Rollup 与查询

在 Doris 里 Rollup 作为一份聚合物化视图,其在查询中可以起到两个作用:

  • 索引
  • 聚合数据(仅用于聚合模型,即aggregate key)

但是为了命中 Rollup 需要满足一定的条件,并且可以通过执行计划中 ScanNdoe 节点的 PreAggregation 的值来判断是否可以命中 Rollup,以及 Rollup 字段来判断命中的是哪一张 Rollup 表。

名词解释

Base:基表。

Rollup:一般指基于 Base 表创建的 Rollup 表,但在一些场景包括 Base 以及 Rollup 表。

索引

前面的查询实践中已经介绍过 Doris 的前缀索引,即 Doris 会把 Base/Rollup 表中的前 36 个字节(有 varchar 类型则可能导致前缀索引不满 36 个字节,varchar 会截断前缀索引,并且最多使用 varchar 的 20 个字节)在底层存储引擎单独生成一份排序的稀疏索引数据(数据也是排序的,用索引定位,然后在数据中做二分查找),然后在查询的时候会根据查询中的条件来匹配每个 Base/Rollup 的前缀索引,并且选择出匹配前缀索引最长的一个 Base/Rollup。

  1. -----> 从左到右匹配
  2. +----+----+----+----+----+----+
  3. | c1 | c2 | c3 | c4 | c5 |... |

如上图,取查询中 where 以及 on 上下推到 ScanNode 的条件,从前缀索引的第一列开始匹配,检查条件中是否有这些列,有则累计匹配的长度,直到匹配不上或者36字节结束(varchar类型的列只能匹配20个字节,并且会匹配不足36个字节截断前缀索引),然后选择出匹配长度最长的一个 Base/Rollup,下面举例说明,创建了一张Base表以及四张rollup:

  1. +---------------+-------+--------------+------+-------+---------+-------+
  2. | IndexName | Field | Type | Null | Key | Default | Extra |
  3. +---------------+-------+--------------+------+-------+---------+-------+
  4. | test | k1 | TINYINT | Yes | true | N/A | |
  5. | | k2 | SMALLINT | Yes | true | N/A | |
  6. | | k3 | INT | Yes | true | N/A | |
  7. | | k4 | BIGINT | Yes | true | N/A | |
  8. | | k5 | DECIMAL(9,3) | Yes | true | N/A | |
  9. | | k6 | CHAR(5) | Yes | true | N/A | |
  10. | | k7 | DATE | Yes | true | N/A | |
  11. | | k8 | DATETIME | Yes | true | N/A | |
  12. | | k9 | VARCHAR(20) | Yes | true | N/A | |
  13. | | k10 | DOUBLE | Yes | false | N/A | MAX |
  14. | | k11 | FLOAT | Yes | false | N/A | SUM |
  15. | | | | | | | |
  16. | rollup_index1 | k9 | VARCHAR(20) | Yes | true | N/A | |
  17. | | k1 | TINYINT | Yes | true | N/A | |
  18. | | k2 | SMALLINT | Yes | true | N/A | |
  19. | | k3 | INT | Yes | true | N/A | |
  20. | | k4 | BIGINT | Yes | true | N/A | |
  21. | | k5 | DECIMAL(9,3) | Yes | true | N/A | |
  22. | | k6 | CHAR(5) | Yes | true | N/A | |
  23. | | k7 | DATE | Yes | true | N/A | |
  24. | | k8 | DATETIME | Yes | true | N/A | |
  25. | | k10 | DOUBLE | Yes | false | N/A | MAX |
  26. | | k11 | FLOAT | Yes | false | N/A | SUM |
  27. | | | | | | | |
  28. | rollup_index2 | k9 | VARCHAR(20) | Yes | true | N/A | |
  29. | | k2 | SMALLINT | Yes | true | N/A | |
  30. | | k1 | TINYINT | Yes | true | N/A | |
  31. | | k3 | INT | Yes | true | N/A | |
  32. | | k4 | BIGINT | Yes | true | N/A | |
  33. | | k5 | DECIMAL(9,3) | Yes | true | N/A | |
  34. | | k6 | CHAR(5) | Yes | true | N/A | |
  35. | | k7 | DATE | Yes | true | N/A | |
  36. | | k8 | DATETIME | Yes | true | N/A | |
  37. | | k10 | DOUBLE | Yes | false | N/A | MAX |
  38. | | k11 | FLOAT | Yes | false | N/A | SUM |
  39. | | | | | | | |
  40. | rollup_index3 | k4 | BIGINT | Yes | true | N/A | |
  41. | | k5 | DECIMAL(9,3) | Yes | true | N/A | |
  42. | | k6 | CHAR(5) | Yes | true | N/A | |
  43. | | k1 | TINYINT | Yes | true | N/A | |
  44. | | k2 | SMALLINT | Yes | true | N/A | |
  45. | | k3 | INT | Yes | true | N/A | |
  46. | | k7 | DATE | Yes | true | N/A | |
  47. | | k8 | DATETIME | Yes | true | N/A | |
  48. | | k9 | VARCHAR(20) | Yes | true | N/A | |
  49. | | k10 | DOUBLE | Yes | false | N/A | MAX |
  50. | | k11 | FLOAT | Yes | false | N/A | SUM |
  51. | | | | | | | |
  52. | rollup_index4 | k4 | BIGINT | Yes | true | N/A | |
  53. | | k6 | CHAR(5) | Yes | true | N/A | |
  54. | | k5 | DECIMAL(9,3) | Yes | true | N/A | |
  55. | | k1 | TINYINT | Yes | true | N/A | |
  56. | | k2 | SMALLINT | Yes | true | N/A | |
  57. | | k3 | INT | Yes | true | N/A | |
  58. | | k7 | DATE | Yes | true | N/A | |
  59. | | k8 | DATETIME | Yes | true | N/A | |
  60. | | k9 | VARCHAR(20) | Yes | true | N/A | |
  61. | | k10 | DOUBLE | Yes | false | N/A | MAX |
  62. | | k11 | FLOAT | Yes | false | N/A | SUM |
  63. +---------------+-------+--------------+------+-------+---------+-------+

