Doris中架构和mysql语法的差异

Doris 的架构只设FE,BE  两种角色，两个进程，不依赖于外部组件，方便部署和运维，FE和BE都可线性扩展。

        FE（Frontend）：存储、维护集群元数据；负责接收、解析查询请求，规划查询计划，调度查询执行，返回查询结果。主要有三个角色：

            （1）Leader 和Follower：主要是用来达到元数据的高可用，保证单节点宕机的情况下，元数据能够实时地在线恢复，而不影响整个服务。

            （2）Observer：用来扩展查询节点，同时起到元数据备份的作用。如果在发现集群压力非常大的情况下，需要去扩展整个查询的能力，那么可以加 observer 的节点。observer 不参与任何的写入，只参与读取。

        BE（Backend）：负责物理数据的存储和计算；依据 FE 生成的物理计划，分布式地执行查询。

数据的可靠性由 BE 保证，BE 会对整个数据存储多副本或者是三副本。副本数可根据需求动态调整。

        MySQL Client

Doris借助MySQL协议，用户使用任意MySQL的ODBC/JDBC以及MySQL的客户端，都可以直接访问Doris。

        Broker

Broker为一个独立的无状态进程。封装了文件系统接口，提供Doris读取远端存储系统中文件的能力，包括HDFS，S3，BOS等。

                Doris 是高度兼容 MySQL 语法，支持标准 SQL。但是 Doris 与 MySQL 还是有很多不同的地方：

MySQL 兼容性 - Apache Dorishttps://doris.apache.org/zh-CN/docs/query/query-data/mysql-compatibility这里还有doris的聚合函数的部分差异（按照中位数的函数差异）

        ：在 Doris 数据库中，percentile_approx 和 PERCENTILE 是用于计算百分位数的函数，它们有略微不同的作用和用法：

1. percentile_approx 函数：

   • percentile_approx(expr, percentage) 函数用于近似计算百分位数。它对大数据集执行分布式近似计算，通常用于对大型数据集进行快速分析。其语法为：

     percentile_approx(expr, percentage)
     • expr 是要计算百分位数的表达式或字段。
     • percentage 是要计算的百分位数，以小数形式表示（例如，中位数为 0.5）。

   • 示例：计算中位数（50th percentile）的示例：

     percentile_approx(PRIC, 0.5) AS PRIC_MEDIAN

     这将返回 PRIC 字段的近似中位数值。

   • percentile_approx 函数的优点在于它对大数据集的计算速度较快，适用于对结果的近似度要求不高的场景。

2. percentile 函数：

   percentile(expr, percentage) 函数用于精确计算百分位数。它要求在排序后的数据集上执行计算，因此在处理大数据量时可能效率较低。其语法为：

                   percentile(expr, percentage)
            expr 是要计算百分位数的表达式或字段。
   percentage 是要计算的百分位数，以小数形式表示。
   示例：计算中位数（50th percentile）的示例：

             percentile(pric, 0.5) as pric_median
          这将返回 pric 字段的精确中位数值。

   percentile 函数适用于对结果的精确性要求较高的场景，但可能在处理大型数据时效率较低。