辞書テーブル（実験的）

概要

Dictionaryは、JOIN操作を高速化するためにDorisが提供する特別なデータ構造です。通常のテーブルをベースとして構築され、元のテーブルの対応する列をkey-valueの関係として扱い、これらの列のすべてのデータを事前にメモリにロードして高速な検索操作を実現し、クエリのパフォーマンスを向上させます。頻繁なkey-value検索が必要なシナリオに特に適しています。

当然ながら、key-value検索ソリューションとして、dictionaryテーブルは重複するキーを許可しません。

使用シナリオ

dictionaryテーブルは主に以下のシナリオに適しています：

1. 頻繁なkey-value検索が必要なシナリオ
2. ディメンションテーブルが小さく、完全にメモリにロードできる場合
3. データ更新の頻度が比較的低いシナリオ

元々LEFT OUTER JOINを使用して実装する必要があったkey-value検索は、dictionaryテーブルの助けを借りて完全に排除でき、通常の関数呼び出しに変換されます。以下は完全なシナリオ例です：

シナリオ例

Eコマースシステムにおいて、注文テーブル（orders、ファクトテーブル）は大量の取引データを記録し、製品テーブル（products、ディメンションテーブル）と頻繁に関連付けて、詳細な製品情報を取得する必要があります。

-- Product Dimension Table
CREATE TABLE products (
    product_id BIGINT NOT NULL COMMENT "商品ID",
    product_name VARCHAR(128) NOT NULL COMMENT "商品名称",
    brand_name VARCHAR(64) NOT NULL COMMENT "品牌名称",
    category_name VARCHAR(64) NOT NULL COMMENT "品类名称",
    retail_price DECIMAL(10,2) NOT NULL COMMENT "零售价",
    update_time DATETIME NOT NULL COMMENT "更新时间"
)
DISTRIBUTED BY HASH(`product_id`) BUCKETS 10;

-- Order Fact Table
CREATE TABLE orders (
    order_id BIGINT NOT NULL COMMENT "订单ID",
    product_id BIGINT NOT NULL COMMENT "商品ID",
    user_id BIGINT NOT NULL COMMENT "用户ID",
    quantity INT NOT NULL COMMENT "购买数量",
    actual_price DECIMAL(10,2) NOT NULL COMMENT "实际成交价",
    order_time DATETIME NOT NULL COMMENT "下单时间"
)
DISTRIBUTED BY HASH(`order_id`) BUCKETS 32;

INSERT INTO products VALUES
(1001, 'iPhone 15 Pro 256G 黑色', 'Apple', '手机数码', 8999.00, '2024-01-01 00:00:00'),
(1002, 'MacBook Pro M3 Max', 'Apple', '电脑办公', 19999.00, '2024-01-01 00:00:00'),
(1003, 'AirPods Pro 2', 'Apple', '手机配件', 1999.00, '2024-01-01 00:00:00');

INSERT INTO orders VALUES
(10001, 1001, 88001, 1, 8899.00, '2024-02-22 10:15:00'),
(10002, 1002, 88002, 1, 19599.00, '2024-02-22 11:30:00'),
(10003, 1003, 88001, 2, 1899.00, '2024-02-22 14:20:00');

以下は典型的なクエリのセットです。各カテゴリの注文数量と売上を集計するために、過去には、商品テーブルから商品情報を抽出する機能を実現するためにLEFT OUTER JOINを使用する必要がありました。

-- Analyze the order volume and sales revenue of each category
SELECT 
    p.category_name,
    p.brand_name,
    COUNT(DISTINCT o.order_id) as order_count,
    SUM(o.quantity) as total_quantity,
    SUM(o.actual_price * o.quantity) as total_amount
FROM orders o
LEFT JOIN products p ON o.product_id = p.product_id
WHERE o.order_time >= '2024-02-22 00:00:00'
GROUP BY p.category_name, p.brand_name
ORDER BY total_amount DESC;

+---------------+------------+-------------+----------------+--------------+
| category_name | brand_name | order_count | total_quantity | total_amount |
+---------------+------------+-------------+----------------+--------------+
| 电脑办公      | Apple      |           1 |              1 |     19599.00 |
| 手机数码      | Apple      |           1 |              1 |      8899.00 |
| 手机配件      | Apple      |           1 |              2 |      3798.00 |
+---------------+------------+-------------+----------------+--------------+

