Schema 变更 - Baidu Palo/Doris 使用文档
Schema 变更 用户可以通过Alter Table 操作来修改 PALO 表的 Schema。Schema 变更主要涉及列的修改和索引的变化 原理介绍 PALO 支持两种类型的 Schema Change 操作：轻量级 Schema Change 和重量级 Schema Change。它们的区别主要体现在执行过程的复杂性、执行速度和资源消耗上。
通信库检查 - 容器引擎CCE | 百度智能云文档
Reduce-Scatter：Reduce阶段：将多个进程的数据按块分组聚合（如每组求和）；Scatter阶段：将聚合结果按块分发给所有进程，每个进程仅获部分结果。 多节点单机检查 选择是否开启多节点单机检查。开启多节点单机检查后，系统将并行检查所选节点的集合通信能力。 注意：不开启多节点单机检查，系统将默认进行多节点多机检查。 GPU节点加速芯片类型 选择GPU节点加速芯片类型。
产品功能 - 时序时空数据库TSDB | 百度智能云文档
时间序列数据管理 数据管理 支持时间序列数据的写入、查询和删除 数据时效 可以开启数据时效，系统可以自动清除不在有效期内的数据 数据导入导出 提供数据导入导出接口 数据计算 插值查询 提供插值查询能力，将未上传的数据补齐，并支持多种插值算法 聚合计算 提供AVG、SUM、MAX等15种聚合函数，可以将数据降精度聚合，并支持嵌套聚合 预处理 提供对数据的预处理能力，可将相关数据提前过滤和聚合，实现快速返回查询结果
ALTER TABLE COLUMN - Baidu Palo/Doris 使用文档
其中 base index 和 rollup index 都是物化索引，在进行 schema change 操作时如果不指定 rollup_index_name 默认基于 base 表进行操作。 PALO 在 1.2.0 支持了 light schema change 轻量表结构变更，对于值列的加减操作，可以更快地，同步地完成。
同步物化视图 - Baidu Palo/Doris 使用文档
单表上过多的物化视图会影响导入的效率：导入数据时，物化视图和 Base 表的数据是同步更新的。如果一张表的物化视图表过多，可能会导致导入速度变慢，这就像单次导入需要同时导入多张表的数据一样。 物化视图针对 Unique Key 数据模型时，只能改变列的顺序，不能起到聚合的作用。因此，在 Unique Key 模型上不能通过创建物化视图的方式对数据进行粗粒度的聚合操作。
边缘MongoDB - 边缘计算节点BEC | 百度智能云文档
聚合框架 MongoDB的聚合框架提供了一套强大的数据处理工具，可以对文档进行多级、复杂的数据聚合和转换。
Pipeline 执行引擎 - Baidu Palo/Doris 使用文档
Scan 并行化 扫描数据是一个非常重的 IO 操作，它需要从本地磁盘读取大量的数据（如果是数据湖的场景，就需要从 HDFS 或者 S3 中读取，延时更长），需要比较多的时间。
产品特点 - Baidu Palo/Doris 使用文档
其中Compute Node节点在扩展后，PALO会自动根据节点间的负载情况，进行数据分片的自动均衡，无需人工干预。 物化视图和预聚合引擎 PALO支持通过物化视图或上卷表的形式对数据预聚合计算后的结果进行存储，从而加速部分聚合类场景的查询效率。同时，PALO能够保证物化视图和基础表之间的数据一致性，从而使得物化视图会查询和导入完全透明。
并行度调优 - Baidu Palo/Doris 使用文档
示例 假设 BE 的 CPU 核数为 16： 1.对于单表的简单操作（如单表点差、where 扫描获取少量数据，limit 少量数据，命中物化视图) 并行度可设置为 1 说明：单表的简单操作，只有一个 Fragment，查询的瓶颈通常在数据扫描处理上，数据扫描线程和查询执行的线程是分开的，数据扫描线程会自适应的做并行的扫描，这里的瓶颈不是查询线程，并行度可以直接设置为 1。
QUANTILE_STATE - Baidu Palo/Doris 使用文档
QUANTILE_STATE 不能作为 key 列使用，支持在 Aggregate 模型、Duplicate 模型和 Unique 模型的表中使用。在 Aggregate 模型表中使用时，建表时配合的聚合类型为 QUANTILE_UNION。 用户不需要指定长度和默认值。长度根据数据的聚合程度系统内控制。
