用途：为 StarRocks（亚秒级 MPP OLAP 数据库）设计表结构，覆盖表类型、分区、分桶/分布与索引选择。
主要能力：
- 表类型选择：Duplicate Key（原始事件、追加写、无需去重，写入最快但存储最大）、Aggregate Key（写入时预聚合，仅支持 SUM/MAX/MIN/REPLACE）、Unique Key（去重与更新，写延迟高于 Duplicate）、Primary Key（频繁更新与实时分析，点查优化，索引内存占用更高）。
- 列类型建议：时间用 DATETIME 而非 VARCHAR，金额用 DECIMAL 而非 DOUBLE，ID 用 BIGINT，半结构化用 JSON，嵌套用 ARRAY/MAP/STRUCT。
- 分区：推荐表达式分区，如 PARTITION BY date_trunc('day', event_time)，支持 hour/day/week/month 粒度；可做复合分区（时间优先或租户优先）。分区用于粗粒度裁剪与生命周期管理，分桶用于细粒度并行与数据本地化。
- 分桶：DISTRIBUTED BY HASH(...) BUCKETS n 或 RANDOM；桶数公式为 (每分区数据量GB / 2GB) × BE 节点数，通常 10–120。
- 索引：前缀索引（前 36 字节自动创建）、Bloom Filter（高基数 VARCHAR 等值过滤）、Bitmap（低基数过滤列）、NGram Bloom Filter（LIKE '%keyword%' 全文检索）。
- 高级：colocate group 让常 JOIN 的大表本地连接；Primary Key 表可启用 enable_persistent_index。
使用方式：按资料中的 DDL 模式建表；用 SHOW PARTITIONS FROM table_name 查看分区；ALTER TABLE ... DROP PARTITION 删除分区；用 partition_live_number 或 partition_retention_condition 设置 TTL；用 EXPLAIN VERBOSE 验证分区裁剪（如 partitions=7/365）。
适用场景：事件流、指标聚合、用户画像、实时订单、多租户 SaaS、IoT 等 OLAP 表设计。
限制与注意：分区列上套函数会破坏裁剪；总分区数应低于 10 万，单分区建议 ≤100GB、≤2 万 tablet；避免桶过多或过少；仅需去重时不必用 UNIQUE KEY。相关技能：starrocks-query-optimization、starrocks-data-loading。