MaxCompute 表設(shè)計(jì)規(guī)范有哪些

MaxCompute 表設(shè)計(jì)規(guī)范有哪些，相信很多沒有經(jīng)驗(yàn)的人對(duì)此束手無策，為此本文總結(jié)了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個(gè)問題。

• 表的限制項(xiàng)

• 表(Table)設(shè)計(jì)規(guī)范 表設(shè)計(jì)主要目標(biāo)

• 分區(qū)字段和普通字段的選擇

• 分區(qū)字段定義依據(jù)

• 分區(qū)個(gè)數(shù)定義依據(jù)

• 分區(qū)數(shù)量和數(shù)據(jù)量建議

• 按數(shù)據(jù)分層規(guī)范數(shù)據(jù)生命周期

• 按數(shù)據(jù)的變更和歷史規(guī)范數(shù)據(jù)的保存

• 表設(shè)計(jì)的影響

• 表設(shè)計(jì)步驟

• 表數(shù)據(jù)存儲(chǔ)規(guī)范

• 數(shù)據(jù)導(dǎo)入通道與表設(shè)計(jì)

• 分區(qū)設(shè)計(jì)與邏輯存儲(chǔ)的對(duì)應(yīng)

• 表和分區(qū)設(shè)計(jì)基本規(guī)則

• 分區(qū)設(shè)計(jì)

表的限制項(xiàng)

cdn.com/a774991fbfcd827098aeed14ae60230b787b1fcd.png">

表(Table)設(shè)計(jì)規(guī)范 表設(shè)計(jì)主要目標(biāo)

• 降低存儲(chǔ)成本。 合適的表設(shè)計(jì)可以在數(shù)據(jù)分層設(shè)計(jì)上降低冗余存儲(chǔ)，減少中間表數(shù)據(jù)量大小。同時(shí)正 確的對(duì)表數(shù)據(jù)進(jìn)行生命周期管理，更能夠直接降低存儲(chǔ)的數(shù)據(jù)量以降低存儲(chǔ)成本。

• 降低計(jì)算成本。 對(duì)表設(shè)計(jì)規(guī)范化，以便在后續(xù)對(duì)表數(shù)據(jù)進(jìn)行查詢計(jì)算過程中，可以依據(jù)這些規(guī)范優(yōu)化 數(shù)據(jù)的讀取，減少計(jì)算過程中的冗余讀寫和計(jì)算，提升計(jì)算性能的同時(shí)降低成本。

• 降低維護(hù)復(fù)雜度。 規(guī)范化的表分層設(shè)計(jì)能夠直接體現(xiàn)業(yè)務(wù)的特點(diǎn)。如通過對(duì)數(shù)據(jù)通道中數(shù)據(jù)采集方式 進(jìn)行優(yōu)化，同時(shí)對(duì)表進(jìn)行規(guī)范化設(shè)計(jì)，可以減少分布式系統(tǒng)中小文件的問題，同時(shí)也減少表和分區(qū)維 護(hù)的數(shù)量等復(fù)雜度。

表設(shè)計(jì)的影響

影響的操作:表創(chuàng)建/入數(shù)據(jù)/表更新/表刪除/表管理。 導(dǎo)入數(shù)據(jù)場(chǎng)景(區(qū)分要做實(shí)時(shí)數(shù)據(jù)采集還是離線批 量數(shù)據(jù)寫入):

• 導(dǎo)入即查詢與計(jì)算。

• 多次導(dǎo)入，定時(shí)查詢與計(jì)算。

• 導(dǎo)入后生成中間表進(jìn)行計(jì)算。
  注意:

• 合理的表設(shè)計(jì)和數(shù)據(jù)集成周期管理能夠使數(shù)據(jù)在存儲(chǔ)期間降低成本。 - MaxCompute優(yōu)先作為批量數(shù)據(jù)集成庫(kù)以及按業(yè)務(wù)邏輯進(jìn)行計(jì)算，如按照分區(qū)進(jìn)行計(jì)算。

• 導(dǎo)入后立即查詢與計(jì)算，需要考慮每次導(dǎo)入數(shù)據(jù)量，減少流式小量數(shù)據(jù)導(dǎo)入。

• 不合理的數(shù)據(jù)導(dǎo)入及存儲(chǔ)(小文件)會(huì)對(duì)整體存儲(chǔ)性能，計(jì)算性能，運(yùn)維穩(wěn)定性造成影響。

