Doris中分区(Partition)与分桶(Bucket)的设计原则是什么？
请解释Apache Doris中两级数据划分——分区(Partition)和分桶(Bucket)的设计思想、区别以及选型原则。什么场景下应该使用Range分区？什么场景使用List分区？
回答
专业代码师
分区(Partition)：逻辑上的第一级划分，按时间或枚举值对数据进行切分。
- Range分区：按连续范围切割，如按天/月分区，最常用。可动态增删分区。
- List分区：按离散值列表划分，如按地域(华东/华北/华南)。
- 每个Partition对应一个独立的物理目录，可单独管理（备份/删除/冷热分层）。
分桶(Bucket)：第二级划分，在分区内对数据做Hash散列。
- 使用
DISTRIBUTED BY HASH(k1,k2) BUCKETS N。 - 决定了并行查询的粒度——每个Bucket对应一个Tablet。
- Tablet是Doris最小物理存储单元，3副本独立存储。
设计原则：
| 维度 | 分区 | 分桶 |
|---|---|---|
| 目的 | 按时间/范围管理 | 数据散列、并行度 |
| 粒度 | 较大（天/月） | 较小（10~100MB/桶） |
| 常用 | 时间列 | 高基数字段 |
| 影响 | 数据管理、冷热分离 | 查询并发、导入性能 |
建议：分区数<1000，单Bucket 1GB~10GB，总Tablet数<10万。