このようなクエリでは、product_idを使用して製品に関する他の情報を頻繁に取得する必要があり、これは本質的にKVルックアップ操作を伴います。

キーバリューペアの関係を設定し、対応する辞書テーブルを事前構築することで、以前のJOIN操作を完全により軽量なキーバリュールックアップに変換でき、それによりSQL実行効率を向上させることができます：

-- Create product information dictionary
CREATE DICTIONARY product_info_dict USING products
(
    product_id KEY,
    product_name VALUE,
    brand_name VALUE,
    category_name VALUE,
    retail_price VALUE
)
LAYOUT(HASH_MAP)
PROPERTIES(
    'data_lifetime'='300'  -- Considering the frequency of changes in product information, set the update interval to 5 minutes.
);

元のクエリは、JOIN操作を辞書テーブルを使用したdict_get関数ルックアップに変換します。これはより軽量なKVルックアップ操作です。

SELECT
    dict_get("test.product_info_dict", "category_name", o.product_id) as category_name,
    dict_get("test.product_info_dict", "brand_name", o.product_id) as brand_name,
    COUNT(DISTINCT o.order_id) as order_count,
    SUM(o.quantity) as total_quantity,
    SUM(o.actual_price * o.quantity) as total_amount
FROM orders o
WHERE o.order_time >= '2024-02-22 00:00:00'
GROUP BY
    dict_get("test.product_info_dict", "category_name", o.product_id),
    dict_get("test.product_info_dict", "brand_name", o.product_id)
ORDER BY total_amount DESC;

+---------------+------------+-------------+----------------+--------------+
| category_name | brand_name | order_count | total_quantity | total_amount |
+---------------+------------+-------------+----------------+--------------+
| 电脑办公      | Apple      |           1 |              1 |     19599.00 |
| 手机数码      | Apple      |           1 |              1 |      8899.00 |
| 手机配件      | Apple      |           1 |              2 |      3798.00 |
+---------------+------------+-------------+----------------+--------------+

Dictionary Table定義

基本文法

CREATE DICTIONARY <dict_name> USING <source_table>
(
    <key_column> KEY[,
    ...,
    <key_columns> VALUE]
    <value_column> VALUE[,
    ...,
    <value_columns> VALUE]
)
LAYOUT(<layout_type>)
PROPERTIES(
    "<priority_item_key>" = "<priority_item_value>"[,
    ...,
    "<priority_item_key>" = "<priority_item_value>"]
);

以下の要素から：

• <dict_name>: 辞書テーブルの名前
• <source_table>: ソースデータテーブル
• <key_column>: キーとして機能するソーステーブル内の列名
• <value_column>: 値として機能するソーステーブル内の列名
• <layout_type>: 辞書テーブルのストレージレイアウトタイプ、詳細は後述
• <priority_item_key>: テーブルの特定のプロパティの名前
• <priority_item_value>: テーブルの特定のプロパティの値

<key_column>と<value_column>はそれぞれ少なくとも1つが必要です。<key_column>は<value_column>の前に現れる必要はありません。

Layout Type

現在、2つのレイアウトタイプがサポートされています：

• HASH_MAP: ハッシュテーブルベースの実装で、一般的なキー・バリュー検索シナリオに適しています。

• IP_TRIE: Trieツリーベースの実装で、IPアドレスタイプの検索に特化して最適化されています。Key列はIPアドレスをCIDR記法で表現する必要があり、クエリはCIDR記法に従ってマッチングされます。

Property

プロパティ名	値タイプ	意味	必須
date_lifetime	整数、単位は秒	データの有効期間。この辞書の最後の更新からの経過時間がこの値を超え、ソーステーブルにデータ変更がある場合、自動的にインポートを開始します。インポートロジックの詳細はAutomatic Importを参照してください	はい
skip_null_key	Boolean	辞書にロードする際にKey列にnull値が含まれている場合、値がtrueの場合はその行をスキップし、そうでなければエラーを発生させます。デフォルト値はfalseです	いいえ
memory_limit	整数、単位はバイト	単一BE上でこの辞書が占有するメモリの上限。デフォルト値は2147483648で、2GBに相当します。	いいえ

Example

-- Create source data table
CREATE TABLE source_table (
    id INT NOT NULL,
    city VARCHAR(32) NOT NULL,
    code VARCHAR(32) NOT NULL
) ENGINE=OLAP
DISTRIBUTED BY HASH(id) BUCKETS 1;

