表引擎是 ClickHouse 的一大特色。可以说， 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(不同引擎有些功能不能用)。
➢ 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。
特别注意：引擎的名称大小写敏感
一、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：
create table t_tinylog ( id String, name String) engine=TinyLog;
二、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。
三、*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。而且基于 MergeTree，还衍生除了很多小弟，也是非常有特色的引擎。
1.建表语句
CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster] ( name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1] [TTL expr1], name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2] [TTL expr2], ... INDEX index_name1 expr1 TYPE type1(...) GRANULARITY value1, INDEX index_name2 expr2 TYPE type2(...) GRANULARITY value2, ... PROJECTION projection_name_1 (SELECT <COLUMN LIST EXPR> [GROUP BY] [ORDER BY]), PROJECTION projection_name_2 (SELECT <COLUMN LIST EXPR> [GROUP BY] [ORDER BY]) ) ENGINE = MergeTree() ORDER BY expr [PARTITION BY expr] [PRIMARY KEY expr] [SAMPLE BY expr] [TTL expr [DELETE|TO DISK 'xxx'|TO VOLUME 'xxx' [, ...] ] [WHERE conditions] [GROUP BY key_expr [SET v1 = aggr_func(v1) [, v2 = aggr_func(v2) ...]] ] ] [SETTINGS name=value, ...]
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);
主键并不唯一，会建索引
order by 是必须的，主键、分区非必须
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'); superset-BI :) select * from t_order_mt; SELECT * FROM t_order_mt Query id: 81f6391b-d34c-49b4-96c9-0a02ef7966b1 ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 102 │ sku_002 │ 600 │ 2020-06-02 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 101 │ sku_001 │ 1000 │ 2020-06-01 12:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 11:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 12000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_004 │ 2500 │ 2020-06-01 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ 6 rows in set. Elapsed: 0.003 sec.
MergeTree 其实还有很多参数(绝大多数用默认值即可)，但是三个参数是更加重要的，也涉及了关于 MergeTree 的很多概念。
A.partition by分区（可选）
1）作用
学过 hive 的应该都不陌生，分区的目的主要是降低扫描的范围，优化查询速度
2）如果不填
只会使用一个分区。（all）
3）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。
4）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。一分区一线程
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;
查看数据存储
/var/lib/clickhouse/data/default/t_order_mt 总用量 16 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 22:15 20200601_1_1_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 22:15 20200602_2_2_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 22:14 detached -rw-r----- 1 clickhouse clickhouse 1 3月 31 22:14 format_version.txt
分区文件解释
20200601_1_1_0
PartitionId_MinBlockNum_MaxBlockNum_Level
PartitionId:
20200601,分区日期
数据分区ID生成规则
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，那么直接用该整型值的字符串形式作为分区ID
日期类分区键
String、Float类型等，通过128位的Hash算法取其Hash值作为分区ID
MinBlockNum:
最小分区块的编号，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:
最大分区块的编号，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。
分区路径下内容
[root@superset-BI 20200601_1_1_0]# ll 总用量 36 -rw-r----- 1 clickhouse clickhouse 259 3月 31 22:15 checksums.txt -rw-r----- 1 clickhouse clickhouse 118 3月 31 22:15 columns.txt -rw-r----- 1 clickhouse clickhouse 1 3月 31 22:15 count.txt -rw-r----- 1 clickhouse clickhouse 189 3月 31 22:15 data.bin -rw-r----- 1 clickhouse clickhouse 144 3月 31 22:15 data.mrk3 -rw-r----- 1 clickhouse clickhouse 10 3月 31 22:15 default_compression_codec.txt -rw-r----- 1 clickhouse clickhouse 8 3月 31 22:15 minmax_create_time.idx -rw-r----- 1 clickhouse clickhouse 4 3月 31 22:15 partition.dat -rw-r----- 1 clickhouse clickhouse 8 3月 31 22:15 primary.idx
data.bin:数据文件（老版本会有多个数据文件，根据列划分，如：id.bin、sku_id.bin等）
data.mrk3:偏移量(标记文件，可加速查询。老版本会有多个标记文件，如id.mrk3、sku_id.mrk3等，于数据文件对应)，在idx索引文件和bin数据文件之间起到了桥梁作用，以mrk2（目前新版本是mrk3）结尾的文件，表示该表启用了自适应索引间隔
default_compression_codec.txt:压缩格式
count.txt:记录表的行数
columns.txt:列的信息
columns format version: 1
4 columns:
`id` UInt32
`sku_id` String
`total_amount` Decimal(16, 2)
`create_time` DateTime
checksums.txt:校验文件，用于校验各个文件的正确性。存放各个文件的size以及hash值
primary.idx:主键的索引文件（稀疏索引），用于加快查询效率
partition.dat:分区信息
minmax_create_time.idx:分区键的最小最大值
6）例如
再次执行上面的插入操作
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’);
查看数据并没有纳入任何分区，需要等合并
