StarRocks数据模型之主键模型（当前版本v3.1）

StarRocks表设计数据模型，有四种：分别是明细模型（Dumplicate Key table），聚合模型（Aggregate table），更新模型（Unique Key table），主键模型（Primary Key table）。这篇文章主要从总览、适用场景、原理、使用说明等几个方面对主键模型（Primary Key table）进行阐述，在官网基础上进行了适量的拓展。

? 总览

主键模型（Primary Key table），支持分别定义主键和排序列，主键必须指定，但是排序键可选，当指定了排序键时，根据排序键构建前缀索引；如果没有指定排序键，则根据主键构建前缀索引。数据导入主键模型的表中，按照排序键先后存储。主键模型采用Merge-On-Write方式进行数据写入，当数据写入表中时，通过主键查询到对应数据，没查到的直接通过Append方式写入，查到则按照Delete + Insert 方式将数据写入表中，故而在查询时不需要进行聚合，并且支持谓词和索引下推，适用于读多写少的场景。其次，支持索引/主键持久化到磁盘以及数据的冷热存储（即最近几天的热数据才经常被修改，老的冷数据很少被修改，除了整体数据外，主键也适用，例如老的数据持久化到磁盘中），减少内存开销。

适用场景

主键模型（Primary Key table）适用于实时和频繁更新的场景，如实时对接TP数据库至StarRocks，当然也可以使用更新模型，但是更新模型采用Update方式写入数据，是通过Merge-On-Read读取数据，在读多写少的场景中，使用主键模型，查询性能会更高；还有类似利用部分列更新轻松实现多流Join，在用户画像等分析场景中，一般会通过宽表方式提升多维分析性能，但是数据来源往往是多个业务或系统，主键模型通过更新部分列而不是整行数据，性能得到提升。

? 原理

主键模型是由StarRocks全新设计开发的存储引擎。主键模型采用了 Delete+Insert 的策略，保证同一个主键下仅存在一条记录，这样就完全避免了 Merge 操作。具体实现方式如下：StarRocks 收到对某记录的更新操作时，会通过主键索引找到该条记录的位置，并对其标记为删除，再插入一条新的记录。相当于把 Update 改写为 Delete+Insert；StarRocks 收到对某记录的删除操作时，会通过主键索引找到该条记录的位置，对其标记为删除。这样，查询时不需要执行聚合操作，不影响谓词和索引的下推，保证了查询的高效执行。写入流程：加载数据到内存；数据排序，并将更新和删除的数据操作不同，分到不同的数据集中，攒够一批之后，提交事务，通过主键找到对应数据，删除过期bitmap索引，最终将数据写入表中。可参考下图：

? 使用说明

? 1、不管是否开启索引持久化，应尽可能减少索引长度，且单条主编码最大长度为128字节。
? 2、建表时，必须使用 DISTRIBUTED BY HASH 子句指定分桶键，否则建表失败；主键列必须在其他列之前，通过PRIMARY KEY定义，且必须满足唯一定义，分区列和分桶列必须在主键中，主键支持以下数据类型：BOOLEAN、TINYINT、SMALLINT、INT、BIGINT、LARGEINT、DATE、DATETIME、VARCHAR/STRING，并且不允许为 NULL。
? 3、可在建表时的PROPERTIES中配置enable_persistent_index参数，表示是否持久化索引，取值范围为 true 或者 false（默认值）。
? 4、通过 ORDER BY 关键字指定排序键，可指定为任意列的排列组合。
? 5、支持使用 ALTER TABLE 进行表结构变更，但是存在如下注意事项：不支持修改主键；支持修改排序键，但是不支持修改排序键数据类型，也不允许删除排序键；不支持调整列顺序。
6、主键之外的列新增支持 BITMAP（精准去重）、HLL （近似去重）数据类型。详细请参照：https://blog.csdn.net/sunjian286/article/details/132266417，StarRocks基于Doris开发，可参照后者。