Clickhouse数据库五：表引擎

青旅半醒 2022-11-11 13:23 165阅读 0赞

# Clickhouse数据库五：表引擎 #

### 目录 ###

*  Clickhouse数据库五：表引擎
 *   *  5.1 表引擎的作用
     *  5.2 如何使用表引擎
     *  5.3常用引擎
     *   *  5.3.1 TinyLog
         *  5.3.2 Memory
         *  5.3.3 MergeTree
         *   *  5.3.3.1 Partition by 分区
             *  5.3.3.2 primary key主键
             *  5.3.3.3 order by
             *  5.3.3.4 数据TTL
         *  5.3.4 ReplacingMergeTree
         *  5.3.5 SummingMergeTree

## 5.1 表引擎的作用 ##

表引擎是clickhouse的一大特色。可以说， 表引擎决定了如何存储数据。

包括：

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

## 5.2 如何使用表引擎 ##

表引擎的使用方式就是`必须显示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`。  
如：

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

**注意: 引擎的名称大小写敏感**

## 5.3常用引擎 ##

### 5.3.1 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。

### 5.3.2 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。

create table t_memory(id Int16, name String) engine=Memory;
    insert into t_memory values(1, 'lisi');

重启服务器查询数据已经没有了.

### 5.3.3 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`。

地位可以相当于innodb之于Mysql。 而且基于MergeTree，还衍生除了很多小弟，也是非常有特色的引擎。

*  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)

MergeTree其实还有很多参数(绝大多数用默认值即可)，但是上面的**partition by、 primary key、order by** 3个参数是更加重要的，也涉及了关于MergeTree的很多概念。

*  插入多条数据

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')

#### 5.3.3.1 Partition by 分区 ####

*  **作用**：  
    学过hive的应该都不陌生，分区的目的主要是减少扫描的范围，优化查询速度。如果不填： 只会使用一个分区。
 *  **分区目录**：  
    MergeTree 是以列文件+索引文件+表定义文件组成的，但是如果设定了分区那么这些文件就会保存到不同的分区目录中。
 *  **并行**：  
    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。
 *  **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]

#### 5.3.3.2 primary key主键 ####

*  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的数据的。
 *  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,避免了全包扫描。
 *  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。

由于稀疏索引比较少, 所以理论上可以完全加载到内存中, 从提高查询速度  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjc5NjQwMw_size_16_color_FFFFFF_t_70]

#### 5.3.3.3 order by ####

*  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（比如后面会说的去重和汇总）。
 *  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)

#### 5.3.3.4 数据TTL ####

TTL即Time To Live，MergeTree提供了可以管理数据或者列的生命周期的功能

*  列级别的TTL  
    针对某列数据过期

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)
    
    insert into  t_order_mt3
    values(106,'sku_001',1000.00,'2021-01-16 10:58:30') ,
    (107,'sku_002',2000.00,'2020-06-12 22:52:30'),
    (110,'sku_003',600.00,'2021-01-17 12:00:00')

*  表级别的TTL  
    针对整张表数据过期

alter table t_order_mt3 MODIFY TTL create_time + INTERVAL 20 SECOND;

*  判断时间  
    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

### 5.3.4 ReplacingMergeTree ###

ReplacingMergeTree是MergeTree的一个变种，它存储特性完全继承MergeTree，只是多了一个`去重`的功能。

尽管MergeTree可以设置主键，但是primary key其实没有唯一约束的功能。如果你想处理掉重复的数据，可以借助这个ReplacingMergeTree。

*  什么样的数据是重复  
    sort by字段相同认为重复
 *  去重时机：  
    数据的去重只会在合并的过程中出现。合并会在未知的时间在后台进行，所以你无法预先作出计划。有一些数据可能仍未被处理。即使使用optimize 也不能保证一定会去重
 *  去重范围：  
    如果表经过了分区，去重只会在`分区内部`进行去重，不能执行跨分区的去重。

所以ReplacingMergeTree能力有限， ReplacingMergeTree 适用于在后台清除重复的数据以节省空间，但是它`不保证没有重复的数据出现`。

*  建表

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

*  插入数据

insert into  t_order_rmt
    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')

![在这里插入图片描述][20210320202924607.png]

*  执行合并

optimize table t_order_rmt final;

![在这里插入图片描述][20210320202939116.png]

该引擎使用场景:  
`ReplacingMergeTree 适用于在后台清除重复的数据以节省空间，但是它不保证没有重复的数据出现。`

### 5.3.5 SummingMergeTree ###

对于不查询明细，只关心以维度进行汇总聚合结果的场景。如果只使用普通的MergeTree的话，无论是存储空间的开销，还是查询时临时聚合的开销都比较大。

Clickhouse 为了这种场景，提供了一种能够`“预聚合”的引擎`: SummingMergeTree.

*  建表

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

*  插入数据

insert into  t_order_smt
    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')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjc5NjQwMw_size_16_color_FFFFFF_t_70 1]

*  optimize: 会自动进行预聚合  
    ![在这里插入图片描述][20210320203053777.png]

**结论:**

1.  以SummingMergeTree(字段)中指定的列作为汇总数据列。可以填写多列必须数字列，如果不填，以所有非维度列且为数字列的字段为汇总数据列\\
2.  以order by 的列为准，作为维度列(group by …)
3.  其他的列保留第一行。
4.  不在一个分区的数据不会被预聚合。
5.  聚合发生的时机不确定
6.  查询的时候仍然需要sql聚合语句

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjc5NjQwMw_size_16_color_FFFFFF_t_70]: /images/20221022/e1226650dc934fc1b7883d050ce4dafe.png
[20210320202924607.png]: https://img-blog.csdnimg.cn/20210320202924607.png
[20210320202939116.png]: https://img-blog.csdnimg.cn/20210320202939116.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjc5NjQwMw_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20210320203045249.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjc5NjQwMw==,size_16,color_FFFFFF,t_70
[20210320203053777.png]: https://img-blog.csdnimg.cn/20210320203053777.png