superset-BI :) select * from t_order_mt; SELECT * FROM t_order_mt Query id: a541a95b-fbd2-470b-82f2-75b9cfecd553 ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 102 │ sku_002 │ 600 │ 2020-06-02 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 101 │ sku_001 │ 1000 │ 2020-06-01 12:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 11:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 12000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_004 │ 2500 │ 2020-06-01 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 102 │ sku_002 │ 600 │ 2020-06-02 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 101 │ sku_001 │ 1000 │ 2020-06-01 12:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 11:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 12000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_004 │ 2500 │ 2020-06-01 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ 12 rows in set. Elapsed: 0.003 sec.
查看分区文件
[root@superset-BI t_order_mt]# ll 总用量 24 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 22:15 20200601_1_1_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:09 20200601_3_3_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 22:15 20200602_2_2_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:09 20200602_4_4_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 22:14 detached -rw-r----- 1 clickhouse clickhouse 1 3月 31 22:14 format_version.txt
手动合并
optimize table t_order_mt final; superset-BI :) optimize table t_order_mt final; OPTIMIZE TABLE t_order_mt FINAL Query id: e75033ee-3ba1-45c4-afae-0b9d03e2c8fe Ok. 0 rows in set. Elapsed: 0.004 sec.
再次查询
superset-BI :) select * from t_order_mt; SELECT * FROM t_order_mt Query id: d383d41c-dc14-4f35-81af-7818d49f6322 ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 102 │ sku_002 │ 600 │ 2020-06-02 12:00:00 │ │ 102 │ sku_002 │ 600 │ 2020-06-02 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 101 │ sku_001 │ 1000 │ 2020-06-01 12:00:00 │ │ 101 │ sku_001 │ 1000 │ 2020-06-01 12:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 11:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 12000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 11:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 12000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_004 │ 2500 │ 2020-06-01 12:00:00 │ │ 102 │ sku_004 │ 2500 │ 2020-06-01 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ 12 rows in set. Elapsed: 0.003 sec.
再次查看数据文件
drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 22:15 20200601_1_1_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:13 20200601_1_3_1 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:09 20200601_3_3_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 22:15 20200602_2_2_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:13 20200602_2_4_1 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:09 20200602_4_4_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 22:14 detached -rw-r----- 1 clickhouse clickhouse 1 3月 31 22:14 format_version.txt
20200601_1_3_1是由20200601_1_1_0和20200601_3_3_0合并得来的，20200601_1_1_0和20200601_3_3_0后期会被清理掉
只合并某一分区
再次插入数据
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');
查看数据
superset-BI :) select * from t_order_mt; SELECT * FROM t_order_mt Query id: 1e7435e7-0632-4d43-9636-2208f9d66f56 ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 101 │ sku_001 │ 1000 │ 2020-06-01 12:00:00 │ │ 101 │ sku_001 │ 1000 │ 2020-06-01 12:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 11:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 12000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 11:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 12000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_004 │ 2500 │ 2020-06-01 12:00:00 │ │ 102 │ sku_004 │ 2500 │ 2020-06-01 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 102 │ sku_002 │ 600 │ 2020-06-02 12:00:00 │ │ 102 │ sku_002 │ 600 │ 2020-06-02 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 101 │ sku_001 │ 1000 │ 2020-06-01 12:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 11:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 12000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_004 │ 2500 │ 2020-06-01 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 102 │ sku_002 │ 600 │ 2020-06-02 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ 18 rows in set. Elapsed: 0.003 sec.