表設(shè)計(jì)步驟

1. 確定所屬項(xiàng)目空間，依據(jù)業(yè)務(wù)過程規(guī)劃表類型，屬于哪個(gè)數(shù)據(jù)層次。

2. 定義表描述，權(quán)限定義與Owner定義。

3. 依據(jù)數(shù)據(jù)量、數(shù)據(jù)集成特點(diǎn)定義分區(qū)表或者非分區(qū)表。

4. 定義字段，或分區(qū)字段

5. 表創(chuàng)建/表轉(zhuǎn)換

6. 明確導(dǎo)入數(shù)據(jù)場(chǎng)景的相關(guān)因素(包括批量數(shù)據(jù)寫入/流式數(shù)據(jù)寫入/條式數(shù)據(jù)插入)。

7. 定義表和分區(qū)數(shù)據(jù)生命周期。

注意:

• 表創(chuàng)建之后可以依據(jù)業(yè)務(wù)變化進(jìn)行表schema的修改，如設(shè)置生命周期，RangeClustering。

• 在設(shè)計(jì)階段需要特別注意區(qū)分?jǐn)?shù)據(jù)的場(chǎng)景(批量數(shù)據(jù)寫入/流式數(shù)據(jù)寫入/周期性條式數(shù)據(jù)插入)。

• 合理使用非分區(qū)表和分區(qū)表。日志表，事實(shí)表，原始采集表等建議使用分區(qū)表，按照時(shí)間分區(qū)。

• 注意各種表和分區(qū)的限制條件。

表數(shù)據(jù)存儲(chǔ)規(guī)范

按數(shù)據(jù)分層規(guī)范數(shù)據(jù)生命周期

• 源表ODS層: 每天從業(yè)務(wù)系統(tǒng)同步過來的數(shù)據(jù)，全部保留，生命周期定義永久保存。以防備下游數(shù)據(jù) 受損時(shí)可以從ODS恢復(fù)。若ODS每天同步過來的是全量表，可以通過全表拉鏈的方式來壓縮存儲(chǔ)。

• 數(shù)據(jù)倉(cāng)庫(kù)(基礎(chǔ))層: 至少保留一份完整的全量數(shù)據(jù)(不必像ODS那樣冗余多份全量)?？紤]到性能 因素，可以考慮拆表或者做分區(qū)。

• 數(shù)據(jù)集市層: 按需保留1~3年時(shí)?。數(shù)據(jù)集市的數(shù)據(jù)較容易生成，無需保留那么?時(shí)間的歷史數(shù)據(jù)

按數(shù)據(jù)的變更和歷史規(guī)范數(shù)據(jù)的保存

會(huì)變化數(shù)據(jù)怎么存:

• 客戶屬性、產(chǎn)品屬性天天變，將這些屬性的歷史變化情況記錄下來，以方便追溯某個(gè)時(shí)點(diǎn)的值。

• 在事實(shí)表里面冗余維表的字段，即把”事件發(fā)生時(shí)“的各種維度屬性值與該事件綁定起來。 比較方便使 用者，不需關(guān)聯(lián)多張表就可以用數(shù)據(jù)，在數(shù)據(jù)應(yīng)用層使用。

• 用拉鏈表或者日快照的形式，記錄維表的變化情況。 比較方便數(shù)據(jù)加工者，數(shù)據(jù)結(jié)構(gòu)靈活，擴(kuò)展方 便，容易管理，且數(shù)據(jù)一致性更好。在數(shù)據(jù)基礎(chǔ)層使用。

數(shù)據(jù)導(dǎo)入通道與表設(shè)計(jì)

通道類型:

• Datahub ，規(guī)劃寫入的分區(qū)以及寫入流量的關(guān)系，做到64M commit一次。

• 數(shù)據(jù)集成或DataX，規(guī)劃寫入的表分區(qū)的頻率，做到64M commit一次，避免commit空目錄。 DTS，規(guī)劃寫入的表存量分區(qū)與增量分區(qū)的關(guān)系，做commit頻率設(shè)置。

