' = 'true');

执行以下语句配置排序键：

ALTER TABLE orders WRITE ORDERED BY o_shippriority,o_totalprice;

执行以下语句整理分区：

CALL lindorm_columnar.system.rewrite_data_files(table => 'orders');

您可以使用以下SQL语句查询已完成分区整理的表中的数据。

示例一：

USE lindorm_columnar;
SELECT count(*) FROM orders WHERE o_shippriority=0;

示例二：

USE lindorm_columnar;
SELECT count(*) FROM orders WHERE o_shippriority=0 AND o_totalprice>999.9;