查看数据文件
[root@superset-BI t_order_mt]# ll 总用量 40 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 22:15 20200601_1_1_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:13 20200601_1_3_1 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:09 20200601_3_3_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:17 20200601_5_5_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 22:15 20200602_2_2_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:13 20200602_2_4_1 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:09 20200602_4_4_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:17 20200602_6_6_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 22:14 detached -rw-r----- 1 clickhouse clickhouse 1 3月 31 22:14 format_version.txt
手动只合并指定分区【暂时不行】
optimize table t_order_mt partition '20220601' final;
再次手动合并全表
superset-BI :) optimize table t_order_mt final; OPTIMIZE TABLE t_order_mt FINAL Query id: 364558d1-a75e-4868-9783-76ccb980a83d Ok. 0 rows in set. Elapsed: 0.003 sec. superset-BI :) select * from t_order_mt; SELECT * FROM t_order_mt Query id: 6fd560b2-9480-4402-a05f-d654ac542df4 ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 102 │ sku_002 │ 600 │ 2020-06-02 12:00:00 │ │ 102 │ sku_002 │ 600 │ 2020-06-02 12:00:00 │ │ 102 │ sku_002 │ 600 │ 2020-06-02 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 101 │ sku_001 │ 1000 │ 2020-06-01 12:00:00 │ │ 101 │ sku_001 │ 1000 │ 2020-06-01 12:00:00 │ │ 101 │ sku_001 │ 1000 │ 2020-06-01 12:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 11:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 12000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 11:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 12000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 11:00:00 │ │ 102 │ sku_002 │ 2000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_002 │ 12000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_004 │ 2500 │ 2020-06-01 12:00:00 │ │ 102 │ sku_004 │ 2500 │ 2020-06-01 12:00:00 │ │ 102 │ sku_004 │ 2500 │ 2020-06-01 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ 18 rows in set. Elapsed: 0.003 sec.
查看数据文件
[root@superset-BI t_order_mt]# ll 总用量 32 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:13 20200601_1_3_1 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:24 20200601_1_5_2 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:17 20200601_5_5_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:13 20200602_2_4_1 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:24 20200602_2_6_2 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 23:17 20200602_6_6_0 drwxr-x--- 2 clickhouse clickhouse 4096 3月 31 22:14 detached -rw-r----- 1 clickhouse clickhouse 1 3月 31 22:14 format_version.txt
B.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。
C.order by（必选）
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（比如后面会讲的去重和汇总）。
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)
D.二级索引（跳数索引）
