当前位置：首页 > article >正文

06 - Clickhouse的表引擎

article 2024/11/19 21:42:01

1、表引擎的使用

2、TinyLog

3、Memory

4、MergeTree

4.1、建表语句

4.2、插入数据

4.3、partition by分区（可选）

4.4、PartitionId

4.5、数据写入与分区合并

4.6、primary key主键（可选）

4.7、order by（必须）

4.8、二级索引

4.9、数据TTL

1、表引擎的使用

表引擎决定了如何存储表的数据。包括：

数据的存储方式和位置，写到哪里以及从哪里读取数据
支持哪些查询以及如何支持
并发数据访问
索引的使用（如果存在）
是否可以执行多线程请求
数据复制参数

表引擎的使用方式就是必须显式在创建表时定义该表使用的引擎，以及引擎使用的相关参数

引擎的名称大小写敏感

2、TinyLog

以列文件的形式保存在磁盘上，不支持索引，没有并发控制。一般保存少量数据的小表，生产环境上作用有限。可以用于平时练习测试用。如下：

create table t_tinylog ( id String, name String) engine=TinyLog;

3、Memory

内存引擎：数据以未压缩的原始形式直接保存在内存当中，服务器重启数据就会消失。读写操作不会相互阻塞，不支持索引。简单查询下有非常非常高的性能表现（超过10G/s）。一般用到它的地方不多，除了用来测试，就是在需要非常高的性能，同时数据量又不太大（上限大概1亿行）的场景。

4、MergeTree

ClickHouse中最强大的表引擎当属MergeTree（合并树）引擎及该系列（*MergeTree）中的其他引擎，支持索引和分区，地位可以相当于innodb之于Mysql。

4.1、建表语句

create table t_order_mt(
    id UInt32,
    sku_id String,
    total_amount Decimal(16,2),
    create_time Datetime
) engine = MergeTree
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id,sku_id);

4.2、插入数据

insert into t_order_mt values 
(101,'sku_001',1000.00,'2020-06-01 12:00:00') , 
(102,'sku_002',2000.00,'2020-06-01 11:00:00'), 
(102,'sku_004',2500.00,'2020-06-01 12:00:00'), 
(102,'sku_002',2000.00,'2020-06-01 13:00:00'), 
(102,'sku_002',12000.00,'2020-06-01 13:00:00'), 
(102,'sku_002',600.00,'2020-06-02 12:00:00');

hallo102 :) select * from t_order_mt;

SELECT *
FROM t_order_mt

Query id: 3cf546e5-740d-4a8a-8169-de7fc6b4e056

┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 102 │ sku_002 │       600.00 │ 2020-06-02 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘
┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 101 │ sku_001 │      1000.00 │ 2020-06-01 12:00:00 │
│ 102 │ sku_002 │      2000.00 │ 2020-06-01 11:00:00 │
│ 102 │ sku_002 │      2000.00 │ 2020-06-01 13:00:00 │
│ 102 │ sku_002 │     12000.00 │ 2020-06-01 13:00:00 │
│ 102 │ sku_004 │      2500.00 │ 2020-06-01 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘

6 rows in set. Elapsed: 0.005 sec.

hallo102 :)

主键可重复
根据日期分区，2020-06-01、2020-06-02共两个分区
分区内根据id和sku_id排序

4.3、partition by分区（可选）

分区的目的主要是降低扫描的范围，优化查询速度

如果不填，只会使用一个分区

分区后，面对涉及跨分区的查询统计，ClickHouse会以分区为单位并行处理

[root@aliyun ~]# cd /var/lib/clickhouse/
[root@aliyun clickhouse]# ls
access  data  dictionaries_lib  flags  format_schemas  metadata  metadata_dropped  preprocessed_configs  status  store  tmp  user_files

data：数据存储的路径
metadata：表结构信息

[root@aliyun clickhouse]# cd metadata
[root@aliyun metadata]# ls
default  default.sql  system  system.sql
[root@aliyun metadata]# cd default
[root@aliyun default]# ls
t_enum.sql  t_order_mt.sql

[root@aliyun clickhouse]# cd data/
[root@aliyun data]# ls
default  system
[root@aliyun data]# cd default/
[root@aliyun default]# ls
t_enum  t_order_mt
[root@aliyun default]# cd t_order_mt/
[root@aliyun t_order_mt]# ls
20200601_1_1_0  20200602_2_2_0  detached  format_version.txt

