This is an automated email from the ASF dual-hosted git repository.
jiafengzheng pushed a commit to branch master
in repository https://gitbox.apache.org/repos/asf/doris-website.git
The following commit(s) were added to refs/heads/master by this push:
new 435683c86f7 sidebar sort
435683c86f7 is described below
commit 435683c86f7eb93b96739cf277e38b1ffb1c0b0c
Author: jiafeng.zhang <zhang...@gmail.com>
AuthorDate: Mon Aug 22 08:55:40 2022 +0800
sidebar sort
---
.../current/data-table/index/bloomfilter.md | 4 ++--
sidebars.json | 8 ++++----
2 files changed, 6 insertions(+), 6 deletions(-)
diff --git
a/i18n/zh-CN/docusaurus-plugin-content-docs/current/data-table/index/bloomfilter.md
b/i18n/zh-CN/docusaurus-plugin-content-docs/current/data-table/index/bloomfilter.md
index 4382feccaaa..49fcde10dc2 100644
---
a/i18n/zh-CN/docusaurus-plugin-content-docs/current/data-table/index/bloomfilter.md
+++
b/i18n/zh-CN/docusaurus-plugin-content-docs/current/data-table/index/bloomfilter.md
@@ -42,9 +42,9 @@ BloomFilter是由Bloom在1970年提出的一种多哈希函数映射的快速查
## Doris BloomFilter索引及使用使用场景
-举个例子：如果要查找一个占用100字节存储空间大小的短行，一个64KB的HFile数据块应该包含(64 * 1024)/100 = 655.53 =
~700行，如果仅能在整个数据块的起始行键上建立索引，那么它是无法给你提供细粒度的索引信息的。因为要查找的行数据可能会落在该数据块的行区间上，也可能行数据没在该数据块上，也可能是表中根本就不存在该行数据，也或者是行数据在另一个HFile里，甚至在MemStore里。以上这几种情况，都会导致从磁盘读取数据块时带来额外的IO开销，也会滥用数据块的缓存，当面对一个巨大的数据集且处于高并发读时，会严重影响性能。
+举个例子：如果要查找一个占用100字节存储空间大小的短行，一个64KB的数据块应该包含(64 * 1024)/100 = 655.53 =
~700行，如果仅能在整个数据块的起始行键上建立索引，那么它是无法给你提供细粒度的索引信息的。因为要查找的行数据可能会落在该数据块的行区间上，也可能行数据没在该数据块上，也可能是表中根本就不存在该行数据，也或者是行数据在另一个数据块里，甚至在内存里。以上这几种情况，都会导致从磁盘读取数据块时带来额外的IO开销，也会滥用数据块的缓存，当面对一个巨大的数据集且处于高并发读时，会严重影响性能。
-因此，HBase提供了布隆过滤器，它允许你对存储在每个数据块的数据做一个反向测试。当某行被请求时，通过布隆过滤器先检查该行是否不在这个数据块，布隆过滤器要么确定回答该行不在，要么回答它不知道。这就是为什么我们称它是反向测试。布隆过滤器同样也可以应用到行里的单元上，当访问某列标识符时可以先使用同样的反向测试。
+因此，Doris
提供了布隆过滤器，它允许你对存储在每个数据块的数据做一个反向测试。当某行被请求时，通过布隆过滤器先检查该行是否不在这个数据块，布隆过滤器要么确定回答该行不在，要么回答它不知道。这就是为什么我们称它是反向测试。布隆过滤器同样也可以应用到行里的单元上，当访问某列标识符时可以先使用同样的反向测试。
但布隆过滤器也不是没有代价。存储这个额外的索引层次会占用额外的空间。布隆过滤器随着它们的索引对象数据增长而增长，所以行级布隆过滤器比列标识符级布隆过滤器占用空间要少。当空间不是问题时，它们可以帮助你榨干系统的性能潜力。
Doris的BloomFilter索引可以通过建表的时候指定，或者通过表的ALTER操作来完成。Bloom
Filter本质上是一种位图结构，用于快速的判断一个给定的值是否在一个集合中。这种判断会产生小概率的误判。即如果返回false，则一定不在这个集合内。而如果范围true，则有可能在这个集合内。
diff --git a/sidebars.json b/sidebars.json
index 1999efd7e4c..26d7a10c637 100644
--- a/sidebars.json
+++ b/sidebars.json
@@ -2,16 +2,16 @@
"docs": [
{
"type": "category",
- "label": "Getting Started",
+ "label": "Doris Introduction",
"items": [
- "get-starting/get-starting"
+ "summary/basic-summary"
]
},
{
"type": "category",
- "label": "Doris Introduction",
+ "label": "Getting Started",
"items": [
- "summary/basic-summary"
+ "get-starting/get-starting"
]
},
{
---------------------------------------------------------------------
To unsubscribe, e-mail: commits-unsubscr...@doris.apache.org
For additional commands, e-mail: commits-h...@doris.apache.org