• Console (Run SQL or Tunnel upload)，避免高頻小數(shù)據(jù)量文件的插入或者上傳。

• SDK Run Sql之insert into，對(duì)表或者分區(qū)上傳時(shí)需要注意插入到分區(qū)后進(jìn)行小文件整理操作，避免 對(duì)一個(gè)分區(qū)或者非分區(qū)表插入多次，插入后需要merge。

注意:

• MaxCompute導(dǎo)入數(shù)據(jù)的通道只有Tunnel SDK或者執(zhí)行SQL的Insert into，避免流式插入。

• 以上各通道本身均有自身邏輯進(jìn)行流式數(shù)據(jù)寫入， 批量數(shù)據(jù)寫入，周期調(diào)度寫入。

• 數(shù)據(jù)通道寫表或分區(qū)時(shí)需要注意將一次寫入的數(shù)據(jù)量控制在合理的值如64M以上。

分區(qū)設(shè)計(jì)與邏輯存儲(chǔ)的對(duì)應(yīng)

如上圖，表一共m 個(gè)一級(jí)分區(qū)，每個(gè)一級(jí)分區(qū)都會(huì)按時(shí)間存儲(chǔ)二級(jí)分區(qū)，每個(gè)二級(jí)分區(qū)都會(huì)存儲(chǔ)所有的 列。 對(duì)分區(qū)進(jìn)行設(shè)計(jì)的注意事項(xiàng):

• 分區(qū)限制數(shù)量上限。

• 避免每個(gè)分區(qū)中只有少量數(shù)據(jù)。

• 按照分區(qū)條件查詢和計(jì)算。

• 避免每個(gè)分區(qū)中多次數(shù)據(jù)寫入。

表和分區(qū)設(shè)計(jì)基本規(guī)則

• 所有的表、字段名要使用統(tǒng)一的命名規(guī)范。

• 要能夠區(qū)分該表的業(yè)務(wù)類型。

• 要能夠區(qū)分該表是“事實(shí)表”或“維度表”，“日志表”，“極限存儲(chǔ)表”(待發(fā)布功能)。

• 要能夠區(qū)分該表的實(shí)體信息。

• 不同表中具有相同業(yè)務(wù)含義的字段要定義統(tǒng)一的數(shù)據(jù)類型:

• 避免不必要的類型轉(zhuǎn)換。

• 分區(qū)設(shè)計(jì)及使用一般規(guī)則:

• 支持新增分區(qū)，不支持新增分區(qū)字段。

• 單表支持分區(qū)數(shù)量為6萬。

• 對(duì)于多級(jí)分區(qū)的表，如果想添加新的分區(qū)，必須指明全部的分區(qū)值。

• 不支持修改分區(qū)列列名，只能修改分區(qū)列對(duì)應(yīng)的值。修改多級(jí)分區(qū)的一個(gè)或者多個(gè)分區(qū)值，多級(jí) 分區(qū)的每一級(jí)的分區(qū)值都必須寫上。

分區(qū)設(shè)計(jì)

分區(qū)字段和普通字段的選擇

分區(qū)字段的作用:

• 方便數(shù)據(jù)的管理 。

• 劃分?jǐn)?shù)據(jù)掃描范圍。
  創(chuàng)建表的時(shí)候，可以設(shè)置普通字段和分區(qū)字段。在絕大多數(shù)情況下，可以把普通字段理解成數(shù)據(jù)文件的數(shù) 據(jù)，而分區(qū)字段可以理解成文件系統(tǒng)的目錄。表的存儲(chǔ)空間的占用是普通字段的空間占用。 分區(qū)列雖然不直接存儲(chǔ)數(shù)據(jù)，但是如同文件系統(tǒng)里的目錄，方便數(shù)據(jù)管理，同時(shí)在計(jì)算時(shí)若指定具體的分 區(qū)，計(jì)算過程中只查詢對(duì)應(yīng)分區(qū)，從而減少計(jì)算輸入量。 分區(qū)表的分區(qū)列的個(gè)數(shù)不能超過6級(jí)，也可以理解成底層存儲(chǔ)數(shù)據(jù)的目錄層數(shù)不能超過6層。對(duì)分區(qū)表設(shè)置 合適的生命周期，可以按照分區(qū)細(xì)粒度做到對(duì)部分?jǐn)?shù)據(jù)進(jìn)行周期管理。

