今天来聊聊怎么高效建表
建表“高效”，是指建表的速度快吗？no，都9012年了，想啥呢？建表高效是指，建的这张表，怎么样能够快速的被查询到，同样资源条件下，查询性能相比普通表表现更优！
在我们建表时，通常会给表附带属性，比如存储形式、生命周期TTL等，同时也会构建一些索引，以便查询的时候能够更加高效的得出查询结果。但是，不同的产品使用的编程语言又不一样，建表的语法可能也会有些差别，那今天小编就来为大家讲讲，怎么样在交互式分析中高效建表，（偷偷告诉你，看了这个文章，你的建表速度也会更快哦）
1.字段
首先，一张最简单的表由表名和字段组成，字段可以理解表，一张表的列名，而字段类型，就是每列字段的行数据类型，同一列的数据类型必须唯一，例如：一个名为age的列，不可能下面出现行数据为tom吧。示例建一张简单的表如下，当前交互式分析支持的数据类型大家可以参考文档数据类型。
CREATE TABLE (
id bigint ,
name text ,
time timestamptz ,
c double precision
);2.设置字段属性
1）主键
首先是主键，即我们常说的pk（PRIMARY KEY），主键是数据表的唯一索引，比如学生表里有学号和姓名，姓名可能有重名的，但学号确是唯一的，你要从学生表中搜索一条纪录如查找一个人，就只能根据学号去查找，这才能找出唯一的一个，这就是主键。
CREATE TABLE my_table (
id bigint NOT NULL,
name text NOT NULL,
time timestamptz NOT NULL,
c double precision NOT NULL,
PRIMARY KEY (id)
);2）可空
其次是可空，可空的意思是，这一列的行数据可以为空值，即没有数据。
CREATE TABLE my_table (
id bigint NOT NULL,
name text NOT NULL,
time timestamptz NOT NULL,
c double precision, //这一个字段可空
PRIMARY KEY (id)
);3）数组
接着是数组，关于数组的用法，建议大家参考交互式分析文档数组类型。
3.设置表存储属性
建好一张表之后，需要服务器来存储表，表的存储有行存和列存两种方式。列存储将所有记录中相同字段的数据聚合存储;行存储将每条记录的所有字段的数据聚合存储。在交互式分析，两种存储都支持，但是默认为列存形式，列存对于olap场景较为友好，适合各种复杂查询；行存对于kv场景比较友好，适合基于primary key的点查和scan。
示例建一张列存表：
BEGIN;
CREATE TABLE my_table (
id bigint NOT NULL,
name text NOT NULL,
time timestamptz NOT NULL,
c double precision NOT NULL,
PRIMARY KEY (id)
);
CALL SET_TABLE_PROPERTY('my_table', 'orientation', 'column');
COMMIT;示例建一张行存表：
BEGIN;
CREATE TABLE my_table (
id bigint NOT NULL,
name text NOT NULL,
time timestamptz NOT NULL,
c double precision NOT NULL,
PRIMARY KEY (id)
);
CALL SET_TABLE_PROPERTY('my_table', 'orientation', 'row');
COMMIT;4.设置表属性
1）生命周期
表的生命周期是指，从最后一次更新数据时间开始算起，经过指定时间还未变动，则这张表会被自动回收。
BEGIN;
CREATE TABLE my_table (
id bigint NOT NULL,
name text NOT NULL,
time timestamptz NOT NULL,
c double precision NOT NULL,
PRIMARY KEY (id)
);
CALL SET_TABLE_PROPERTY('my_table', 'orientation', 'column');
CALL SET_TABLE_PROPERTY('my_table', 'time_to_live_in_seconds', '36000');
COMMIT;2)索引
构建索引是为了加快查询表，在交互式分析中，可以构建的索引有以下几种
- 聚簇索引clustering key
聚集索引实际是排序索引，索引的的类型和列的顺序关系严格相关。聚簇索引能够加速用户在索引列上的range和filter查询，聚集索引有助于加速一定会带某个列做为where条件的查询。
BEGIN;
CREATE TABLE my_table (
id bigint NOT NULL,
name text NOT NULL,
time timestamptz NOT NULL,
c double precision NOT NULL,
PRIMARY KEY (id)
);
CALL SET_TABLE_PROPERTY('my_table', 'orientation', 'column');
CALL SET_TABLE_PROPERTY('my_table', 'clustering_key', 'id');
CALL SET_TABLE_PROPERTY('my_table', 'time_to_live_in_seconds', '36000');
COMMIT;- 字典编码dictionary encoding columns
字典编码列，指定列的值构建字典映射。字典编码可以将字符串的比较转成数字的比较，加速group by、filter等查询。默认所有text列都会被隐式地设置到 dictionary_encoding_columns 中。
BEGIN;
CREATE TABLE my_table (
id bigint NOT NULL,
name text NOT NULL,
time timestamptz NOT NULL,
c double precision NOT NULL,
PRIMARY KEY (id)
);
CALL SET_TABLE_PROPERTY('my_table', 'orientation', 'column');
CALL SET_TABLE_PROPERTY('my_table', 'clustering_key', 'id');
CALL SET_TABLE_PROPERTY('my_table', 'dictionary_encoding_columns', 'name');
CALL SET_TABLE_PROPERTY('my_table', 'time_to_live_in_seconds', '36000');
COMMIT;- 位列图bitmap columns
位图索引在这些列上构建比特编码。bitmap可以对segment内部的数据进行快速过滤，所以建议把where条件的等值查询列建成比特编码。默认所有text列都会被隐式地设置到bitmap_columns中。
BEGIN;
CREATE TABLE my_table (
id bigint NOT NULL,
name text NOT NULL,
time timestamptz NOT NULL,
c double precision NOT NULL,
PRIMARY KEY (id)
);
CALL SET_TABLE_PROPERTY('my_table', 'orientation', 'column');
CALL SET_TABLE_PROPERTY('my_table', 'clustering_key', 'id');
CALL SET_TABLE_PROPERTY('my_table', 'bitmap_columns', 'name');
CALL SET_TABLE_PROPERTY('my_table', 'dictionary_encoding_columns', 'name');
CALL SET_TABLE_PROPERTY('my_table', 'time_to_live_in_seconds', '36000');
COMMIT;更多关于索引的使用，大家可以参见交互式分析文档设置表属性。
学习了这么多内容，相信大家还是会有点疑惑，比如，交互式分析是兼容Postgresql的，但是有些朋友可能对pg的部分语法不是特别熟悉，尤其是构建索引这一部分，call_set怎么用到极致还有点困惑，那在这样的情况下，我怎么才能高效的建表呢？
别担心，交互式分析的神器--HoloStudio来了（关于HoloStudio的介绍，可以参见《交互式分析六脉神剑》之Dataworks-HoloStudio初体验），使用HoloStudio的UI建表，不需要输入代码，只需动动小手点一点，就能建好一张表哦。不信，看下图：
有了UI建表，点点就能快速建表，并构建索引，大大节约时间，也节约语法学习成本，还能在下方编辑框中立即生成建表SQL语言，方便对照以及学习，再也不用担心编程不及别人啦！还在等什么，赶紧开通交互式分析用起来吧。
点击进入交互式分析官网
建好表之后，我们怎么样高效给表导数据呢？有了表数据，怎么样快速查询呢，或者怎么样提高查询性能呢？敬请期待下期内容吧！
若您在使用过程中，有任何问题，或者对交互式分析感兴趣，欢迎进钉钉群咨询哦！
