Palo Doris版五分钟快速入门！大数据

本文转载自百度开发者中心https://developer.baidu.com/article/detail.html?id=294225
在本教程章节中，我将为大家介绍使用Palo UI快速体验和使用Palo查询的操作过程。

公有云用户，请先参阅文档创建一个 Palo 集群。
开源用户，需要在 fe.conf 中配置 enable_http_server_v2=true 后，重启 FE 节点。

【Palo Doris版五分钟快速入门！】Palo UI是Palo为大家提供的可以快速执行查询请求和进行一些管理操作的Web UI环境。

本文档中演示使用的demo数据和查询例句均来自于 Star Schema Benchmark，用户可以点击获取样例数据和SQL语句。

进入Palo UI 在Palo的集群详情页面中，提供了Palo UI的快捷入口。

文章图片

点击Palo UI按钮，进入Web UI环境。在登陆页面输入用户名和密码，用户名是“admin”，密码是用户创建集群时填写的密码。

开源用户可以在浏览器打开 FE 节点的 http_port 端口（默认8030）。

文章图片

点击登陆之后，就可以进入到Palo UI的主页面，默认页面就是Palo查询页面（Playground）。

文章图片

Palo快速查询页面主要分成三个区域，左侧为表管理区域，包括系统库表和用户自己创建的表。右上区域是SQL执行区域，右下区域为表预览和数据导入以及执行结果区域。接下来我们在本页面展示从建库、建表、导入数据、查询等主要步骤，帮助初次使用Palo的用户体验一次完整的使用流程。
建库建表在编辑器区域，我们输入SQL语句创建一个example_db的库。点击执行之后，在下方可以看到执行结果，执行成功之后，刷新左侧表区域，就可以在表管理区域看到新创建的example_db库了。

CREATE DATABASE example_db;

文章图片

我们的demo数据一共有5份销售相关的订单、日期、客户信息等数据样例，所以我们需要创建5张对应的表。
首先我们在example_db库中创建一个名为lineorder的表。Palo使用DISTRIBUTED关键字设置分桶列，分桶列用于对数据进行水平划分，一般我们选择一个可以帮助数据能够均匀划分的列作为分桶列。此处我们使用lo_orderkey作为分桶列。此处我们还设置了一个副本数为1，因为Palo默认三副本，如果我们集群只购买了一个 Compute Node，则需要手动设置副本数为1。
这个表主要定义了订单号、订单时间以及利润、税收等一些订单主信息。

CREATE TABLE lineorder ( lo_orderkey BIGINT, lo_linenumber BIGINT, lo_custkey INT, lo_partkey INT, lo_suppkey INT, lo_orderdate INT, lo_orderpriotity VARCHAR(16), lo_shippriotity INT, lo_quantity BIGINT, lo_extendedprice BIGINT, lo_ordtotalprice BIGINT, lo_discount BIGINT, lo_revenue BIGINT, lo_supplycost BIGINT, lo_tax BIGINT, lo_commitdate BIGINT, lo_shipmode VARCHAR(11) ) DISTRIBUTED BY HASH(lo_orderkey) PROPERTIES ("replication_num"="1");

然后我们再创建一个date表。使用d_datekey作为分桶列，并设置副本数为1。这个表定义的是更加详细一些的订单日期信息。

CREATE TABLE date (d_datekey INT,d_date VARCHAR(20), d_dayofweek VARCHAR(10), d_month VARCHAR(11), d_year INT, d_yearmonthnum INT, d_yearmonth VARCHAR(9), d_daynuminweek INT, d_daynuminmonth INT, d_daynuminyear INT, d_monthnuminyear INT, d_weeknuminyear INT, d_sellingseason VARCHAR(14), d_lastdayinweekfl INT, d_lastdayinmonthfl INT, d_holidayfl INT, d_weekdayfl INT ) DISTRIBUTED BY hash(d_datekey) PROPERTIES ( "storage_type"="column", "replication_num"="1");