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);
TYPE：索引类型，minmax记录最小最大值
其中 GRANULARITY N 是设定二级索引对于一级索引粒度的粒度。（会对一级索引分块做合并）
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
那么在使用下面语句进行测试，可以看出二级索引能够为非主键字段的查询发挥作用。
[root@superset-BI ~]# clickhouse-client --password --send_logs_level=trace <<< 'select * from t_order_mt2 where total_amount > toDecimal32(900., 2)'; Password for user (default): [superset-BI] 2022.04.02 16:22:02.796175 [ 19734 ] {fde456a5-691f-46ac-ac57-ba327a054b4d} <Debug> executeQuery: (from [::1]:46454) select * from t_order_mt2 where total_amount > toDecimal32(900., 2) [superset-BI] 2022.04.02 16:22:02.796682 [ 19734 ] {fde456a5-691f-46ac-ac57-ba327a054b4d} <Debug> InterpreterSelectQuery: MergeTreeWhereOptimizer: condition "total_amount > toDecimal32(900., 2)" moved to PREWHERE [superset-BI] 2022.04.02 16:22:02.796934 [ 19734 ] {fde456a5-691f-46ac-ac57-ba327a054b4d} <Debug> InterpreterSelectQuery: MergeTreeWhereOptimizer: condition "total_amount > toDecimal32(900., 2)" moved to PREWHERE [superset-BI] 2022.04.02 16:22:02.797144 [ 19734 ] {fde456a5-691f-46ac-ac57-ba327a054b4d} <Trace> ContextAccess (default): Access granted: SELECT(id, sku_id, total_amount, create_time) ON default.t_order_mt2 [superset-BI] 2022.04.02 16:22:02.798493 [ 19734 ] {fde456a5-691f-46ac-ac57-ba327a054b4d} <Trace> ContextAccess (default): Access granted: SELECT(id, sku_id, total_amount, create_time) ON default.t_order_mt2 [superset-BI] 2022.04.02 16:22:02.798575 [ 19734 ] {fde456a5-691f-46ac-ac57-ba327a054b4d} <Trace> InterpreterSelectQuery: FetchColumns -> Complete [superset-BI] 2022.04.02 16:22:02.798744 [ 19734 ] {fde456a5-691f-46ac-ac57-ba327a054b4d} <Debug> default.t_order_mt2 (973cb1cc-d4aa-42ea-9760-4991662eb5ff) (SelectExecutor): Key condition: unknown [superset-BI] 2022.04.02 16:22:02.799804 [ 19734 ] {fde456a5-691f-46ac-ac57-ba327a054b4d} <Debug> default.t_order_mt2 (973cb1cc-d4aa-42ea-9760-4991662eb5ff) (SelectExecutor): MinMax index condition: unknown [superset-BI] 2022.04.02 16:22:02.800294 [ 19734 ] {fde456a5-691f-46ac-ac57-ba327a054b4d} <Debug> default.t_order_mt2 (973cb1cc-d4aa-42ea-9760-4991662eb5ff) (SelectExecutor): Index `a` has dropped 1/2 granules. [superset-BI] 2022.04.02 16:22:02.800326 [ 19734 ] {fde456a5-691f-46ac-ac57-ba327a054b4d} <Debug> default.t_order_mt2 (973cb1cc-d4aa-42ea-9760-4991662eb5ff) (SelectExecutor): Selected 2/2 parts by partition key, 1 parts by primary key, 2/2 marks by primary key, 1 marks to read from 1 ranges [superset-BI] 2022.04.02 16:22:02.801156 [ 19734 ] {fde456a5-691f-46ac-ac57-ba327a054b4d} <Trace> MergeTreeInOrderSelectProcessor: Reading 1 ranges in order from part 20200601_1_1_0, approx. 5 rows starting from 0 [superset-BI] 2022.04.02 16:22:02.802563 [ 19734 ] {fde456a5-691f-46ac-ac57-ba327a054b4d} <Information> executeQuery: Read 5 rows, 160.00 B in 0.006315084 sec., 791 rows/sec., 24.74 KiB/sec. [superset-BI] 2022.04.02 16:22:02.802645 [ 19734 ] {fde456a5-691f-46ac-ac57-ba327a054b4d} <Debug> MemoryTracker: Peak memory usage (for query): 48.31 KiB. 101 sku_001 1000 2020-06-01 12:00:00 102 sku_002 2000 2020-06-01 11:00:00 102 sku_002 2000 2020-06-01 13:00:00 102 sku_002 12000 2020-06-01 13:00:00 102 sku_004 2500 2020-06-01 12:00:00