20200601_1_1_0、20200602_2_2_0共两个分区目录

分区目录命名格式：PartitionId_MinBlockNum_MaxBlockNum_Level，分表代表分区值、最小分区块编号、最大分区块编号、合并层级。

4.4、PartitionId

数据分区规则由分区ID决定，分区ID由partition by分区键决定。根据分区键字段类型，ID生成规则可分为：

未定义分区键：没有定义partition by，默认生成一个目录名为all的数据分区，所有数据均存放在all目录下
整型分区键：分区键为整型，直接用该整型值的字符串形式作为分区ID
日期类分区键：分区键为日期类型，或者可以转换为日期类型
其他类型分区键：String、Float类型等，通过128位的Hash算法娶妻Hash值作为分区ID

MinBlockNum：最小分区块编号，自增类型，从1开始向上递增。每产生一个新的目录分区就向上递增一个数字

MaxBlockNum：最大分区块编号，新创建的分区MinBlockNum等于MaxBlockNum的编号

Level：合并的层级，被合并的次数。合并次数越多，层级值越大

[root@aliyun t_order_mt]# cd 20200601_1_1_0
[root@aliyun 20200601_1_1_0]# ls
checksums.txt  columns.txt  count.txt  data.bin  data.mrk3  default_compression_codec.txt  minmax_create_time.idx  partition.dat  primary.idx

data.bin：数据文件
data.mrk3：标记文件，标记文件在idx索引文件和bin数据文件之间起到了桥梁作用
count.txt：有几条数据
default_compression_codec.txt：默认压缩格式
columns.txt：列的信息
primary.idx：主键索引文件
partition.dat与minmax_[Column].idx：如果使用了分区键，则会额外生成这2个文件，均使用二进制存储。partition.dat保存当前分区下分区表达式最终生成的值；minmax索引用于记录当前分区下分区字段对应原始数据的最小值和最大值。以t_order_mt的20200601分区为例，partition.dat中的值为20200601，minmax索引中保存的值为2020-06-01 12:00:002020-06-01 13:00:00

4.5、数据写入与分区合并

任何一个批次的数据写入都会产生一个临时分区，不会纳入任何一个已有的分区。写入后的某个时刻（大概10-15分钟后），ClickHouse会自动执行合并操作（等不及也可以手动通过optimize执行），把临时分区的数据，合并到已有分区中

optimize table xxxx final;

案例：

执行插入操作

insert into t_order_mt values
(101,'sku_001',1000.00,'2020-06-01 12:00:00') ,
(102,'sku_002',2000.00,'2020-06-01 11:00:00'),
(102,'sku_004',2500.00,'2020-06-01 12:00:00'),
(102,'sku_002',2000.00,'2020-06-01 13:00:00'),
(102,'sku_002',12000.00,'2020-06-01 13:00:00'),
(102,'sku_002',600.00,'2020-06-02 12:00:00');

hallo102 :) select * from t_order_mt;

SELECT *
FROM t_order_mt

Query id: 8afd18ae-7fd9-455e-9b33-0a3ba5e90a56

┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 102 │ sku_002 │       600.00 │ 2020-06-02 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘
┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 101 │ sku_001 │      1000.00 │ 2020-06-01 12:00:00 │
│ 102 │ sku_002 │      2000.00 │ 2020-06-01 11:00:00 │
│ 102 │ sku_002 │      2000.00 │ 2020-06-01 13:00:00 │
│ 102 │ sku_002 │     12000.00 │ 2020-06-01 13:00:00 │
│ 102 │ sku_004 │      2500.00 │ 2020-06-01 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘
┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 102 │ sku_002 │       600.00 │ 2020-06-02 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘
┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 101 │ sku_001 │      1000.00 │ 2020-06-01 12:00:00 │
│ 102 │ sku_002 │      2000.00 │ 2020-06-01 11:00:00 │
│ 102 │ sku_002 │      2000.00 │ 2020-06-01 13:00:00 │
│ 102 │ sku_002 │     12000.00 │ 2020-06-01 13:00:00 │
│ 102 │ sku_004 │      2500.00 │ 2020-06-01 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘

12 rows in set. Elapsed: 0.006 sec.

hallo102 :)

手动optimize之后

optimize table t_order_mt final;

hallo102 :) optimize table t_order_mt final;

OPTIMIZE TABLE t_order_mt FINAL

Query id: efe37202-45e6-4788-b270-fb7d1a67899c

Ok.

