播面

在 Apache Doris 中，数据的分布采用了两级分区（Two-Tier Partitioning）机制，即Partition（分区）和 Bucket（分桶）。而 Tablet（数据分片） 则是这一机制下产生的最终物理产物。

为了让你清晰地理解它们，我们可以从“定义”和“关系”两个方面来拆解。

---

一、 什么是 Tablet（数据分片）？

Tablet 是 Doris 中最小的物理存储单元、数据管理单元和副本（Replica）管理的单元。

• 物理载体：Doris 并没有所谓的“表级文件”或“分区级文件”。你存入 Doris 的每一条数据，最终都会真实地保存在某一个 Tablet 中。一个 Tablet 在底层对应 BE（Backend）节点磁盘上的一个或多个数据文件（Segment 文件）。
• 高可用单位：Doris 的多副本机制（通常是 3 副本）是作用在 Tablet 级别的。Doris 会将一个 Tablet 的 3 个副本分散存储在不同的 BE 节点上，以保证数据的高可用。
• 扩容与均衡单位：当集群增加新的 BE 节点时，Doris 会自动将部分旧节点上的 Tablet 迁移到新节点上，实现存储和计算的负载均衡。

---

二、 Partition、Bucket 与 Tablet 的逻辑与物理关系

在 Doris 中，这三者的关系可以用一个公式来概括：
1 个 Tablet = 1 个特定的 Partition + 1 个特定的 Bucket

1. 逻辑关系：从宏观到微观

从逻辑层面上看，它们是包含与被包含的层级关系：

• Table（表）：最高逻辑层级。
• Partition（分区）：第一级划分（逻辑层面）。
  • 通常按照时间或连续的值范围（Range/List）进行划分。
  • 作用：方便数据的生命周期管理（例如按天建分区，直接 Drop 掉过期数据的分区，非常轻量级）；在查询时可以通过分区裁剪（Partition Pruning）快速过滤掉不相关的数据。
• Bucket（分桶）：第二级划分（逻辑机制）。
  • 在每个 Partition 内部，数据会根据指定的分桶列（通常是主键或高基数列）的 Hash 值再次被打散，分成多个 Bucket。
  • 作用：将数据均匀地分布到集群的各个机器上，避免数据倾斜，并在查询时实现高度并发（多个机器同时处理各自 Bucket 里的数据）。

2. 物理关系：Tablet 是交集的实体

在 DDL 建表语句中，我们只能定义 Partition 和 Bucket，看不到 Tablet 这个词。但在物理层面，Partition 和 Bucket 的交集，就生成了 Tablet。

你可以这样理解它们的物理生成过程：

1. 你建立了一张表，按“月”分了 12 个 Partition（1月到12月）。
2. 你规定每个 Partition 内部按照用户 ID 哈希分成 10 个 Bucket（0号到9号桶）。
3. 在物理层面上，Doris 会在集群中生成 12 × 10 = 120 个 Tablet。
4. 如果你设置了 3 副本，那么集群磁盘上总共会有 120 × 3 = 360 个 Tablet 副本。

3. 数据写入的路由过程（物理映射）

当一条数据（例如：时间 2023-10-01，用户 ID 9527）写入 Doris 时：

1. 第一步（找 Partition）：Doris 检查时间 2023-10-01，决定把数据放入 “10月分区”。
2. 第二步（找 Bucket）：Doris 对用户 ID 9527 进行 Hash 计算，然后对 10 取模，假设结果是 “3号桶”。
3. 第三步（落入 Tablet）：数据最终被写入到了属于 [10月分区 - 3号桶] 这个特定的 Tablet 中。
4. 第四步（多副本同步）：这个 Tablet 的数据会被同步到它对应的 3 个 BE 节点副本上。

---

三、 通俗的类比

为了加深理解，我们用“图书馆”来打个比方：

• Table（表） = 整个图书馆。
• Partition（分区） = 图书馆里的楼层或房间（例如：2023年出版的书放1楼，2024年的放2楼）。这是为了按年份快速找书，或者年底直接清空某一层楼的旧书。
• Bucket（分桶规则） = 房间里的书架编号（例如：按书名的拼音首字母，均匀分配到 10 个书架上）。这是为了让找书的人（CPU）可以分散开，大家同时去不同的书架找书，提高效率。
• Tablet（数据分片） = 真实存在的某个木头书架（例如：“1楼的3号书架”就是一个物理存在的 Tablet）。如果1楼太挤了，管理员（Doris 系统）会把“1楼的3号书架”整个搬到另一个空旷的房间（BE 节点扩容时的 Tablet 迁移）。

总结

• Partition 决定了数据在逻辑上的边界（按范围裁剪）。
• Bucket 决定了数据在计算上的并行度（按 Hash 打散）。
• Tablet 是前两者结合后在底层磁盘上的物理化身，是 Doris 分布式调度的基石。