花费几个小时，来计算近 TB的历史数据。另外，应对非预设维度分析，MOLAP模型需要重新进行适配计算，也需要一定的 迭代工作。 明细数据的交互 业务分析除了宏观数据之外，对明细数据查询也是一种刚需。通常大家会选择MySQL等关系型DB 作为明细数据的快速检索查询，但当业务成长较快时，很快就会遇到性能瓶颈，并且运维成本也 很高。例如，大数据量的同步、新增字段、历史数据更新等操作，它们的维护成本都非常高。 业务生产方式中，历史数据的回溯失去了参考意义。在所有展现组织机构数据的业务场景中，组 织机构的变化是一个绕不开的技术问题。此外，商家品类、类型等其它维度也存在变化维的问题 。如下图所示： 数据生产面临的挑战 数据爆炸，每日使用最新维度对历史数据进行回溯计算。在Kylin的MOLAP模式下存在如下问题： 历史数据每日刷新，失去了增量的意义。 每日回溯历史数据量大，10亿+的历史数据回溯。 数据 数据计算耗时3小时+，存储1TB+，消耗大量计算存储资源，同时严重影响SLA的稳定性。 预计算的大量历史数据实际使用率低下，实际工作中对历史的回溯80%集中在近1个月左 右，但为了应对所有需求场景，业务要求计算近半年以上的历史。 不支持明细数据的查询。 解决方案：引入MPP引擎，数据现用现算 既然变化维的历史数据预计算成本巨大，最好的办法就是现用现算，但现用现算需要强大的并行 计算能力。OLAP的实现

圈选，在标签圈选场景中，通常需要满足以下几个要求：  用户圈选逻辑比较复杂，数据架构需要支持同时有上百个标签做圈选过滤条件。  大部分圈选场景只需要最新标签数据，但是在指标查询时需要支持历史的数据的查 询。  基于圈选结果，需要进行指标数据的聚合分析。  基于圈选结果，需要支持标签和指标的明细查询。 经过调研，我们最终采用了 Doris on ES 的解决方案来实现以上要求，将

行任何增删操作。 所以建议在建表前，先确认使用方式来进行合理的建表。 动态分区 动态分区 动态分区功能主要用于帮助用户自动的管理分区。通过设定一定的规则，Doris 系统定期增加新的分区或删除历史分区。 物化视图 物化视图 CREATE CREATE TABLE TABLE example_db example_db..dynamic_partition dynamic_partition ：作业超时时间，单位秒。 example example 1. 查看 下最近一次 BACKUP 任务。 Keywords Keywords 最佳实践 最佳实践 1. 仅显示最近一次备份操作的信息。历史操作信息无法查看。 SHOW-ALTER-TABLE-MATERIALIZED-VIEW SHOW ALTER TABLE MATERIALIZED VIEW SHOW ALTER TABLE MATERIALIZED