参数说明

• IF NOT EXISTS

  如果已经存在相同名称的表，不会抛出一个错误，而会发出一个通知，告知表关系已存在。

• partition_table_name

  分区表的名称。

  取值范围：字符串，要符合标识符的命名规范。

• column_name

  新表中要创建的字段名。

  取值范围：字符串，要符合标识符的命名规范。

• data_type

  字段的数据类型。

• COLLATE collation

  COLLATE子句指定列的排序规则（该列必须是可排列的数据类型）。如果没有指定，则使用默认的排序规则。

  可排列的数据类型有char、varchar、text、nchar、nvarchar。

• CONSTRAINT constraint_name

  列约束或表约束的名字。可选的约束子句用于声明约束，新行或者更新的行必须满足这些约束才能成功插入或更新。

  定义约束有两种方法：

  • 列约束：作为一个列定义的一部分，仅影响该列。
  • 表约束：不和某个列绑在一起，可以作用于多个列。
• LIKE source_table [ like_option ... ]

  LIKE子句声明一个表，新表自动从声明的表中继承所有字段名及其数据类型和非空约束。

  新表与原来的表之间在创建动作完毕之后是完全无关的。在源表做的任何修改都不会传播到新表中，并且也不可能在扫描源表的时候包含新表的数据。

  字段缺省表达式只有在声明了INCLUDING DEFAULTS之后才会包含进来。缺省是不包含缺省表达式的，即新表中所有字段的缺省值都是NULL。

  非空约束将总是复制到新表中，CHECK约束则仅在指定了INCLUDING CONSTRAINTS的时候才复制，而其他类型的约束则永远也不会被复制。此规则同时适用于表约束和列约束。

  被复制的列和约束并不使用相同的名字进行融合。如果明确的指定了相同的名字或者在另外一个LIKE子句中，将会报错。

  • 如果指定了INCLUDING INDEXES，则源表上的索引也将在新表上创建，默认不建立索引。
  • 如果指定了INCLUDING STORAGE，则拷贝列的STORAGE设置也将被拷贝，默认情况下不包含STORAGE设置。
  • 如果指定了INCLUDING COMMENTS，则源表列、约束和索引的注释也会被拷贝过来。默认情况下，不拷贝源表的注释。
  • 如果指定了INCLUDING RELOPTIONS，则源表的存储参数（即源表的WITH子句）也将拷贝至新表。默认情况下，不拷贝源表的存储参数。
  • 如果指定了INCLUDING DISTRIBUTION，则新表将拷贝源表的分布信息，包括分布类型和分布列，同时新表将不能再使用DISTRIBUTE BY子句。默认情况下，不拷贝源表的分布信息。
  • INCLUDING ALL是INCLUDING DEFAULTS INCLUDING CONSTRAINTS INCLUDING INDEXES INCLUDING STORAGE INCLUDING COMMENTS INCLUDING RELOPTIONS INCLUDING DISTRIBUTION的简写形式。
• WITH ( storage_parameter [= value] [, ... ] )

  这个子句为表或索引指定一个可选的存储参数。参数的详细描述如下所示：

  • FILLFACTOR

    一个表的填充因子（fillfactor）是一个介于10和100之间的百分数。100（完全填充）是默认值。如果指定了较小的填充因子，INSERT操作仅按照填充因子指定的百分率填充表页。每个页上的剩余空间将用于在该页上更新行，这就使得UPDATE有机会在同一页上放置同一条记录的新版本，这比把新版本放置在其他页上更有效。对于一个从不更新的表将填充因子设为100是优良选择，但是对于频繁更新的表，选择较小的填充因子则更加合适。该参数对于列存表没有意义。

    取值范围：10~100

  • ORIENTATION

    决定了表的数据的存储方式。

    取值范围：

    • COLUMN：表的数据将以列式存储。
    • ROW（缺省值）：表的数据将以行式存储。
    • ORC：表的数据将以ORC格式存储（仅HDFS表）。
      

      orientation不支持修改。

  • COMPRESSION
    列存表的有效值为YES/NO和LOW/MIDDLE/HIGH，默认值为LOW。

    