-- Create dictionary table
CREATE DICTIONARY city_dict USING source_table
(
    city KEY,
    id VALUE
)
LAYOUT(HASH_MAP)
PROPERTIES('data_lifetime' = '600');

テーブルに基づいて、source_tableのcityの値に基づいて対応するidをクエリするために、dict_get関数を通じて辞書city_dictを使用できます。

使用制限

1. Keyカラム

   • IP_TRIE型辞書のKeyカラムはVarcharまたはString型である必要があり、Keyカラムの値はCIDR形式である必要があります。
   • IP_TRIE型の辞書では1つのKeyカラムのみが許可されます。
   • HASH_MAP型辞書のKeyカラムはすべてのシンプル型をサポートします（つまり、Map、Arrayなどのすべてのネスト型を除く）。
   • Keyカラムとして、ソーステーブルに重複する値があってはならず、そうでなければ辞書データのインポート時にエラーが報告されます。

2. Null値の処理

   • 辞書内のすべてのカラムはnullableカラムになることができますが、Keyカラムには実際にnull値が現れるべきではありません。現れた場合、動作はPropertyのskip_null_keyに依存します。

使用と管理

データのインポート（リフレッシュ）

辞書は自動および手動インポートをサポートします。「インポート」はここでは「リフレッシュ」とも呼ばれます。

自動インポート

自動インポートは以下の時点で発生します：

1. 辞書が確立された後
2. 辞書データが期限切れになったとき（Propertyを参照）
3. BE状態が辞書データの不足を示すとき（新しいBEがオンラインになる、または古いBEが再起動するなど）

Dorisはdictionary_auto_refresh_interval_seconds秒ごとにすべての辞書データの期限切れをチェックします。辞書がdata_lifetime秒以上更新されておらず、ソーステーブルデータが最後のインポートと比較して変更されている場合、Dorisはその辞書のインポートを自動的に送信します。

一部のBEでデータが不足しており、ソーステーブルデータが最後のインポートと比較して変更されていない場合、Dorisは対応するBEの現在のバージョンのデータのみを補完し、すべてのBEに対してリフレッシュタスクを送信せず、辞書のバージョンは変更されません。

手動インポート

Dorisは以下のコマンドを通じて辞書データの手動リフレッシュをサポートします：

REFRESH DICTIONARY <dict_name>;

それらの中で、<dict_name>はインポートする辞書の名前です。

インポートの注意点

1. データがインポートされた辞書のみがクエリできます。
2. インポート時にKeyカラムに重複した値がある場合、インポートトランザクションは失敗します。
3. その時点で進行中のインポートトランザクションが既にある場合（辞書のStatusがLOADING）、手動インポートは失敗します。進行中のインポートが完了するまで待ってから実行してください。
4. インポートする辞書のサイズが設定されたmemory_limitを超える場合、インポートトランザクションは失敗します。

辞書のクエリ

単一Key、Valueリストおよび複数Key、Valueリストの辞書テーブルクエリには、それぞれdict_getおよびdict_get_many関数を使用できます。

辞書への最初のクエリを実行する前に、辞書がインポートされるまで待ってください。

文法

dict_get("<db_name>.<dict_name>", "<query_column>", <query_key_value>);
dict_get_many("<db_name>.<dict_name>", <query_columns>, <query_key_values>);

この中で：

• <db_name> は辞書が配置されているデータベースの名前です。
• <dict_name> は辞書の名前です
• <query_column> はクエリする値列の列名で、型は VARCHAR です。定数でなければなりません
• <query_columns> はクエリするすべての値列の列名で、型は ARRAY<VARCHAR> です。定数でなければなりません。
• <query_key_value> はクエリで使用されるキー列のデータです
• <query_key_values> は辞書でクエリするデータのすべてのキー列を含む STRUCT です。

dict_get の戻り値の型は <query_column> に対応する辞書列の型です。 dict_get_many の戻り値の型は <query_columns> 内の各辞書列の型に対応する STRUCT です。

クエリ例

このステートメントは test_db データベース内の辞書 city_dict に対して、key 列の値が「Beijing」の場合の対応する id 値をクエリします：

SELECT dict_get("test_db.city_dict", "id", "Beijing");

この文は、test_dbデータベース内の辞書single_key_dictに対して、key列の値が1の場合におけるk1とk3の対応する値をクエリします：

SELECT dict_get_many("test_db.single_key_dict", ["k1", "k3"], struct(1));

