ClickHouse 面试题（二）

本是古典何须时尚 2023-09-28 00:41 47阅读 0赞

![在这里插入图片描述][3e01adc2983946ae8c43481e38d761d8.png]

#### 文章目录 ####

*   *  1、ClickHouse 的逻辑数据模型？
     *  2、ClickHouse 的核心特性？
     *  3、使用 ClickHouse 时有哪些注意点？
     *  4、 ClickHouse 的引擎有哪些？
     *  5、建表引擎参数有哪些？

### 1、ClickHouse 的逻辑数据模型？ ###

从用户使用角度看，ClickHouse 的逻辑数据模型与关系型数据库有一定的相似：  
一个集群包含多个数据库，一个数据库包含多张表，表用于实际存储数据。  
![在这里插入图片描述][bbbc50076bdb48beaf0d61b2690ad4d1.png]

### 2、ClickHouse 的核心特性？ ###

l 列存储：列存储是指仅从存储系统中读取必要的列数据，无用列不读取，速  
度非常快。ClickHouse 采用列存储，这对于分析型请求非常高效。一个典型  
且真实的情况是，如果我们需要分析的数据有 50 列，而每次分析仅读取其  
中的 5 列，那么通过列存储，我们仅需读取必要的列数据，相比于普通行  
存，可减少 10 倍左右的读取、解压、处理等开销，对性能会有质的影响。  
l 向量化执行：在支持列存的基础上，ClickHouse 实现了一套面向 向量化处  
理 的计算引擎，大量的处理操作都是向量化执行的。相比于传统火山模型中  
的逐行处理模式，向量化执行引擎采用批量处理模式，可以大幅减少函数调  
用开销，降低指令、数据的 Cache Miss，提升 CPU 利用效率。并且  
ClickHouse 可 利 用 SIMD 指令进一 步 加速执行效率。 这 部分是  
ClickHouse 优于大量同类 OLAP 产品的重要因素。  
l 编码压缩：由于 ClickHouse 采用列存储，相同列的数据连续存储，且底层  
数据在存储时是经过排序的，这样数据的局部规律性非常强，有利于获得更  
高的数据压缩比。此外，ClickHouse 除了支持 LZ4、ZSTD 等通用压缩算  
法外，还支持 Delta、DoubleDelta、Gorilla 等专用编码算法，用于进一步  
提高数据压缩比。  
l 多索引：列存用于裁剪不必要的字段读取，而索引则用于裁剪不必要的记录  
读取。ClickHouse 支持丰富的索引，从而在查询时尽可能的裁剪不必要的  
记录读取，提高查询性能。

### 3、使用 ClickHouse 时有哪些注意点？ ###

分区和索引  
分区粒度根据业务特点决定，不宜过粗或过细。一般选择按天分区，也可指定为tuple()；以单表 1 亿数据为例，分区大小控制在 10-30 个为最佳。  
必须指定索引列，clickhouse 中的索引列即排序列，通过 order by 指定，一般  
在查询条件中经常被用来充当筛选条件的属性被纳入进来；可以是单一维度，也可以是组合维度的索引；通常需要满足高级列在前、查询频率大的在前原则；还有基数特别大的不适合做索引列，如用户表的 userid 字段；通常筛选后的数据满足在百万以内为最佳。  
数据采样策略通过采用运算可极大提升数据分析的性能。  
数据量太大时应避免使用 select \* 操作，查询的性能会与查询的字段大小和数  
量成线性变换；字段越少，消耗的 IO 资源就越少，性能就会越高。  
千万以上数据集用 order by 查询时需要搭配 where 条件和 limit 语句一起使用。  
如非必须不要在结果集上构建虚拟列，虚拟列非常消耗资源浪费性能，可以考虑在前端进行处理，或者在表中构造实际字段进行额外存储。  
不建议在高基列上执行 distinct 去重查询，改为近似去重 uniqCombined。  
多表 Join 时要满足小表在右的原则，右表关联时被加载到内存中与左表进行比较。  
存储ClickHouse不支持设置多数据目录，为了提升数据io性能，可以挂载虚拟券组，一个券组绑定多块物理磁盘提升读写性能；多数查询场景 SSD 盘会比普通机械硬盘快 2-3 倍。

### 4、 ClickHouse 的引擎有哪些？ ###

![在这里插入图片描述][541a93962a254cb09bf768aaa6c768d2.png]

ClickHouse 提供了大量的数据引擎，分为数据库引擎、表引擎，根据数据特点及使用场景选择合适的引擎至关重要。  
ClickHouse 引擎分类  
在以下几种情况下，ClickHouse 使用自己的数据库引擎：  
l 决定表存储在哪里以及以何种方式存储；  
l 支持哪些查询以及如何支持；  
l 并发数据访问；  
l 索引的使用；  
l 是否可以执行多线程请求；  
l 数据复制参数。  
在所有的表引擎中，最为核心的当属 MergeTree 系列表引擎，这些表引擎拥有最为强大的性能和最广泛的使用场合。对于非 MergeTree 系列的其他引擎而言，主要用于特殊用途，场景相对有限。而 MergeTree 系列表引擎是官方主推的存储引擎，支持几乎所有 ClickHouse 核心功能。  
MergeTree 作为家族系列最基础的表引擎，主要有以下特点：  
l 存储的数据按照主键排序：允许创建稀疏索引，从而加快数据查询速度；  
l 支持分区，可以通过 PRIMARY KEY 语句指定分区字段；  
l 支持数据副本；  
l 支持数据采样。

### 5、建表引擎参数有哪些？ ###

ENGINE：ENGINE = MergeTree()，MergeTree 引擎没有参数。  
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。  
要求：主键必须是 order by 字段的前缀字段。  
如果 ORDER BY 与 PRIMARY KEY 不同，PRIMARY KEY 必须是 ORDER BY 的前缀(为了保证分区内数据和主键的有序性)。  
ORDER BY 决定了每个分区中数据的排序规则;  
PRIMARY KEY 决定了一级索引(primary.idx);  
ORDER BY 可以指代 PRIMARY KEY, 通常只用声明 ORDER BY 即可。

[3e01adc2983946ae8c43481e38d761d8.png]: https://img-blog.csdnimg.cn/3e01adc2983946ae8c43481e38d761d8.png
[bbbc50076bdb48beaf0d61b2690ad4d1.png]: https://img-blog.csdnimg.cn/bbbc50076bdb48beaf0d61b2690ad4d1.png
[541a93962a254cb09bf768aaa6c768d2.png]: https://img-blog.csdnimg.cn/541a93962a254cb09bf768aaa6c768d2.png