    暂不支持行存表压缩功能。

  • MAX_BATCHROW

    指定了在数据加载过程中一个存储单元可以容纳记录的最大数目。该参数只对列存表有效。

    取值范围：10000~60000

    默认值：60000

  • PARTIAL_CLUSTER_ROWS

    指定了在数据加载过程中进行将局部聚簇存储的记录数目。该参数只对列存表有效。

    取值范围：其有效值为大于等于10万。此值是MAX_BATCHROW的倍数。

  • enable_delta

    指定了在列存表是否开启delta表。该参数只对列存表有效。

    不推荐使用列存带Delta表，否则会出现由于来不及merge而导致的磁盘膨胀以及性能劣化等问题。

    默认值：off

  • DELTAROW_THRESHOLD

    预留参数。该参数只对列存表有效。

    取值范围：0～60000，默认值为6000

  • COLD_TABLESPACE

    指定冷分区保存的obs tablespace，仅冷热表支持。该参数仅支持列存分区表，且该参数不支持修改，需与storage_policy同时使用。在指定STORAGE_POLICY时，可不设置该参数，默认为default_obs_tbs。

    取值范围：有效的OBS TABLESPACE名。

  • STORAGE_POLICY

    指定冷热分区切换规则，仅冷热表支持。该参数需与cold_tablespace同时使用。

    取值范围："冷热切换策略名称:冷热切换的阈值"，目前冷热切换的策略名称只支持LMT和HPN，LMT指按分区的最后更新时间切换，HPN指保留热分区的个数切换。

    • LMT：[day]：表示切换[day]时间前修改的热分区数据为冷分区，将该数据迁至OBS表空间中。其中[day]为整型，范围[0, 36500]，单位为天。
    • HPN: [hot_partition_num]：表示保留[hot_partition_num]个有数据的分区为热分区。保留规则为查找出有数据的分区的最大的Sequence ID，大于Sequence ID的无数据分区为热分区，并按这个Sequence ID从大到小保留[hot_partition_num]个分区为热分区；分区Sequence ID小于保留的最小热分区的Sequence ID的分区为冷分区，在冷热切换时，需要将数据迁移至OBS表空间中。其中[hot_partition_num]为整型，范围为[0,1600]。
      

      • 实时数仓（单机部署）暂不支持冷热分区切换功能。
      • 对于LIST分区，建议谨慎使用HPN策略，否则可能出现新增分区不是热分区的情况。
  • PERIOD

    指定分区管理中自动创建分区的周期，并开启自动创建分区功能。仅支持行存、列存范围分区表、时序表以及冷热表；分区键唯一并且类型仅支持TIMESTAMP[(p)] [WITHOUT TIME ZONE]、TIMESTAMP[(p)] [WITH TIME ZONE]、DATE；不支持存在maxvalue分区；(nowTime - boundaryTime) / PERIOD需要小于分区个数上限，其中nowTime为当前时间，boundaryTime为现有分区中最早的分区边界时间；不支持在小型机、加速集群、单机集群上使用。

    取值范围：1 hour ~ 100 years

    

    • 在兼容Teradata或MySQL的数据库中，分区键类型为DATE时，PERIOD不能小于1 day。
    • 建分区表时，如果设置了PERIOD，则可以只指定分区键不指定分区。建表时将创建两个默认分区，这两个默认分区的分区时间范围均为PERIOD。其中，第一个默认分区的边界时间是大于当前时间的第一个整时/整天/整周/整月/整年的时间，具体选择哪种整点时间取决于PERIOD的最大单位；第二个默认分区的边界时间是第一个分区边界时间加PERIOD。假设当前时间是2022-02-17 16:32:45，各种情况的第一个默认分区的分区边界选择如表1。

      有关默认分区的更多内容，请参见示例8。

    • 实时数仓（单机部署）暂不支持自动创建分区功能。

    表1 分区边界选择

    period	period最大单位	第一个默认分区的分区边界
    1hour	Hour	2022-02-17 17:00:00
    1day	Day	2022-02-18 00:00:00
    1month	Month	2022-03-01 00:00:00
    13month	Year	2023-01-01 00:00:00