このステートメントは、test_dbデータベース内の辞書multi_key_dictに対してクエリを実行し、2つのキー列の値が順番に2と'ABC'である場合の対応するk2とk3列の値を取得します：

SELECT dict_get_many("test_db.multi_key_dict", ["k2", "k3"], struct(2, 'ABC'));

例えば、テーブル作成文は以下の通りです：

create table if not exists multi_key_table(
    k0 int not null,
    k1 varchar not null,
    k2 float not null,
    k3 varchar not null
)
DISTRIBUTED BY HASH(`k0`) BUCKETS auto;

create dictionary multi_key_dict using multi_key_table
(
    k0 KEY,
    k1 KEY,
    k2 VALUE,
    k3 VALUE
)
LAYOUT(HASH_MAP)
PROPERTIES('data_lifetime' = '600');

その後、上記のステートメント

SELECT dict_get_many("test_db.multi_key_dict", ["k2", "k3"], struct(2, 'ABC'));

STRUCT<float, varchar>型を返します。

クエリの注意点

1. クエリのKeyデータが辞書テーブルに存在しない場合、またはKeyデータがnullの場合、nullを返します。
2. IP_TRIE型のクエリでは、<query_key_value>の型はIPV4またはIPV6でなければなりません。
3. IP_TRIE型の辞書を使用する場合、Keyカラム<key_column>のデータとクエリに使用される<query_key_value>の両方がIPV4およびIPV6形式のデータをサポートします。
4. 新規起動や再起動などの理由により、特定のBEに辞書データが不足している場合、そのBEで対応する辞書を使用したクエリの実行は失敗します。クエリがそのBEにスケジュールされるかどうかは様々な要因によります。FE Masterが高負荷でない場合、設定項目dictionary_auto_refresh_interval_secondsの値を減らすことで、辞書が利用できない時間を短縮できます。

辞書管理

辞書テーブルは以下の管理および表示ステートメントをサポートします：

1. 現在のデータベース内のすべての辞書テーブルのステータスを確認します。

   SHOW DICTIONARIES [LIKE <LIKE_NAME>];

2. 特定の辞書の定義を確認する

   DESC DICTIONARY <dict_name>;

3. 辞書テーブルを削除する

   DROP DICTIONARY <dict_name>;

辞書テーブルを削除した後、削除された辞書がBEから即座に削除されない場合があります。

Config Item

辞書テーブルは以下の設定項目をサポートしており、すべてFE CONFIGです：

1. dictionary_task_queue_size —— 辞書内のすべてのタスクに対するスレッドプールのキューの長さは動的に調整できません。デフォルト値は1024で、通常調整する必要はありません。
2. job_dictionary_task_consumer_thread_num —— 辞書内のすべてのタスクに対するスレッドプール内のスレッド数は動的に調整できません。デフォルト値は3です。
3. dictionary_rpc_timeout_ms —— 辞書内のすべての関連RPCのタイムアウト時間は動的に調整できます。デフォルトは5000（つまり5秒）で、通常調整する必要はありません。
4. dictionary_auto_refresh_interval_seconds —— すべての辞書データが最新であるかを自動的にチェックする間隔はデフォルト5（秒）で、動的に調整できます。

Status Display

SHOW DICTIONARIES文を使用することで、辞書に対応するベーステーブル、現在のデータバージョン番号、およびFEとBEでの対応するステータスを確認できます：

> SHOW DICTIONARIES;

+--------------+----------------+----------------------------------------------+---------+--------+------------------------------------+------------------------------+
| DictionaryId | DictionaryName | BaseTableName                                | Version | Status | DataDistribution                   | LastUpdateResult             |
+--------------+----------------+----------------------------------------------+---------+--------+------------------------------------+------------------------------+
| 51           | precision_dict | internal.test_refresh_dict.precision_test    | 2       | NORMAL | {10.16.10.2:9767 ver=2 memory=368} | 2025-02-18 09:58:12: succeed |
| 48           | product_dict   | internal.test_refresh_dict.product_info      | 2       | NORMAL | {10.16.10.2:9767 ver=2 memory=240} | 2025-02-18 09:58:12: succeed |
| 49           | ip_dict        | internal.test_refresh_dict.ip_info           | 2       | NORMAL | {10.16.10.2:9767 ver=2 memory=194} | 2025-02-18 09:58:12: succeed |
| 52           | order_dict     | internal.test_refresh_dict.column_order_test | 2       | NORMAL | {10.16.10.2:9767 ver=2 memory=432} | 2025-02-18 09:58:12: succeed |
| 50           | user_dict      | internal.test_refresh_dict.user_info         | 2       | NORMAL | {10.16.10.2:9767 ver=2 memory=240} | 2025-02-18 09:58:12: succeed |
+--------------+----------------+----------------------------------------------+---------+--------+------------------------------------+------------------------------+

