在 Doris 中，加速聚合查询主要通过以下机制实现：
1.预聚合（Rollup）
通过预计算聚合结果，减少查询时的计算量：
-- 创建 Rollup 表 ALTER TABLE sales ADD ROLLUP rollup_city (city, sum(sales_amount));- 效果：查询
SELECT city, SUM(sales_amount) FROM sales GROUP BY city直接命中 Rollup 数据。
2.物化视图（Materialized View）
存储预先计算的聚合结果：
CREATE MATERIALIZED VIEW mv_sales AS SELECT region, product, SUM(amount) FROM sales GROUP BY region, product;- 自动路由：查询匹配时自动命中物化视图。
3.分区与分桶优化
- 分区（Partition）：按时间范围拆分数据，缩小扫描范围。
- 分桶（Bucket）：对分区内数据哈希分桶，并行处理。
4.Runtime Filter
在 Join 场景下动态过滤数据：
SET runtime_filter_mode="GLOBAL";- 原理：将大表 Join 键的过滤条件推送至小表扫描阶段。
5.向量化执行引擎
- 批处理：单次处理多行数据，减少函数调用开销。
- 列式存储：仅读取查询所需的列。
适用场景对比
| 机制 | 适用场景 | 优势 |
|---|---|---|
| Rollup | 固定维度聚合 | 零计算开销 |
| 物化视图 | 复杂聚合 & 多维度组合 | 灵活适配查询 |
| Runtime Filter | 大表 Join 小表的聚合 | 减少 Shuffle 数据量 |
最佳实践：
- 高频聚合查询优先使用 Rollup 或物化视图。
- Join 聚合启用 Runtime Filter。
- 数据规模超过亿级时，结合分区与分桶提升并行度。
