set (0.01 sec) 1 row in set (0.01 sec) Baidu 百度智能云文档 SQL手册 10 当你在查询中书写表，列，或者包含列的表达式的名字时，你可以同时给他们分配一个别名。当你需要使用表名，列名时，你 可以使用别名来访问。别名通常相对原名来说更简短更好记。当需要新建一个别名时，只需在select list或者from list中的表、 列、表达式名称后面加上AS 对于用户填写的导出路径不会做合法性检查。如果 Doris 的进程用户对该路径无写权限，或路径不存在，则会报错。 同时处于安全性考虑，如果该路径已存在同名的文件，则也会导出失败。 Doris 不会管理导出到本地的文件，也不会检查磁盘空间等。这些文件需要用户自行管理，如清理等。 4. 结果完整性保证 该命令是一个同步命令，因此有可能在执行过程中任务连接断开了，从而无法活着导出的数据是否正常结束，或是否完整。 此时可以使用 字节。 ：指定导出的行分隔符，默认为\n。仅支持单字节。 ：导出在单个 BE 节点的内存使用上限，默认为 2GB，单位为字节。 ：导入作业的超时时间，默认为2小时，单位是秒。 ：每个子任务能分配扫描的最大 Tablet 数量。 导出功能需要通过 Broker 进程写数据到远端存储上。这里需要定义相关的连接信息供 Broker 使用。 Example Example 1. 将 testTbl

架构上通过MOLAP+ROLAP双引擎模式来适配不同应用场景，如下图所示： 技术权衡 MOLAP ：通过预计算，提供稳定的切片数据，实现多次查询一次计算，减轻了查询时的计算压力，保证 了查询的稳定性，是“空间换时间”的最佳路径。实现了基于Bitmap的去重算法，支持在不同维度 下去重指标的实时统计，效率较高。 ROLAP ：基于实时的大规模并行计算，对集群的要求较高。MPP引擎的核心是通过将数据分散，以实现 实现准实时计算方案，需要以下能力的支撑： 实时的写入能力：目前支持Kafka To Doris秒级延迟。在可靠性、稳定性建设方面仍需进一步提升。 引擎建设 ：短平快的计算+高效的存储性能。目前Doris引擎性能仍有进步空间，2020年将有较大改进提升 5 / 8 Apache Doris在美团外卖数仓中的应用实践 Spark大数据博客 的灵活应用、准实时的批处理等场景。而以Kylin为基础的MOLAP模式在处理增量业务分析，固化 维度场景，通过预计算以空间换时间方面依然重要。 业务方面，通过外卖数仓Doris的成功实践以及跨BG的交流，美团已经有更多的团队了解并尝试 使用Doris方案。而且在平台同学的共同努力下，引擎性能还有较大提升空间，相信以Doris引擎 为驱动的ROLAP模式会为美团的业务团队带来更大的收益。从目前实践效果看，其完全有替代Kyl

架之前，不会继续导入其数据，元信息中数据可用时间也不会发生变化。  对于实时新增标签/指标，我们基于名称 ID 的映射在 Doris 表中预先创建适量 ID 列，当标签/指标完成元信息录入后，直接将预留的 ID 分配给新录入的标签/指标， 避免在查询高峰期因新增标签/指标所引起的 Schema Change 开销对集群产生的 影响。经测试，用户在元信息录入后 10 分钟内就可以使用相应的数据。 值得关注的是，在社区近期发布的