  • TTL

    指定分区管理中分区过期的时间，并开启自动删除分区功能。不支持单独设置，必须要提前或同时设置PERIOD，并且要大于或等于PERIOD。

    取值范围：1 hour ~ 100 years

    

    • PERIOD指明按照时间划分的周期对数据进行分区，分区的大小可能对查询性能有影响，同时每隔周期时间会创建一个新的周期大小的分区，具体做法是以period周期，自动调用proc_add_partition (relname regclass, boundaries_interval interval)函数。TTL（Time To Live）指明该表的数据保存周期，超过TTL周期的数据将被清理，具体做法是以period周期，自动调用proc_drop_partition (relname regclass, older_than interval)函数。PERIOD和TTL的值为Interval类型，例如：“1 hour”, “1 day”, “1 week”, “1 month” ,“1 year”, “1 month 2 day 3 hour”。
    • 实时数仓（单机部署）暂不支持自动删除分区功能。
  • COLVERSION

    指定列存存储格式的版本，支持不同存储格式版本之间的切换，但分区表不支持存储格式版本切换。

    取值范围：

    1.0：列存表的每列以一个单独的文件进行存储，文件名以relfilenode.C1.0、relfilenode.C2.0、relfilenode.C3.0等命名。

    2.0：列存表的每列合并存储在一个文件中，文件名以relfilenode.C1.0命名。

    默认值：2.0

    需注意，OBS冷热表仅支持colversion 2.0格式。

    

    在建列存表时选择COLVERSION=2.0，相比于1.0存储格式，在以下场景中性能有明显提升：

    1. 创建列存宽表场景下，建表时间显著减少。
    2. roach备份数据场景下，备份时间显著减少。
    3. build、catch up耗时显著减少。
    4. 占用磁盘空间大小显著减少。
  • SKIP_FPI_HINT

    顺序扫描过程中，若需要写FPW(full page writes)日志时，该参数控制是否跳过设置HintBits操作。

    默认值：false

    

    设置SKIP_FPI_HINT=true时，在对某表执行checkpoint操作后，若对该表进行顺序扫描，将不再产生Xlog。适用于查询次数较少的中间表，有效减少Xlog的大小，提升查询性能。

• COMPRESS / NOCOMPRESS

  创建一个新表时，需要在创建表语句中指定关键字COMPRESS，这样，当对该表进行批量插入时就会触发压缩特性。该特性会在页范围内扫描所有元组数据，生成字典、压缩元组数据并进行存储。指定关键字NOCOMPRESS则不对表进行压缩。

  缺省值为NOCOMPRESS，即不对元组数据进行压缩。

• DISTRIBUTE BY

  指定表如何在节点之间分布或者复制。

  取值范围：

  • REPLICATION：表的每一行存在所有数据节点( DN )中，即每个数据节点都有完整的表数据。
  • ROUNDROBIN：表的每一行被轮番地发送给各个DN，因此数据会被均匀地分布在各个DN中。（ROUNDROBIN仅8.1.2及以上版本支持）
  • HASH (column_name ) ：对指定的列进行Hash，通过映射，把数据分布到指定DN。
  

  • 当指定DISTRIBUTE BY HASH (column_name)参数时，创建主键和唯一索引必须包含“ column_name”列。
  • 当被参照表指定DISTRIBUTE BY HASH (column_name)参数时，参照表的外键必须包含“ column_name”列。
  默认值：由GUC参数default_distribution_mode控制。

  • 当default_distribution_mode=roundrobin时，DISTRIBUTE BY的默认值按如下规则选取：
    1. 若建表时包含主键/唯一约束，则选取HASH分布，分布列为主键/唯一约束对应的列。
    2. 若建表时不包含主键/唯一约束，则选取ROUNDROBIN分布。
  • 当default_distribution_mode=hash时，DISTRIBUTE BY的默认值按如下规则选取：
    1. 若建表时包含主键/唯一约束，则选取HASH分布，分布列为主键/唯一约束对应的列。
    2. 若建表时不包含主键/唯一约束，但存在数据类型支持作分布列的列，则选取HASH分布，分布列为第一个数据类型支持作分布列的列。
    3. 若建表时不包含主键/唯一约束，也不存在数据类型支持作分布列的列，选取ROUNDROBIN分布。
  以下数据类型支持作为分布列：