接下来我们再分别创建剩下三张表，customer，part，supplier,分别记录了客户、商品和供应商的详细信息。

CREATE TABLE customer (c_custkey INT,c_name VARCHAR(26), c_address VARCHAR(41), c_city VARCHAR(11), c_nation VARCHAR(16), c_region VARCHAR(13), c_phone VARCHAR(16), c_mktsegment VARCHAR(11) ) DISTRIBUTED BY hash(c_custkey) PROPERTIES ( "storage_type"="column", "replication_num"="1"); CREATE TABLE part ( p_partkey INT, p_name VARCHAR(23), p_mfgr VARCHAR(7), p_category VARCHAR(8), p_brand VARCHAR(10), p_color VARCHAR(12), p_type VARCHAR(26), p_size INT, p_container VARCHAR(11) ) DISTRIBUTED BY hash(p_partkey) PROPERTIES ( "storage_type"="column", "replication_num"="1"); CREATE TABLE supplier ( s_suppkey INT, s_name VARCHAR(26), s_address VARCHAR(26), s_city VARCHAR(11), s_nation VARCHAR(16), s_region VARCHAR(13), s_phone VARCHAR(16) ) DISTRIBUTED BY hash(s_suppkey) PROPERTIES ( "storage_type"="column", "replication_num"="1");

表建完之后，可以查看 example_db 中表的信息:

文章图片

导入数据 Palo 支持多种数据导入方式。具体可以参阅数据导入文档。这里我们使用Web方式便捷导入数据做示例。
首先点击选中需要导入数据的表

文章图片

然后点击数据导入，进入数据导入页面

文章图片

点击“下一步”。之后先选择导入文件的列分割符，这里我们是 \t 分割。接着选择需要导入的数据文件
等待文件上传完成，点击选择下方已上传的文件。这时也会看到该文件按照指定分隔符分割后的预览数据（前10行）。

文章图片

点击“下一步”进入到数据导入配置页面，我们以“lineorder_data”为label，然后点击“导入”按钮。

文章图片

等待片刻，可以看到数据导入的结果。其中 Status 的状态为 Success，即表示导入成功。点击OK之后，数据导入完成。

文章图片

由于Web UI支持导入的数据大小有限，因此我们将完整的lineorder数据切分成了六份，此处我们仅导入一份数据作为演示，我们在demo文件中放置了完整数据样本，用户可以根据测试需求进行追加导入全部数据。
我们以同样的方式导入表date、customer、part、supplier对应的数据。
数据查询简单查询
数据导入完成之后，我们可以执行一些查询语句来查看数据的状态。
可以预览表的一部分数据。
SELECT * FROM lineorder limit 10
或者统计查询表的记录数量。
SELECT COUNT(*) FROM lineorder
分析查询
然后可以按照我们的分析需求，执行查询操作，获取查询结果。

SELECT SUM(LO_EXTENDEDPRICE*LO_DISCOUNT) AS REVENUE FROMlineorder, date WHERELO_ORDERDATE = D_DATEKEY AND D_YEAR = 1993 AND LO_DISCOUNT BETWEEN 1 AND 3 AND LO_QUANTITY < 25;

通过Web UI,我们在页面执行SQL,并且快速获取查询结果。
也可以执行多表的复杂查询

SELECT C_CITY, S_CITY, D_YEAR, SUM(LO_REVENUE)ASREVENUEFROM customer, lineorder, supplier, date WHERELO_CUSTKEY = C_CUSTKEY AND LO_SUPPKEY = S_SUPPKEY ANDLO_ORDERDATE = D_DATEKEY AND C_NATION = 'UNITED STATES' AND S_NATION = 'UNITED STATES' AND D_YEAR >= 1992 AND D_YEAR <= 1997 GROUP BY C_CITY, S_CITY, D_YEAR ORDER BY D_YEAR ASC,REVENUE DESC;

页面查询的执行时间以及结果：