内容:

1. Versionはデータのバージョン番号を表し、データがインポートされるたびに1ずつ増加します。

2. Statusは辞書のステータスを表し、意味は以下の通りです：

   Status Name	意味
   NORMAL	辞書は現在正常です
   LOADING	辞書は現在インポート中です
   OUT_OF_DATE	現在の辞書データは期限切れです

   辞書がインポート中の間は、再度インポートすることはできません。

3. DataDistributionは各BEの現在のステータスを表し、バージョン番号とメモリ使用サイズ（KB）が含まれます。

4. LastUpdateResultは最後のインポート（自動および手動を含む）の結果を示し、例外がある場合は詳細なエラーメッセージがここに表示されます。

辞書テーブルのカラム定義を確認するには、DESC DICTIONARYを使用できます。例：

> DESC DICTIONARY city_code_dict;
+-------------+-------------+------+-------+
| Field       | Type        | Null | Key   |
+-------------+-------------+------+-------+
| city_name   | varchar(32) | NO   | true  |
| region_code | varchar(32) | NO   | false |
+-------------+-------------+------+-------+

注意事項

1. データの整合性

   • 辞書の各リフレッシュにより新しいバージョンが生成されます。クエリ時にBEレコードのバージョンがFEバージョンと一致しない場合、クエリは失敗します。
   • Dorisは辞書テーブルとベーステーブル間の強いデータ整合性を維持しません。ユーザーは辞書のdata_lifetimeを適切に設定して自動更新を実現し、ビジネスロジックに基づいて必要に応じて手動で更新する必要があります。
   • ソーステーブルが何らかの方法で削除された場合、対応する辞書テーブルも自動的に削除されます。

2. パフォーマンスに関する考慮事項

   • 辞書テーブルは、ディメンションテーブルデータなど、比較的静的なデータに適しています。

   • 辞書テーブルは純粋なインメモリテーブルで、全データがすべてのBEのメモリに格納され、大量のメモリを占有する可能性があるため、メモリ使用量とクエリパフォーマンスを比較検討して辞書を導出する適切なテーブルを選択する必要があります。

3. ベストプラクティス

   1. キー値カラムの合理的な選択：

      • 適度なカーディナリティを持つカラムをキーとして選択する

   2. レイアウトの選択：

      • 一般的なシナリオではHASH_MAPレイアウトを使用する
      • IPアドレス範囲マッチングシナリオではIP_TRIEレイアウトを使用する

   3. 状態管理：

      • 辞書テーブルのメモリ使用量を定期的に監視する
      • 適切なデータ更新間隔を選択し、ビジネス側でデータが期限切れになった際に手動で辞書をリフレッシュする
      • 辞書テーブルを使用する際は、BEメモリ監視に注意し、辞書テーブルが過多または過大になって過度のメモリを占有し、BEの状態異常を引き起こすことを防ぐ

完全な例

1. HASH_MAP

   -- Create source data table
   CREATE TABLE cities (
       city_id INT NOT NULL,
       city_name VARCHAR(32) NOT NULL,
       region_code VARCHAR(32) NOT NULL
   ) ENGINE=OLAP
   DISTRIBUTED BY HASH(city_id) BUCKETS 1;
   
   INSERT INTO cities VALUES
   (1, 'Beijing', 'BJ'),
   (2, 'Shanghai', 'SH'),
   (3, 'Guangzhou', 'GZ');
   
   -- Create dictionary table
   CREATE DICTIONARY city_code_dict USING cities
   (
       city_name KEY,
       region_code VALUE
   )
   LAYOUT(HASH_MAP)
   PROPERTIES('data_lifetime' = '600');
   
   -- Query using a dictionary table
   SELECT dict_get("test_refresh_dict.city_code_dict", "region_code", "Beijing");

   +------------------------------------------------------------------------+
   | dict_get('test_refresh_dict.city_code_dict', 'region_code', 'Beijing') |
   +------------------------------------------------------------------------+
   | BJ                                                                     |
   +------------------------------------------------------------------------+

