请解释在 Apache Doris 中，如何根据数据模型的选择，特别是聚合模型的使用，来优化查询性能？

回答思路

1. 【回答框架 1】Doris 的聚合模型适用于高维度的聚合查询场景，通过预聚合或字段级聚合，减少查询时的计算量。其核心特征是数据在导入时按维度列分组，并对指标列执行 SUM 等聚合操作。
2. 【回答框架 2】聚合模型通过 Key 列去重和 Value 列合并，减少了存储和扫描的数据量，从而提升查询效率。但需注意，模型在写入时就进行部分聚合，对频繁更新可能有局限。
3. 【回答框架 3】选择引擎需结合实际维度基数和查询模式：在需要精确明细查询时，还可考虑 Unique 模型或 Duplicate 模型，它们分别保证唯一性或不做聚合。
4. 【回答框架 4】实践上可通过使用聚合模型配合分区、分桶、前缀索引和物化视图进一步优化高并发聚合查询。
5. 【关键点 1】聚合模型按维度列分组，值列自动聚合，减少查询扫描行数。
6. 【关键点 2】聚合模型与 Unique、Duplicate 模型相比，牺牲了明细存储，换取了查询性能。
7. 【关键点 3】实际性能提升受维度基数、数据分布和查询模式影响，需结合测试评估。
8. 【易错点 1】聚合模型不适合需要频繁更新或精确明细的场景，可能导致数据不合预期。
9. 【易错点 2】过高的维度基数会削弱聚合效果，不能一律认为聚合模型更快。