  • INTEGER TYPES：TINYINT，SMALLINT，INT，BIGINT，NUMERIC/DECIMAL
  • CHARACTER TYPES：CHAR，BPCHAR，VARCHAR，VARCHAR2，NVARCHAR2，TEXT
  • DATE/TIME TYPES：DATE，TIME，TIMETZ，TIMESTAMP，TIMESTAMPTZ，INTERVAL，SMALLDATETIME
• TO { GROUP groupname | NODE ( nodename [, ... ] ) }

  TO GROUP指定创建表所在的Node Group，目前不支持hdfs表使用。TO NODE主要供内部扩容工具使用，一般用户不应该使用。

• PARTITION BY RANGE(partition_key)

  指定范围分区策略语法，partition_key为分区键的名称。

  （1）对于从句是VALUES LESS THAN的语法格式：

  

  对于从句是VALUE LESS THAN的语法格式，范围分区策略的分区键最多支持4列，且分区键只能是列名。当存在多个分区键时，一个列名只能出现一次，且相邻的两个分区键要使用逗号隔开。

  该情形下，分区键支持的数据类型为：SMALLINT、INTEGER、BIGINT、DECIMAL、NUMERIC、REAL、DOUBLE PRECISION、CHARACTER VARYING(n)、VARCHAR(n)、CHARACTER(n)、CHAR(n)、CHARACTER、CHAR、TEXT、NVARCHAR2、NAME、TIMESTAMP[(p)] [WITHOUT TIME ZONE]、TIMESTAMP[(p)] [WITH TIME ZONE]、DATE。

  （2）对于从句是START END的语法格式：

  

  对于从句是START END的语法格式，范围分区策略的分区键仅支持1列。

  该情形下，分区键支持的数据类型为：SMALLINT、INTEGER、BIGINT、DECIMAL、NUMERIC、REAL、DOUBLE PRECISION、TIMESTAMP[(p)] [WITHOUT TIME ZONE]、TIMESTAMP[(p)] [WITH TIME ZONE]、DATE。

• PARTITION BY LIST (partition_key,[...])

  指定列表分区策略语法，partition_key为分区键的名称。

  

  列表分区策略的分区键最多支持4列。

  列表分区策略分区键支持的数据类型为：TINYINT、SMALLINT、INTEGER、BIGINT、NUMERIC/DECIMAL、TEXT、NVARCHAR2、VARCHAR(n)、CHAR、BPCHAR、TIME、TIME WITH TIMEZONE、TIMESTAMP、TIMESTAMP WITH TIME ZONE、DATE、INTERVAL、SMALLDATETIME

• partition_less_than_item

  1	PARTITION partition_name VALUES LESS THAN ( { partition_value | DEFAULT } )

  范围分区策略下分区（简称为范围分区）的定义语法。partition_name为范围分区的名称。partition_value为范围分区的上边界，取值依赖于partition_key的类型。MAXVALUE表示分区的上边界，它通常用于设置最后一个范围分区的上边界。

  

  • 每个分区都需要指定一个上边界。
  • 分区上边界的类型应当和分区键的类型一致。
  • 分区列表是按照分区上边界升序排列的，值较小的分区位于值较大的分区之前。
  • 如果分区键由多个字段组成，比较大小时，先比较第一个字段，当第一个字段相等时比较第二个字段，以此类推。
• partition_start_end_item

  1 2 3 4

  PARTITION partition_name {START (partition_value) END (partition_value) EVERY (interval_value)} | {START (partition_value) END (partition_value|MAXVALUE)} | {START(partition_value)} | {END (partition_value| MAXVALUE)}

