Map

MAP 数据结构用于保存一组 Key:Value 对，并使用 Array(Tuple(key, value)) 的嵌套数据结构存储数据。它适用于数据类型固定，但 Key 的值不能完全确定的情况。

理解 Key:Value

Key 是特定的基本数据类型，包括 Boolean、Number、Decimal、String、Date 或 Timestamp。Key 的值不能为 Null，且不允许重复。Value 可以是任何数据类型，包括嵌套数组、元组等。

Map 数据可以通过包含在大括号中的 Key:Value 对生成，或者通过使用 Map 函数将两个数组转换为 Map。Map 函数接受两个数组作为输入，其中第一个数组的元素作为键，第二个数组的元素作为值。请参见以下示例：

-- 输入数组：[1, 2] 和 ['v1', 'v2']
-- 生成的 Map：{1: 'v1', 2: 'v2'}

SELECT {'k1': 1, 'k2': 2}, map([1, 2], ['v1', 'v2']);
+-----------------+---------------------------+
| {'k1':1,'k2':2} | map([1, 2], ['v1', 'v2']) |
+-----------------+---------------------------+
| {'k1':1,'k2':2} | {1:'v1',2:'v2'}           |
+-----------------+---------------------------+

Map 和布隆过滤器索引

在 Databend Map 中，对于某些数据类型的值（Numeric、String、Timestamp 和 Date），会创建布隆过滤器索引。

这使得在 MAP 数据结构中搜索值变得更加容易和快速。

Databend Map 中布隆过滤器索引的实现见 PR#10457。

布隆过滤器在查询的值不存在时，特别有效地减少了查询时间。

例如：

SELECT *
FROM nginx_log
WHERE log['ip'] = '205.91.162.148';

结果：

┌────┬─────────────────────────────────────────┐
│ id │ log                                     │
├────┼─────────────────────────────────────────┤
│ 1  │ {'ip':'205.91.162.148','url':'test-1'}  │
└────┴─────────────────────────────────────────┘

SELECT *
FROM nginx_log
WHERE log['ip'] = '205.91.162.141';

结果：

┌────┬─────┐
│ id │ log │
├────┼─────┤
└────┴─────┘

示例

创建一个包含 Map 列的表，用于存储网络流量数据

CREATE TABLE web_traffic_data(
    id INT64, 
    traffic_info MAP(STRING, STRING)
);

DESC web_traffic_data;

结果：

┌─────────────┬─────────────────────┬──────┬─────────┬───────┐
│ Field       │ Type                │ Null │ Default │ Extra │
├─────────────┼─────────────────────┼──────┼─────────┼───────┤
│ id          │ INT64               │ NO   │         │       │
│ traffic_info│ MAP(STRING, STRING) │ NO   │ {}      │       │
└─────────────┴─────────────────────┴──────┴─────────┴───────┘

插入包含 IP 地址和访问 URL 的 Map 数据

INSERT INTO web_traffic_data 
VALUES
    (1, {'ip': '192.168.1.1', 'url': 'example.com/home'}),
    (2, {'ip': '192.168.1.2', 'url': 'example.com/about'}),
    (3, {'ip': '192.168.1.1', 'url': 'example.com/contact'});

查询

SELECT * FROM web_traffic_data;

结果：

┌────┬─────────────────────────────────────────────────┐
│ id │ traffic_info                                    │
├────┼─────────────────────────────────────────────────┤
│ 1  │ {'ip':'192.168.1.1','url':'example.com/home'}    │
│ 2  │ {'ip':'192.168.1.2','url':'example.com/about'}   │
│ 3  │ {'ip':'192.168.1.1','url':'example.com/contact'} │
└────┴─────────────────────────────────────────────────┘

查询每个 IP 地址的访问次数

SELECT traffic_info['ip'] AS ip_address, COUNT(*) AS visits
FROM web_traffic_data
GROUP BY traffic_info['ip'];

结果：

┌─────────────┬────────┐
│ ip_address  │ visits │
├─────────────┼────────┤
│ 192.168.1.1 │      2 │
│ 192.168.1.2 │      1 │
└─────────────┴────────┘

查询访问次数最多的 URL

SELECT traffic_info['url'] AS url, COUNT(*) AS visits
FROM web_traffic_data
GROUP BY traffic_info['url']
ORDER BY visits DESC
LIMIT 3;

结果：

┌─────────────────────┬────────┐
│ url                 │ visits │
├─────────────────────┼────────┤
│ example.com/home    │      1 │
│ example.com/about   │      1 │
│ example.com/contact │      1 │
└─────────────────────┴────────┘