2. IP_TRIE

   CREATE TABLE ip_locations (
       ip_range VARCHAR(30) NOT NULL,
       country VARCHAR(64) NOT NULL,
       region VARCHAR(64) NOT NULL,
       city VARCHAR(64) NOT NULL
   ) ENGINE=OLAP
   DISTRIBUTED BY HASH(ip_range) BUCKETS 1;
   
   INSERT INTO ip_locations VALUES
   ('1.0.0.0/24', 'United States', 'California', 'Los Angeles'),
   ('1.0.1.0/24', 'China', 'Beijing', 'Beijing'),
   ('1.0.4.0/24', 'Japan', 'Tokyo', 'Tokyo');
   
   -- Create an IP address dictionary table
   CREATE DICTIONARY ip_location_dict USING ip_locations
   (
       ip_range KEY,
       country VALUE,
       region VALUE,
       city VALUE
   )
   LAYOUT(IP_TRIE)
   PROPERTIES('data_lifetime' = '600');
   
   -- Query the location information corresponding to the IP address, based on CIDR matching.
   SELECT
       dict_get("test_refresh_dict.ip_location_dict", "country", cast('1.0.0.1' as ipv4)) AS country,
       dict_get("test_refresh_dict.ip_location_dict", "region", cast('1.0.0.2' as ipv4)) AS region,
       dict_get("test_refresh_dict.ip_location_dict", "city", cast('1.0.0.3' as ipv4)) AS city;

   +---------------+------------+-------------+
   | country       | region     | city        |
   +---------------+------------+-------------+
   | United States | California | Los Angeles |
   +---------------+------------+-------------+

3. マルチキー/マルチバリューを持つHASH_MAP

   -- Product SKU Dimension Table: Includes basic product attributes
   CREATE TABLE product_sku_info (
       product_id INT NOT NULL COMMENT "商品ID",
       color_code VARCHAR(32) NOT NULL COMMENT "颜色编码",
       size_code VARCHAR(32) NOT NULL COMMENT "尺码编码",
       product_name VARCHAR(128) NOT NULL COMMENT "商品名称",
       color_name VARCHAR(32) NOT NULL COMMENT "颜色名称",
       size_name VARCHAR(32) NOT NULL COMMENT "尺码名称",
       stock INT NOT NULL COMMENT "库存",
       price DECIMAL(10,2) NOT NULL COMMENT "价格",
       update_time DATETIME NOT NULL COMMENT "更新时间"
   )
   DISTRIBUTED BY HASH(`product_id`) BUCKETS 10;
   
   -- Order Details Table: Records actual sales data
   CREATE TABLE order_details (
       order_id BIGINT NOT NULL COMMENT "订单ID",
       product_id INT NOT NULL COMMENT "商品ID",
       color_code VARCHAR(32) NOT NULL COMMENT "颜色编码",
       size_code VARCHAR(32) NOT NULL COMMENT "尺码编码",
       quantity INT NOT NULL COMMENT "购买数量",
       order_time DATETIME NOT NULL COMMENT "下单时间"
   )
   DISTRIBUTED BY HASH(`order_id`) BUCKETS 10;
   
   -- Insert product SKU data
   INSERT INTO product_sku_info VALUES
   (1001, 'BLK', 'M', 'Nike运动T恤', '黑色', 'M码', 100, 199.00, '2024-02-23 10:00:00'),
   (1001, 'BLK', 'L', 'Nike运动T恤', '黑色', 'L码', 80, 199.00, '2024-02-23 10:00:00'),
   (1001, 'WHT', 'M', 'Nike运动T恤', '白色', 'M码', 90, 199.00, '2024-02-23 10:00:00'),
   (1001, 'WHT', 'L', 'Nike运动T恤', '白色', 'L码', 70, 199.00, '2024-02-23 10:00:00'),
   (1002, 'RED', 'S', 'Adidas运动裤', '红色', 'S码', 50, 299.00, '2024-02-23 10:00:00'),
   (1002, 'RED', 'M', 'Adidas运动裤', '红色', 'M码', 60, 299.00, '2024-02-23 10:00:00'),
   (1002, 'BLU', 'S', 'Adidas运动裤', '蓝色', 'S码', 55, 299.00, '2024-02-23 10:00:00'),
   (1002, 'BLU', 'M', 'Adidas运动裤', '蓝色', 'M码', 65, 299.00, '2024-02-23 10:00:00');
   