0 rows in set. Elapsed: 0.004 sec.

hallo102 :) select * from t_order_mt;

SELECT *
FROM t_order_mt

Query id: 2859dabe-ee02-486b-8cc4-3349c6b7a0a7

┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 102 │ sku_002 │       600.00 │ 2020-06-02 12:00:00 │
│ 102 │ sku_002 │       600.00 │ 2020-06-02 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘
┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 101 │ sku_001 │      1000.00 │ 2020-06-01 12:00:00 │
│ 101 │ sku_001 │      1000.00 │ 2020-06-01 12:00:00 │
│ 102 │ sku_002 │      2000.00 │ 2020-06-01 11:00:00 │
│ 102 │ sku_002 │      2000.00 │ 2020-06-01 13:00:00 │
│ 102 │ sku_002 │     12000.00 │ 2020-06-01 13:00:00 │
│ 102 │ sku_002 │      2000.00 │ 2020-06-01 11:00:00 │
│ 102 │ sku_002 │      2000.00 │ 2020-06-01 13:00:00 │
│ 102 │ sku_002 │     12000.00 │ 2020-06-01 13:00:00 │
│ 102 │ sku_004 │      2500.00 │ 2020-06-01 12:00:00 │
│ 102 │ sku_004 │      2500.00 │ 2020-06-01 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘

12 rows in set. Elapsed: 0.003 sec.

hallo102 :)

插入数据合并前：

[root@aliyun t_order_mt]# ls
20200601_1_1_0 20200601_3_3_0 20200602_2_2_0 20200602_4_4_0 detached format_version.txt

插入数据合并后：

[root@aliyun t_order_mt]# ls
20200601_1_1_0 20200601_1_3_1 20200601_3_3_0 20200602_2_2_0 20200602_2_4_1 20200602_4_4_0 detached format_version.txt

20200601_1_1_0和20200601_3_3_0分区合并为20200601_1_3_1，在真正合并的时候20200601_1_1_0和20200601_3_3_0分区会被清理

4.6、primary key主键（可选）

ClickHouse中的主键，和其他数据库不太一样，**它只提供了数据的一级索引，但是却不是唯一约束。**这就意味着是可以存在相同primary key的数据

主键的设定主要依据是查询语句中的where条件

根据条件通过对主键进行某种形式的二分查找，能够定位到对应的index granularity，避免了全表扫描

index granularity：直接翻译的话就是索引粒度，指在稀疏索引中两个相邻索引对应数据的间隔。ClickHouse中的MergeTree默认是8192。官方不建议修改这个值，除非该列存在大量重复值，比如在一个分区中几万行才有一个不同数据

稀疏索引：

稀疏索引的好处就是可以用很少的索引数据，定位更多的数据，代价就是只能定位到索引粒度的第一行，然后再进行进行一点扫描

4.7、order by（必须）

order by设定了分区内的数据按照哪些字段顺序进行有序保存

order by是MergeTree中唯一一个必填项，甚至比primary key还重要，因为当用户不设置主键的情况，很多处理会依照order by的字段进行处理

要求：主键必须是order by字段的前缀字段

比如order by字段是(id,sku_id)，那么主键必须是id或者(id,sku_id)

4.8、二级索引

目前在ClickHouse的官网上二级索引的功能在v20.1.2.4之前是被标注为实验性的，在这个版本之后默认是开启的

1）老版本使用二级索引前需要增加设置

是否允许使用实验性的二级索引（v20.1.2.4开始，这个参数已被删除，默认开启）

set allow_experimental_data_skipping_indices=1;

2）创建测试表

create table t_order_mt2(
    id UInt32,
    sku_id String,
    total_amount Decimal(16,2),
    create_time Datetime,
    INDEX a total_amount TYPE minmax GRANULARITY 5
) engine =MergeTree
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id, sku_id);

GRANULARITY N是设定二级索引对于一级索引粒度的粒度

minmax索引的聚合信息是在一个index_granularity区间内数据的最小和最大值。以下图为例，假设index_granularity=8192且granularity=3，则数据会按照index_granularity划分为n等份，MergeTree从第0段分区开始，依次获取聚合信息。当获取到第3个分区时（granularity=3），则汇总并会生成第一行minmax索引（前3段minmax汇总后取值为[1, 9]）