注意:

• 可以從數(shù)據(jù)管理范圍和常用的數(shù)據(jù)掃描范圍考慮將對(duì)應(yīng)字段設(shè)置成分區(qū)字段。

• 對(duì)于不具備規(guī)律或者類型數(shù)量大于10000且不經(jīng)常作為查詢條件的字段設(shè)置成普通字段。

分區(qū)字段定義依據(jù)

按優(yōu)先級(jí)高低排序:

• 區(qū)列的選擇應(yīng)充分考慮時(shí)間因素，盡量避免對(duì)于存量分區(qū)進(jìn)行更新。

• 如果有多個(gè)事實(shí)表(不包括維度表)進(jìn)行join，查詢條件where范圍的列作為分區(qū)列。 選

• 擇group by 或distinct 包含的列作為分區(qū)列。

• 選擇值分布均勻的列，不要選擇分區(qū)傾斜的列作為分區(qū)列。

• 常用SQL包含某列的等值或in查詢條件，選擇該列作為分區(qū)列。

例如:

Select ... from table where id=123 and ....;

分區(qū)個(gè)數(shù)定義依據(jù)

• 時(shí)間分區(qū):可按天進(jìn)行分區(qū)或者按月進(jìn)行分區(qū)，如按照小時(shí)進(jìn)行分區(qū)，二級(jí)分區(qū)平均數(shù)量不應(yīng)大于8 個(gè)。

• 地域分區(qū):省，市，縣進(jìn)行分區(qū)，考慮進(jìn)行多級(jí)分區(qū)。23個(gè)省，5個(gè)自治區(qū)，4個(gè)直轄市，2個(gè)特別行 政區(qū);50個(gè)地區(qū)(州、盟);661個(gè)市，其中:直轄市4個(gè);地級(jí)市283個(gè);縣級(jí)市374個(gè);1636個(gè)縣(自治縣、旗、自治旗、特區(qū)和林區(qū))，按照最細(xì)粒度縣級(jí)進(jìn)行分區(qū)后更細(xì)粒度不應(yīng)再按照小時(shí)進(jìn)行 分區(qū)。

• 單分區(qū)下的數(shù)據(jù)建議64M數(shù)據(jù)提交一次。如果為多級(jí)分區(qū)，保證每個(gè)最細(xì)粒度級(jí)分區(qū)下的二級(jí)分區(qū)的 數(shù)據(jù)都是按照這個(gè)規(guī)則。

• 單表分區(qū)數(shù)(包括下級(jí)分區(qū))不能超過6萬。

分區(qū)數(shù)量和數(shù)據(jù)量建議

在計(jì)算的時(shí)候可以使用分區(qū)裁剪是分區(qū)的優(yōu)勢(shì)。

• 建議單個(gè)分區(qū)中數(shù)據(jù)量不要太大，如可以單個(gè)分區(qū)中數(shù)據(jù)在1萬條，但是建了5萬個(gè)分區(qū)。

• 應(yīng)盡量避免分區(qū)數(shù)據(jù)傾斜，單個(gè)表不同分區(qū)的數(shù)據(jù)量差異查過100萬以上。

• 做分區(qū)設(shè)計(jì)時(shí)應(yīng)合理規(guī)劃分區(qū)個(gè)數(shù)，較細(xì)粒度的分區(qū)在跨分區(qū)掃描時(shí)會(huì)影響到SQL的執(zhí)行性能。

• 單個(gè)分區(qū)中數(shù)據(jù)量較大的情況下，MaxCompute執(zhí)行任務(wù)時(shí)會(huì)做分片處理不影響分區(qū)裁剪的優(yōu)勢(shì)。

• 單個(gè)分區(qū)中文件數(shù)較多時(shí)，會(huì)影響MaxComputeInstance數(shù)量，造成資源浪費(fèi)和SQL性能的影響。

• 采用多級(jí)分區(qū)，先按日期分區(qū)，然后按交易類型分區(qū)。

• 拆表，一種交易類型就獨(dú)立成一張表，再每張表按日期分區(qū)。

• 維度表不做分區(qū)。

看完上述內(nèi)容，你們掌握MaxCompute 表設(shè)計(jì)規(guī)范有哪些的方法了嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！