   -- Insert order data
   INSERT INTO order_details VALUES
   (10001, 1001, 'BLK', 'M', 2, '2024-02-23 12:01:00'),
   (10002, 1001, 'WHT', 'L', 1, '2024-02-23 12:05:00'),
   (10003, 1002, 'RED', 'S', 1, '2024-02-23 12:10:00'),
   (10004, 1001, 'BLK', 'L', 3, '2024-02-23 12:15:00'),
   (10005, 1002, 'BLU', 'M', 2, '2024-02-23 12:20:00');
   
   -- Create a multi-key multi-value dictionary
   CREATE DICTIONARY sku_dict USING product_sku_info
   (
       product_id KEY,
       color_code KEY,
       size_code KEY,
       product_name VALUE,
       color_name VALUE,
       size_name VALUE,
       price VALUE,
       stock VALUE
   )
   LAYOUT(HASH_MAP)
   PROPERTIES('data_lifetime'='300');
   
   -- Query example using dict_get_many: Retrieve order details and SKU information
   WITH order_sku_info AS (
       SELECT 
           o.order_id,
           o.quantity,
           o.order_time,
           dict_get_many("test.sku_dict", 
               ["product_name", "color_name", "size_name", "price", "stock"],
               struct(o.product_id, o.color_code, o.size_code)
           ) as sku_info
       FROM order_details o
       WHERE o.order_time >= '2024-02-23 12:00:00'
           AND o.order_time < '2024-02-23 13:00:00'
   )
   SELECT 
       order_id,
       order_time,
       struct_element(sku_info, 'product_name') as product_name,
       struct_element(sku_info, 'color_name') as color_name,
       struct_element(sku_info, 'size_name') as size_name,
       quantity,
       struct_element(sku_info, 'price') as unit_price,
       quantity * struct_element(sku_info, 'price') as total_amount,
       struct_element(sku_info, 'stock') as current_stock
   FROM order_sku_info
   ORDER BY order_time;

   +----------+---------------------+-----------------+------------+-----------+----------+------------+--------------+---------------+
   | order_id | order_time          | product_name    | color_name | size_name | quantity | unit_price | total_amount | current_stock |
   +----------+---------------------+-----------------+------------+-----------+----------+------------+--------------+---------------+
   |    10001 | 2024-02-23 12:01:00 | Nike运动T恤     | 黑色       | M码       |        2 |     199.00 |       398.00 |           100 |
   |    10002 | 2024-02-23 12:05:00 | Nike运动T恤     | 白色       | L码       |        1 |     199.00 |       199.00 |            70 |
   |    10003 | 2024-02-23 12:10:00 | Adidas运动裤    | 红色       | S码       |        1 |     299.00 |       299.00 |            50 |
   |    10004 | 2024-02-23 12:15:00 | Nike运动T恤     | 黑色       | L码       |        3 |     199.00 |       597.00 |            80 |
   |    10005 | 2024-02-23 12:20:00 | Adidas运动裤    | 蓝色       | M码       |        2 |     299.00 |       598.00 |            65 |
   +----------+---------------------+-----------------+------------+-----------+----------+------------+--------------+---------------+

トラブルシューティング

1. クエリで「can not find dict name」エラーが報告される

   最初に、SHOW DICTIONARIESを使用して辞書の存在を確認してください。存在する場合は、対応する辞書データを更新してください。

2. クエリで「dict_get() only support IP type for IP_TRIE」エラーが報告される

   IP_TRIE型辞書のKeyカラムがCIDR形式に厳密に準拠しているかどうかを確認してください。

3. インポート時に「Version ID is not greater than the existing version ID for the dictionary.」エラーが報告される

   DROP DICTIONARYコマンドを使用して対応する辞書を削除し、再作成してからデータをインポートしてください。

4. SHOW DICTIONARIESの結果で、辞書がFEバージョンより大きいBEバージョンにあることが表示される

   DROP DICTIONARYコマンドを使用して対応する辞書を削除し、再作成してからデータをインポートしてください。

5. インポート時に「Dictionary X commit version Y failed」エラーが報告される

   辞書を再更新してください。

6. 緊急時対応戦略

   大多数のエラーメッセージについて、通常の操作が失敗する場合、DROP後に辞書を再構築することで問題を解決できます。