starrocks建表

### 如何在 StarRocks 中创建表

#### 表创建语法
在分布式数据库环境中，如StarRocks，创建新表涉及定义其模式(schema)，包括列名、数据类型以及可选的约束条件。对于StarRocks而言，在创建表的同时还可以指定分区策略来优化查询性能和资源管理[^3]。

CREATE TABLE IF NOT EXISTS database.table_name (
    `id` BIGINT COMMENT 'Primary key',
    `name` STRING COMMENT 'Name of the entity'
) ENGINE=OLAP
DUPLICATE KEY(`id`)
COMMENT "This is a sample table"
PARTITION BY RANGE(id) (
    PARTITION p1 VALUES LESS THAN ("10"),
    PARTITION p2 VALUES LESS THAN ("20")
)
DISTRIBUTED BY HASH(id) BUCKETS 10;

此SQL语句展示了如何构建一张具有特定属性的新表：

- 使用`IF NOT EXISTS`防止重复创建同名表。
- 定义了两列：一个是名为`id`的大整型作为主键；另一个是字符串类型的`name`字段用于存储实体名称。
- 设置引擎为`OLAP`表明这是一个面向分析处理的工作负载适用的数据集。
- 指定复制模型为`DUPLICATE KEY`意味着每条记录将在多个节点间完全冗余保存以提高读取效率并增强容错能力。
- 添加注释描述整个表的作用或意义。
- 对于大范围数值列采用基于范围(RANGE)的方式进行物理划分(partitioning), 这里是以ID值为例进行了简单区间分割。
- 数据分布方面选择了哈希(HASH)算法，并指定了桶(bucket)的数量为十个以便更好地平衡各计算单元上的工作负荷。

#### 分区与分桶的选择依据
当考虑如何组织内部数据布局时，应该根据实际应用场景选择合适的分区方法（例如按时间戳或者地理区域），这有助于加速过滤操作减少扫描量。而分桶则是为了实现更均匀的数据分配从而提升并行执行的效果。上述例子中的`DISTRIBUTED BY HASH(id)`即体现了这一点，通过散列函数将不同key映射到各个bucket内达到随机化的目的。