  使用起始值以及间隔值定义范围分区的语法，各参数含义如下：

  • partition_name：范围分区的名称或名称前缀，除以下情形外（假定其中的partition_name是p1），均为分区的名称。
    • 若该定义是START+END+EVERY从句，则语义上定义的分区的名称依次为p1_1, p1_2, ...。例如对于定义“PARTITION p1 START(1) END(4) EVERY(1)”，则生成的分区是：[1, 2), [2, 3) 和 [3, 4)，名称依次为p1_1, p1_2和p1_3，即此处的p1是名称前缀。
    • 若该定义是第一个分区定义，且该定义有START值，则范围（MINVALUE, START）将自动作为第一个实际分区，其名称为p1_0，然后该定义语义描述的分区名称依次为p1_1, p1_2, ...。例如对于完整定义“PARTITION p1 START(1), PARTITION p2 START(2)”，则生成的分区是：(MINVALUE, 1), [1, 2) 和 [2, MAXVALUE)，其名称依次为p1_0, p1_1和p2，即此处p1是名称前缀，p2是分区名称。这里MINVALUE表示最小值。
  • partition_value：范围分区的端点值（起始或终点），取值依赖于partition_key的类型，不可是MAXVALUE。
  • interval_value：对[START，END) 表示的范围进行切分，interval_value是指定切分后每个分区的宽度，不可是MAXVALUE；如果（END-START）值不能整除以EVERY值，则仅最后一个分区的宽度小于EVERY值。
  • MAXVALUE：表示最大值，它通常用于设置最后一个范围分区的上边界。
  

  1. 在创建分区表若第一个分区定义含START值，则范围（MINVALUE，START）将自动作为实际的第一个分区。
  2. START END语法需要遵循以下限制：
     • 每个partition_start_end_item中的START值（如果有的话，下同）必须小于其END值；
     • 相邻的两个partition_start_end_item，第一个的END值必须等于第二个的START值；
     • 每个partition_start_end_item中的EVERY值必须是正向递增的，且必须小于（END-START）值；
     • 每个分区包含起始值，不包含终点值，即形如：[起始值，终点值)，起始值是MINVALUE时则不包含；
     • 一个partition_start_end_item创建的每个分区所属的TABLESPACE一样；
     • partition_name作为分区名称前缀时，其长度不要超过57字节，超过时自动截断；
     • 在创建、修改分区表时请注意分区表的分区总数不可超过最大限制（32767）；
  3. 在创建分区表时START END与LESS THAN语法不可混合使用。
  4. 即使创建分区表时使用START END语法，备份（gs_dump）出的SQL语句也是VALUES LESS THAN语法格式。
• list_partition_item

  1	PARTITION partition_name VALUES ( { (partition_value) [, ... ] | DEFAULT } )

  列表分区策略下分区（简称为列表分区）的定义语法。partition_name为分区的名称。partition_value为列表分区边界的一个枚举值，取值依赖于partition_key的类型。DEFAULT表示默认分区的边界。

  

  对于列表分区表，存在以下约定和约束：

  • 边界值为DEFAULT的分区，称之为默认分区。
  • 每个列表分区表只能有一个DEFAULT分区。
  • 分区表的所有分区数不超过32767个，所有分区的边界值个数不大于32767个。
  • 不管分区键的个数，DEFAULT分区的边界只能是一个DEFAULT。
  • 如果分区键由多个字段组成，每个partition_value需要包含所有分区键的值，当分区键只有一列时，partition_value两侧的括号可以省略，参见示例4：创建列表分区。
  • 如果分区键由多个字段组成，比较大小时，先逐个字段比较大小，任何一个字段值不一样即可认为是不一样的键值。
  • 边界中不同的partition_value值不能重复。
  • 数据插入时，如果数据的分区键值能匹配任何非DEFAULT分区的边界，那么数据会写入对应的分区；否则数据会写入DEFAULT分区。
• { ENABLE | DISABLE } ROW MOVEMENT

  行迁移开关。

  如果进行UPDATE操作时，更新了元组在分区键上的值，造成了该元组所在分区发生变化，就会根据该开关给出报错信息，或者进行元组在分区间的转移。

  取值范围：

  • ENABLE：行迁移开关打开。
  • DISABLE（缺省值）：行迁移开关关闭。