Hypertable项目中的CREATE TABLE语法详解

概述

在Hypertable分布式数据库中，CREATE TABLE语句用于创建新表。与关系型数据库不同，Hypertable的表结构设计更加灵活，支持列族(Column Family)、访问组(Access Group)等高级特性。本文将全面解析CREATE TABLE语句的语法和使用方法。

基本语法

CREATE TABLE语句有两种基本形式：

CREATE TABLE 表名 (列族定义...) [表选项...]
CREATE TABLE 表名 LIKE 示例表名

第一种形式用于创建新表，第二种形式基于现有表的结构创建新表。

列族(Column Family)设计

列族概念

列族是Hypertable中的核心概念，类似于传统数据库中的列，但有重要区别：

1. 每个列族可以包含无限数量的限定列(Qualified Column)
2. 限定列由列族名和限定符(Qualifier)组成，用冒号分隔
3. 表结构非常稀疏，不同行可以有不同的限定列

例如，对于"tag"列族，可以有如下限定列：

• tag:good
• tag:science
• tag:authoritative

列族选项

创建列族时可以指定以下选项：

• MAX_VERSIONS int：保留的最大版本数
• TIME_ORDER DESC：时间戳排序方式(降序)
• TTL duration：数据存活时间
• COUNTER：声明为计数器列

计数器列的特殊处理

计数器列支持原子增减操作，值格式如下：

格式	说明
+n	增加n
-n	减少n
=n	设置为n

二级索引

Hypertable支持两种类型的索引：

1. 值索引(INDEX)：优化对列族值的精确匹配或前缀匹配查询
2. 限定符索引(QUALIFIER INDEX)：优化对列限定符的精确匹配或前缀匹配查询

索引表与主表位于同一命名空间，名称前加^(值索引)或^^(限定符索引)。

访问组(Access Group)

访问组概念

访问组控制数据的物理存储布局：

1. 每个表至少有一个访问组(默认"default")
2. 同一访问组的列族数据物理上存储在一起
3. 通过合理设计访问组可以显著提高查询性能

访问组选项

• COUNTER：组内所有列族为计数器列
• IN_MEMORY：数据常驻内存
• BLOCKSIZE int：块大小(默认65K)
• REPLICATION int：副本数
• COMPRESSOR：压缩算法
• BLOOMFILTER：布隆过滤器配置

表选项

表选项作为列族和访问组选项的默认值：

• MAX_VERSIONS int
• TTL duration
• IN_MEMORY
• BLOCKSIZE int
• REPLICATION int
• COMPRESSOR compressor_spec
• GROUP_COMMIT_INTERVAL int：组提交间隔(毫秒)

压缩算法

Hypertable支持多种压缩算法：

1. bmz：支持指纹长度(--fp-len)和偏移量(--offset)选项
2. lzo：无选项
3. quicklz：无选项
4. zlib：支持-9/--best(高压缩比)和--normal(普通压缩比)选项
5. none：不压缩

默认使用snappy算法。

布隆过滤器配置

布隆过滤器可显著提高查询效率，支持以下形式：

1. rows：仅行键加入过滤器(默认)
2. rows+cols：行键+列族加入过滤器
3. none：禁用过滤器

配置选项包括误报率(--false-positive)、每项位数(--bits-per-item)、哈希函数数量(--num-hashes)等。

最佳实践建议

1. 将经常一起查询的列族放在同一访问组
2. 对频繁查询的列建立适当的索引
3. 根据数据特性选择合适的压缩算法
4. 对大表配置适当的布隆过滤器
5. 合理设置TTL和MAX_VERSIONS以控制数据量

通过合理设计表结构，可以充分发挥Hypertable的高性能特性，满足各种大数据存储和查询需求。