当前位置: 首页 > article >正文

ClickHouse 中利用Map类型存储多key数组并进行高效查询

如何使用 Map 类型来存储复杂数据(如嵌套数组)并进行高效的查询。设计一个包含 30 个字段的复杂表,其中使用 Map 类型存储包含数组的 JSON 数据,帮助实现对数据的高效存储与查询。

表结构 SQL

CREATE TABLE user_activity
(
    id UInt64 COMMENT '主键,自增',
    user_id UInt64 COMMENT '用户ID',
    session_id UInt64 COMMENT '会话ID',
    activity_date Date COMMENT '行为发生日期',
    activity_time DateTime COMMENT '行为发生时间',
    event_type String COMMENT '事件类型,例如 login、click、view',
    device_type String COMMENT '设备类型,例如 mobile、desktop',
    os String COMMENT '操作系统,例如 iOS、Android',
    browser String COMMENT '浏览器类型,例如 Chrome、Firefox',
    app_version String COMMENT 'App版本号',
    device_id String COMMENT '设备唯一标识符',
    country String COMMENT '国家',
    city String COMMENT '城市',
    timezone String COMMENT '时区',
    activity_details Map(String, Array(String)) COMMENT '行为详情,键是属性名称,值是属性值数组',
    referer String COMMENT '访问来源URL',
    ip_address String COMMENT 'IP地址',
    session_duration UInt32 COMMENT '会话时长(秒)',
    is_new_user UInt8 COMMENT '是否为新用户',
    conversion_rate Decimal(5, 2) COMMENT '转化率',
    tags Array(String) COMMENT '行为相关的标签数组',
    product_ids Array(String) COMMENT '涉及的商品ID数组',
    metadata Map(String, String) COMMENT '额外的元数据,例如设备信息',
    error_logs Array(String) COMMENT '错误日志数组',
    search_keywords Array(String) COMMENT '搜索关键词数组',
    recommendation_ids Array(String) COMMENT '推荐的资源ID数组',
    request_headers Map(String, String) COMMENT '请求头信息',
    user_attributes Map(String, String) COMMENT '用户属性,例如年龄段、性别',
    geo_coordinates Array(Float64) COMMENT '地理坐标,经度和纬度',
    custom_flags Array(String) COMMENT '用户行为标志数组'
)
ENGINE = MergeTree
PARTITION BY toYYYYMM(activity_date) -- 按月分区
ORDER BY (activity_date, user_id, session_id) -- 按日期、用户和会话排序
SETTINGS index_granularity = 8192;

插入 5000 万条模拟数据

以下是插入模拟数据的 SQL 脚本,包含一个复杂的 Map 字段,模拟用户行为数据的存储。

INSERT INTO user_activity
SELECT
    number AS id,
    rand() % 1000000 AS user_id,
    rand() % 100000000 AS session_id,
    toDate('2024-01-01') + rand() % 365 AS activity_date,
    toDateTime('2024-01-01 00:00:00') + rand() % 31536000 AS activity_time,
    arrayElement(['login', 'click', 'view', 'purchase'], rand() % 4 + 1) AS event_type,
    arrayElement(['mobile', 'desktop', 'tablet'], rand() % 3 + 1) AS device_type,
    arrayElement(['iOS', 'Android', 'Windows', 'MacOS'], rand() % 4 + 1) AS os,
    arrayElement(['Chrome', 'Firefox', 'Safari', 'Edge'], rand() % 4 + 1) AS browser,
    concat('v', toString(rand() % 100)) AS app_version,
    concat('device_', toString(rand() % 100000)) AS device_id,
    arrayElement(['US', 'CN', 'IN', 'DE'], rand() % 4 + 1) AS country,
    arrayElement(['New York', 'Shanghai', 'Delhi', 'Berlin'], rand() % 4 + 1) AS city,
    arrayElement(['UTC-5', 'UTC+8', 'UTC+5:30', 'UTC+1'], rand() % 4 + 1) AS timezone,
    map(
        'media_names', array(concat('media_', toString(rand() % 100))),
        'platform_ids', array(toString(rand() % 10)),
        'tags', array('tag1', 'tag2', 'tag3')
    ) AS activity_details,
    concat('https://referer.com/', toString(rand() % 100)) AS referer,
    concat('192.168.', toString(rand() % 256), '.', toString(rand() % 256)) AS ip_address,
    rand() % 3600 AS session_duration,
    rand() % 2 AS is_new_user,
    toDecimal32(rand() % 100 / 100.0, 2) AS conversion_rate,
    array('tag1', 'tag2', 'tag3') AS tags,
    array(toString(rand() % 1000), toString(rand() % 1000)) AS product_ids,
    map('resolution', '1920x1080', 'network', 'wifi') AS metadata,
    array('error1', 'error2') AS error_logs,
    array('search1', 'search2') AS search_keywords,
    array(toString(rand() % 100), toString(rand() % 100)) AS recommendation_ids,
    map('User-Agent', 'Mozilla/5.0', 'Accept', 'text/html') AS request_headers,
    map('age_group', '18-24', 'gender', 'male') AS user_attributes,
    array(rand() % 180 - 90, rand() % 360 - 180) AS geo_coordinates,
    array('flag1', 'flag2') AS custom_flags
FROM numbers(50000000);

查询示例

1. 按行为类型分组统计

统计每种行为类型的数量

SELECT
    activity_details['tags'] AS tags,
    COUNT(*) AS count
FROM user_activity
ARRAY JOIN activity_details['tags'] AS tag
GROUP BY tag
ORDER BY count DESC;
2. 按媒体名称统计用户行为

统计每个媒体名称的使用次数:

SELECT
    arrayJoin(activity_details['media_names']) AS media_name,
    COUNT(*) AS count
FROM user_activity
GROUP BY media_name
ORDER BY count DESC
LIMIT 10;

实验证明,2秒查询出数组中的group by数据还是蛮快的
 


http://www.kler.cn/a/415508.html

相关文章:

  • 基于Matlab的图像去噪算法仿真
  • vue3+elPlus 选择框select 下拉数据过千条,页面卡顿,分页解决
  • 大数据新视界 -- 大数据大厂之 Hive 数据质量保障:数据清洗与验证的策略(上)(17/ 30)
  • python基础(二)
  • 【MySQL】MySQL中的函数之JSON_ARRAY_APPEND
  • 微信小程序数据请求教程:GET与POST请求详解
  • 喜欢发光的自己
  • 【Electron学习笔记(四)】进程通信(IPC)
  • k8s集成skywalking
  • Python 3 教程第40篇(requests 模块)
  • rabbitmq 启动异常问题排查
  • TransVG 代码配置及一些小细节
  • 《 C++ 点滴漫谈: 二 》编程语言之争:从 C 到 C++,两代语言的技术传承与演化,谁更适合你的项目?
  • 青训营-豆包MarsCode技术训练营试题解析九
  • 软件设计模式复习
  • 火语言RPA流程组件介绍--键盘按键
  • Scala学习记录,统计成绩
  • ADAM优化算法与学习率调度器:深度学习中的关键工具
  • 深入学习MapReduce:原理解析与基础实战
  • 认识redis 及 Ubuntu安装redis
  • Figma入门-约束与对齐
  • 【前端开发】小程序无感登录验证
  • windows下使用WSL
  • AI智算-正式上架GPU资源监控概览 Grafana Dashboard
  • 小程序-基于java+SpringBoot+Vue的戏曲文化苑小程序设计与实现
  • tomcat 8.5.35安装及配置