查询优化

一、建表
1.1 Doris 支持 Duplicate、Unique、Aggregate 三种表模型，这几种表模型的查询性能，由好到差依次为：Duplicate > MOW > MOR == Aggregate。
1.2 分桶列：选择高基数的列，避免数据倾斜(如果一列不够，可以选择多列，这样可以把数据更好的打散)
1.3 KEY列：频繁使用的等值或范围查询(等于，大于小于，in)列定义为 Key 列，
1.4 字段类型：定长比变长查询效率高，低精度比高精度查询效率高,低精度包括int,bigint,float,double，高精度比如DECIMAL
二、索引
2.1 默认索引：前缀索引、zonemap索引，其他索引：倒排索引、Bloomfilter 索引、N-Gram Bloomfilter 索引和 Bitmap 索引
2.2 前缀索引：doris默认会把key列的前36字节作为前缀索引，特别适合where范围查询，但一定要把字符串类型列放在最后，因为第一列是字符串的话doris默认忽略接下来的字段
2.3 倒排索引：前缀索引只有一个，如果需要更多索引可以考虑倒排索引，对于文本类型的全文检索，以及字符串、数值、日期时间类型字段上的等值或范围查询，均可利用倒排索引来加速查询。
三、HINT
用来强制重写sql执行计划，重点解决数据倾斜、表join、view未能透明改写
3.1 数据倾斜：采用distribute-hint的随机分桶策略，数据倾斜发生情形比如建表的时候按userid分桶，但是select count(user_id) from user group by user_group按照user_group字段
分组，user_group=会员可能占据80%，这样会导致部分be节点有几亿条数据，但有些be节点只有几千条数据，
3.2 表join: 一般是小表驱动大表(小表 join 大表)，采用leading-hint（优化 JOIN 顺序）
3.3 view未透明改写: 物化视图 Hint