三张表的前缀索引分别为

  1. Base(k1 ,k2, k3, k4, k5, k6, k7)
  2. rollup_index1(k9),rollup_index2(k9)
  3. rollup_index3(k4, k5, k6, k1, k2, k3, k7)
  4. rollup_index4(k4, k6, k5, k1, k2, k3, k7)

能用的上前缀索引的列上的条件需要是 = < > <= >= in between 这些并且这些条件是并列的且关系使用 and 连接,对于or!= 等这些不能命中,然后看以下查询:

SELECT * FROM test WHERE k1 = 1 AND k2 > 3;

有 k1 以及 k2 上的条件,检查只有 Base 的第一列含有条件里的 k1,所以匹配最长的前缀索引即 test,explain一下:

  1. | 0:OlapScanNode
  2. | TABLE: test
  3. | PREAGGREGATION: OFF. Reason: No AggregateInfo
  4. | PREDICATES: `k1` = 1, `k2` > 3
  5. | partitions=1/1
  6. | rollup: test
  7. | buckets=1/10
  8. | cardinality=-1
  9. | avgRowSize=0.0
  10. | numNodes=0
  11. | tuple ids: 0

再看以下查询:

SELECT * FROM test WHERE k4 = 1 AND k5 > 3;

有 k4 以及 k5 的条件,检查 rollup_index3、rollup_index4 的第一列含有 k4,但是 rollup_index3 的第二列含有k5,所以匹配的前缀索引最长。

  1. | 0:OlapScanNode
  2. | TABLE: test
  3. | PREAGGREGATION: OFF. Reason: No AggregateInfo
  4. | PREDICATES: `k4` = 1, `k5` > 3
  5. | partitions=1/1
  6. | rollup: rollup_index3
  7. | buckets=10/10
  8. | cardinality=-1
  9. | avgRowSize=0.0
  10. | numNodes=0
  11. | tuple ids: 0

现在我们尝试匹配含有 varchar 列上的条件,如下:

SELECT * FROM test WHERE k9 IN ("xxx", "yyyy") AND k1 = 10;

有 k9 以及 k1 两个条件,rollup_index1 以及 rollup_index2 的第一列都含有 k9,按理说这里选择这两个 rollup 都可以命中前缀索引并且效果是一样的随机选择一个即可(因为这里 varchar 刚好20个字节,前缀索引不足36个字节被截断),但是当前策略这里还会继续匹配 k1,因为 rollup_index1 的第二列为 k1,所以选择了 rollup_index1,其实后面的 k1 条件并不会起到加速的作用。(如果对于前缀索引外的条件需要其可以起到加速查询的目的,可以通过建立 Bloom Filter 过滤器加速。一般对于字符串类型建立即可,因为 Doris 针对列存在 Block 级别对于整形、日期已经有 Min/Max 索引) 以下是 explain 的结果。

  1. | 0:OlapScanNode
  2. | TABLE: test
  3. | PREAGGREGATION: OFF. Reason: No AggregateInfo
  4. | PREDICATES: `k9` IN ('xxx', 'yyyy'), `k1` = 10
  5. | partitions=1/1
  6. | rollup: rollup_index1
  7. | buckets=1/10
  8. | cardinality=-1
  9. | avgRowSize=0.0
  10. | numNodes=0
  11. | tuple ids: 0

最后看一个多张Rollup都可以命中的查询:

SELECT * FROM test WHERE k4 < 1000 AND k5 = 80 AND k6 >= 10000;

有 k4,k5,k6 三个条件,rollup_index3 以及 rollup_index4 的前3列分别含有这三列,所以两者匹配的前缀索引长度一致,选取两者都可以,当前默认的策略为选取了比较早创建的一张 rollup,这里为 rollup_index3。