3）插入数据

insert into t_order_mt2 values
(101,'sku_001',1000.00,'2020-06-01 12:00:00') ,
(102,'sku_002',2000.00,'2020-06-01 11:00:00'),
(102,'sku_004',2500.00,'2020-06-01 12:00:00'),
(102,'sku_002',2000.00,'2020-06-01 13:00:00'),
(102,'sku_002',12000.00,'2020-06-01 13:00:00'),
(102,'sku_002',600.00,'2020-06-02 12:00:00');

4）对比效果

[root@aliyun ~]# clickhouse-client --send_logs_level=trace <<< 'select * from t_order_mt2 where total_amount > toDecimal32(900., 2)';

日志中可以看到二级索引能够为非主键字段的查询发挥作用

分区下文件skp_idx_a.idx和skp_idx_a.mrk3为跳数索引文件：

[root@aliyun t_order_mt2]# ls
20200601_1_1_0  20200602_2_2_0  detached  format_version.txt
[root@aliyun t_order_mt2]# cd 20200601_1_1_0/
[root@aliyun 20200601_1_1_0]# ls
checksums.txt  count.txt  data.mrk3                      minmax_create_time.idx  primary.idx    skp_idx_a.mrk3
columns.txt    data.bin   default_compression_codec.txt  partition.dat           skp_idx_a.idx

4.9、数据TTL

MergeTree提供了可以管理数据表或者列的生命周期的功能

1）列级TTL

create table t_order_mt3(
    id UInt32,
    sku_id String,
    total_amount Decimal(16,2) TTL create_time+interval 10 SECOND,
    create_time Datetime 
) engine =MergeTree
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id, sku_id);

TTL的列必须是日期类型且不能为主键

插入数据（请根据实际时间修改数据）

insert into t_order_mt3 values
(106,'sku_001',1000.00,'2024-11-17 19:46:00'),
(107,'sku_002',2000.00,'2024-11-17 19:46:00'),
(110,'sku_003',600.00,'2024-11-17 19:46:00');

手动合并，查看效果：到期后，指定的字段数据归0

hallo102 :) select * from t_order_mt3;

SELECT *
FROM t_order_mt3

Query id: ec75eabe-a151-41fd-b828-ea967bb830d9

┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 106 │ sku_001 │         0.00 │ 2024-11-17 19:46:00 │
│ 107 │ sku_002 │         0.00 │ 2024-11-17 19:46:00 │
│ 110 │ sku_003 │         0.00 │ 2024-11-17 19:46:00 │
└─────┴─────────┴──────────────┴─────────────────────┘

3 rows in set. Elapsed: 0.009 sec.

hallo102 :)

2）表级TTL

下面的这条语句是数据会在create_time之后10秒丢失

alter table t_order_mt3 MODIFY TTL create_time + INTERVAL 10 SECOND;

涉及判断的字段必须是Date或者Datetime类型，推荐使用分区的日期字段

能够使用的时间周期：

SECOND
MINUTE
HOUR
DAY
WEEK
MONTH
QUARTER
YEAR

查看全文

http://www.kler.cn/a/400632.html

【unity小技巧】一些unity3D灯光的使用与渲染及性能优化方案

django从入门到实战(三)——CBV视图介绍

Oracle OCP认证考试考点详解082系列19

了解什么是Python（简介）

MySQL 中的数据排序是怎么实现的

Restful API接⼝简介及为什么要进⾏接⼝压测

【3D Slicer】的小白入门使用指南十

React（一）

【Golang】——Gin 框架中的路由与请求处理

【机器学习】SVM原理详解

Excel使用-弹窗“此工作簿包含到一个或多个可能不安全的外部源的链接”的发生与处理

网络设备 - 这个有点难！

html | 节点操作

手撸 chatgpt 大模型:简述 LLM 的架构，算法和训练流程

V-rep学习笔记：机器人路径规划

Vue3中使用Axios构建高效的请求处理机制

苍穹外卖-后端部分

【青牛科技】汽车收音机调频中频放大器——D1145

游戏引擎学习第15天

【前端知识】nodejs项目配置package.json深入解读

web——upload-labs——第十二关——%00截断

shell脚本判断nginx安装和运行

深度学习概览

LinuxCentos中安装apache网站服务详细教程

JavaEE-网络编程(2)

CentOS 修改服务器登录密码的完整指南

1、表引擎的使用

2、TinyLog

3、Memory

4、MergeTree

4.1、建表语句

4.2、插入数据

4.3、partition by分区（可选）

4.4、PartitionId

4.5、数据写入与分区合并

4.6、primary key主键（可选）

4.7、order by（必须）

4.8、二级索引

4.9、数据TTL

相关文章：