创建CarbonData Table的建议

操作场景

本章节根据超过50个测试用例总结得出建议，帮助用户创建拥有更高查询性能的CarbonData表。

操作步骤

• 如果待创建的表有一个常用于过滤的列 ，例如80%以上的场景使用此列过滤。

  针对此类场景，调优方法如下：

  将常用于过滤的列放在sort_columns第一列。

  例如，msisdn作为过滤条件在查询中使用的最多，则将其放在第一列。创建表的命令如下，其中采用msisdn作为过滤条件的查询性能将会很好。

  create table carbondata_table(
      msisdn String,
      ...
      )STORED AS carbondata TBLPROPERTIES ('SORT_COLUMS'='msisdn');

• 如果待创建的表有多个常用于过滤的列。

  针对此类场景，调优方法如下：

  为常用的过滤列创建索引。

  例如，如果msisdn，host和dime_1是过滤经常使用的列，根据cardinality，sort_columns列的顺序是dime_1-> host-> msisdn…。创建表命令如下，以下命令可提高dime_1，host和msisdn上的过滤性能。

  create table carbondata_table(
      dime_1 String,
      host String,
      msisdn String,
      dime_2 String,
      dime_3 String,
      ...
      )STORED AS carbondata 
  TBLPROPERTIES ('SORT_COLUMS'='dime_1,host,msisdn');

• 如果每个用于过滤的列的频率相当。

  针对此类场景，调优方法如下：

  sort_columns按照cardinality从低到高的顺序排列。

  创建表的命令如下：

  create table carbondata_table(
      Dime_1 String,
      BEGIN_TIME bigint,
      HOST String,
      MSISDN String,
      ...
      )STORED AS carbondata
  TBLPROPERTIES ('SORT_COLUMS'='dime_2,dime_3,dime_1, BEGIN_TIME,host,msisdn');

• 按照维度的cardinality从低到高创建表后，再为高Cardinality列创建SECONDARY INDEX。创建索引的语句如下：

  create index carbondata_table_index_msidn on tablecarbondata_table (
  MSISDN String) as 'carbondata' PROPERTIES ('table_blocksize'='128');
  create index carbondata_table_index_host on tablecarbondata_table (
  host String) as 'carbondata' PROPERTIES ('table_blocksize'='128');

• 对于不需要高精度的度量，无需使用numeric (20,0)数据类型，建议使用double数据类型来替换numeric (20,0)数据类型，以提高查询性能。

  在一个测试用例中，使用double来替换numeric (20, 0)，查询时间从15秒降低到3秒，查询速度提高了5倍。创建表命令如下：

  create table carbondata_table(
      Dime_1 String,
      BEGIN_TIME bigint,
      HOST String,
      MSISDN String,
      counter_1 double,
      counter_2 double,
      ...
      counter_100 double,
      )STORED AS carbondata
  ;

• 如果列值总是递增的，如start_time。

  例如，每天将数据加载到CarbonData，start_time是每次加载的增量。对于这种情况，建议将start_time列放在sort_columns的最后，因为总是递增的值可以始终使用最小/最大索引。创建表命令如下：

  create table carbondata_table(
      Dime_1 String,
      HOST String,
      MSISDN String,
      counter_1 double,
      counter_2 double,
      BEGIN_TIME bigint,
      ...
      counter_100 double,
      )STORED AS carbondata 
      TBLPROPERTIES ( 'SORT_COLUMS'='dime_2,dime_3,dime_1..BEGIN_TIME');