  1. | 0:OlapScanNode
  2. | TABLE: test
  3. | PREAGGREGATION: OFF. Reason: No AggregateInfo
  4. | PREDICATES: `k4` < 1000, `k5` = 80, `k6` >= 10000.0
  5. | partitions=1/1
  6. | rollup: rollup_index3
  7. | buckets=10/10
  8. | cardinality=-1
  9. | avgRowSize=0.0
  10. | numNodes=0
  11. | tuple ids: 0

如果稍微修改上面的查询为:

SELECT * FROM test WHERE k4 < 1000 AND k5 = 80 OR k6 >= 10000;

则这里的查询不能命中前缀索引。(甚至 Doris 存储引擎内的任何 Min/Max,BloomFilter 索引都不能起作用)

聚合数据

当然一般的聚合物化视图其聚合数据的功能是必不可少的,这类物化视图对于聚合类查询或报表类查询都有非常大的帮助,要命中聚合物化视图需要下面一些前提:

  1. 查询或者子查询中涉及的所有列都存在一张独立的 Rollup 中。
  2. 如果查询或者子查询中有 Join,则 Join 的类型需要是 Inner join。

以下是可以命中Rollup的一些聚合查询的种类,

列类型 查询类型SumDistinct/Count DistinctMinMaxAPPROX_COUNT_DISTINCT
Keyfalsetruetruetruetrue
Value(Sum)truefalsefalsefalsefalse
Value(Replace)falsefalsefalsefalsefalse
Value(Min)falsefalsetruefalsefalse
Value(Max)falsefalsefalsetruefalse

如果符合上述条件,则针对聚合模型在判断命中 Rollup 的时候会有两个阶段:

  1. 首先通过条件匹配出命中前缀索引索引最长的 Rollup 表,见上述索引策略。
  2. 然后比较 Rollup 的行数,选择最小的一张 Rollup。

如下 Base 表以及 Rollup:

  1. +-------------+-------+--------------+------+-------+---------+-------+
  2. | IndexName | Field | Type | Null | Key | Default | Extra |
  3. +-------------+-------+--------------+------+-------+---------+-------+
  4. | test_rollup | k1 | TINYINT | Yes | true | N/A | |
  5. | | k2 | SMALLINT | Yes | true | N/A | |
  6. | | k3 | INT | Yes | true | N/A | |
  7. | | k4 | BIGINT | Yes | true | N/A | |
  8. | | k5 | DECIMAL(9,3) | Yes | true | N/A | |
  9. | | k6 | CHAR(5) | Yes | true | N/A | |
  10. | | k7 | DATE | Yes | true | N/A | |
  11. | | k8 | DATETIME | Yes | true | N/A | |
  12. | | k9 | VARCHAR(20) | Yes | true | N/A | |
  13. | | k10 | DOUBLE | Yes | false | N/A | MAX |
  14. | | k11 | FLOAT | Yes | false | N/A | SUM |
  15. | | | | | | | |
  16. | rollup2 | k1 | TINYINT | Yes | true | N/A | |
  17. | | k2 | SMALLINT | Yes | true | N/A | |
  18. | | k3 | INT | Yes | true | N/A | |
  19. | | k10 | DOUBLE | Yes | false | N/A | MAX |
  20. | | k11 | FLOAT | Yes | false | N/A | SUM |
  21. | | | | | | | |
  22. | rollup1 | k1 | TINYINT | Yes | true | N/A | |
  23. | | k2 | SMALLINT | Yes | true | N/A | |
  24. | | k3 | INT | Yes | true | N/A | |
  25. | | k4 | BIGINT | Yes | true | N/A | |
  26. | | k5 | DECIMAL(9,3) | Yes | true | N/A | |
  27. | | k10 | DOUBLE | Yes | false | N/A | MAX |
  28. | | k11 | FLOAT | Yes | false | N/A | SUM |
  29. +-------------+-------+--------------+------+-------+---------+-------+

看以下查询:

SELECT SUM(k11) FROM test_rollup WHERE k1 = 10 AND k2 > 200 AND k3 in (1,2,3);

首先判断查询是否可以命中聚合的 Rollup表,经过查上面的图是可以的,然后条件中含有 k1,k2,k3 三个条件,这三个条件 test_rollup、rollup1、rollup2 的前三列都含有,所以前缀索引长度一致,然后比较行数显然 rollup2 的聚合程度最高行数最少所以选取 rollup2。

  1. | 0:OlapScanNode |
  2. | TABLE: test_rollup |
  3. | PREAGGREGATION: ON |
  4. | PREDICATES: `k1` = 10, `k2` > 200, `k3` IN (1, 2, 3) |
  5. | partitions=1/1 |
  6. | rollup: rollup2 |
  7. | buckets=1/10 |
  8. | cardinality=-1 |
  9. | avgRowSize=0.0 |
  10. | numNodes=0 |
  11. | tuple ids: 0 |