查询工具箱JOIN实体关系 CTE逻辑组织 WIN分析计算 MV查询加速
选择 SQL 结构，先看 问题.
连接用于关联实体，子查询和 CTE 用于组织逻辑，分析运算符用于计算上下文相关的值，物化视图则可避免重复计算。
合并、判断或排除匹配的实体。
为中间逻辑命名，组织复杂查询。
计算排名、累计值和同序值相关的结果。
通过透明改写复用已存储的结果。
Doris 101: Apache Doris 数据查询指南
Doris 101数据查询指南
模块 05查询工具箱
基于：Apache Doris 4.x1 / 8
连接语义MATCH内连接 KEEP外连接 EXIST半连接 MISS反连接 PAIR交叉连接 COND非等值连接
确定哪些行需要 保留.
内连接、外连接、半连接、反连接和交叉连接即使用相同的关联键，回答的问题也不同。
只保留满足连接条件的行对。
还会保留一侧或两侧未匹配的行。
只要存在至少一个匹配项，就返回指定一侧的行。
仅当不存在匹配项时，才返回指定一侧的行。
生成两侧输入的笛卡尔积。
使用范围或不等式条件进行连接，通常通过嵌套循环实现。
连接的数据分布
减少必须通过 网络传输的数据量.
Broadcast、Shuffle、Bucket Shuffle 和 Colocate 策略对数据分布位置的要求依次提高，相应的灵活性也逐渐降低。
- Broadcast复制较小的右侧数据
- Shuffle移动两侧数据
- Bucket Shuffle移动一侧数据
- Colocate连接时无需 Shuffle
子查询与 CTE子查询 CTE
让中间逻辑 清晰可见.
子查询将一个关系查询嵌入另一个查询；CTE 为中间结果集命名，也可用于表达递归层级。
将值、集合或关系嵌入另一个表达式。
- 返回标量或多行结果
- 可以关联，也可以独立
- 适合判断是否存在匹配项
在主语句之前为一个查询阶段命名。
- 提高可读性
- 可复用的逻辑阶段
- 可以表达递归逻辑
多维 SQLSETGROUPING SETS TREEROLLUP ALLCUBE
在 一条语句中计算多个聚合层级.
GROUPING SETS 指定确切的分组组合，ROLLUP 增加层级汇总，CUBE 生成所有分组组合。
只计算明确指定的分组组合。
沿有序的维度层级添加小计。
计算各维度的所有分组组合。
窗口函数
分析相邻行，同时 保留每一行.
窗口函数在保留各行明细的同时，添加排名、偏移值、累计聚合值和同序值相关的计算结果。
- 分区划分计算组
- 排序确定行及同序行的顺序
- 窗口范围选择参与计算的行
- 函数排名、取偏移值、聚合
函数与类型AKA别名函数 JVMJava UDF PYPython UDF NEST复杂类型
扩展 SQL 前，先确认内置函数无法表达所需的 逻辑.
别名函数简化迁移，Java 和 Python UDF 增加自定义计算能力，复杂类型则让嵌套值保持可查询。
映射兼容的名称或可复用的表达式。
实现标量、聚合、窗口或表函数逻辑。
当 Python 生态带来的价值足以抵消额外开销时，使用 Python 逻辑。
无需先展开数据，即可查询数组、映射、结构体和 JSON。
物化视图同步 MV 异步 MV
预先计算查询 频繁重复的工作.
同步物化视图为单表查询提供强一致性的加速；异步物化视图通过受控刷新支持复杂的多表结果。
随基表数据一起维护，用于加速单表查询。
- 强一致性
- 透明改写
- 支持的查询结构有限
按刷新策略更新的灵活存储结果。
- 支持多表定义
- 定时或手动刷新
- 需要管理数据新鲜度