如果一张表数据非常大，并且分桶数量有问题就会出现数据倾斜。

分桶（Bucketing）的根本目的是**将数据打散，使其均匀地分布到所有BE节点上**。每个桶就是一个数据分片，在Doris中称为**Tablet**。
- **数据均匀分布**：可以避免数据倾斜，防止单个BE节点成为写入或查询的瓶颈。这对于高成本的**主键模型（Merge-on-Write）** 尤为重要。
- **最大化并行处理**：当查询或写入发生时，Doris可以同时在多个BE节点上的多个Tablet上并行执行任务，从而大幅提升效率。

### 黄金法则：分桶数与节点数的关系

#### 法则1：分桶数应该是BE节点数的整数倍

这是为了保证每个BE节点上的Tablet数量完全相等。

- **场景**: 3个BE节点，副本数通常为3。
- **如果分桶数为10**: Doris会尝试均匀分配，但无法做到绝对平均。可能会出现类似 `BE1: 4个Tablet, BE2: 3个Tablet, BE3: 3个Tablet` 的情况（这只是一个示意，实际分配更复杂），导致轻微的负载不均。
- **如果分桶数为12 (3的倍数)**: Doris可以精确地为每个BE节点分配 `12 / 3 = 4` 个Tablet（的主副本）。这样在数据写入和查询时，负载可以完美地均分到3个节点上。

#### 法则2：总Tablet数量要适中
一个分区的总Tablet数 = **分桶数 × 副本数**。 单个BE节点上的Tablet数 = **分桶数** (在副本数为3，BE节点为3的典型情况下)。

Doris官方和社区的最佳实践建议：

- **单个BE节点上的Tablet总数不宜过多**：过多的Tablet会增加FE的元数据管理压力，增加RPC开销，并可能导致Compaction调度不及时，产生大量小文件。
- **单个Tablet的数据量不宜过小或过大**：
    - **太小（< 100MB）**: 说明分桶太多，增加了管理开销，且无法发挥Doris列存和压缩的优势。
    - **太大（> 10GB）**: 可能导致单Tablet的Compaction时间过长，或者在节点故障时，单个Tablet的迁移恢复时间过长。
    - **理想范围**: 单个Tablet的数据量建议保持在 **100MB ~ 1GB** 之间。

###  如何计算最适合你的分桶数？

这是一个自上而下的推算过程：

1. **预估分区数据量**: 评估一下您的表，单个分区（通常是一天或一个月）的数据增量大概是多少？例如，我们预估一天的数据量是 `50 GB`。
    
2. **设定理想Tablet大小**: 我们选择一个理想的Tablet大小，比如 `1 GB`。
    
3. **计算理想分桶数**:
    - 理想Tablet总数 = 分区数据量 / 理想Tablet大小 = `50 GB / 1 GB = 50` 个。
    - 因为总Tablet数 = 分桶数 × 副本数，所以：
    - 理想分桶数 = 理想Tablet总数 / 副本数 = `50 / 3 ≈ 16.7`。
4. **结合“法则1”进行调整**:
    - 我们计算出的理想分桶数是 `16.7`。
    - 我们需要找到一个最接近 `16.7` 并且是 `3` 的倍数的数字。
    - `15` 和 `18` 都是很好的选择。在这种情况下，选择 `18` 会让Tablet更小一些，更灵活；选择 `15` 会让Tablet更大一些，管理开销更小。两者都是合理的。