添加索引之后，分区目录下会有索引文件
[root@superset-BI 20200601_1_1_0]# ll 总用量 44 -rw-r----- 1 clickhouse clickhouse 334 4月 2 16:21 checksums.txt -rw-r----- 1 clickhouse clickhouse 118 4月 2 16:21 columns.txt -rw-r----- 1 clickhouse clickhouse 1 4月 2 16:21 count.txt -rw-r----- 1 clickhouse clickhouse 189 4月 2 16:21 data.bin -rw-r----- 1 clickhouse clickhouse 144 4月 2 16:21 data.mrk3 -rw-r----- 1 clickhouse clickhouse 10 4月 2 16:21 default_compression_codec.txt -rw-r----- 1 clickhouse clickhouse 8 4月 2 16:21 minmax_create_time.idx -rw-r----- 1 clickhouse clickhouse 4 4月 2 16:21 partition.dat -rw-r----- 1 clickhouse clickhouse 8 4月 2 16:21 primary.idx -rw-r----- 1 clickhouse clickhouse 41 4月 2 16:21 skp_idx_a.idx2 -rw-r----- 1 clickhouse clickhouse 24 4月 2 16:21 skp_idx_a.mrk3
E.数据TTL（数据存活时间）
TTL 即 Time To Live，MergeTree 提供了可以管理数据表或者列的生命周期的功能。
1.列级别TTL
格式
CREATE TABLE example_table ( d DateTime, a Int TTL d + INTERVAL 1 MONTH, b Int TTL d + INTERVAL 1 MONTH, c String ) ENGINE = MergeTree PARTITION BY toYYYYMM(d) ORDER BY d; ALTER TABLE example_table MODIFY COLUMN c String TTL d + INTERVAL 1 DAY;
（1）创建测试表
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);
依赖create_time，依赖的这个字段不能是主键，类型必须是日期
（2）插入数据（注意：根据实际时间改变）
insert into t_order_mt3 values (106,'sku_001',1000.00,'2022-04-02 17:57:00'), (107,'sku_002',2000.00,'2022-04-02 17:57:00'), (110,'sku_003',600.00,'2022-04-02 17:57:00');
superset-BI :) select * from t_order_mt3; SELECT * FROM t_order_mt3 Query id: d24341b3-30c2-48f1-ba88-907945a1f3d6 ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 106 │ sku_001 │ 1000 │ 2022-04-02 17:57:00 │ │ 107 │ sku_002 │ 2000 │ 2022-04-02 17:57:00 │ │ 110 │ sku_003 │ 600 │ 2022-04-02 17:57:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ 3 rows in set. Elapsed: 0.002 sec.
（3）手动合并，查看效果 到期后，指定的字段数据归 0
optimize table t_order_mt3 final; superset-BI :) select * from t_order_mt3; SELECT * FROM t_order_mt3 Query id: 16e0c34e-2161-4083-80ba-4f912a2d1c2f ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 106 │ sku_001 │ 0 │ 2022-04-02 17:57:00 │ │ 107 │ sku_002 │ 0 │ 2022-04-02 17:57:00 │ │ 110 │ sku_003 │ 0 │ 2022-04-02 17:57:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ 3 rows in set. Elapsed: 0.002 sec.
2.表级TTL
格式
CREATE TABLE example_table ( d DateTime, a Int ) ENGINE = MergeTree PARTITION BY toYYYYMM(d) ORDER BY d TTL d + INTERVAL 1 MONTH [DELETE], d + INTERVAL 1 WEEK TO VOLUME 'aaa', d + INTERVAL 2 WEEK TO DISK 'bbb’; ALTER TABLE example_table MODIFY TTL d + INTERVAL 1 DAY;
下面的这条语句使数据会在 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
验证
superset-BI :) alter table t_order_mt3 MODIFY TTL create_time + INTERVAL 10 SECOND; ALTER TABLE t_order_mt3 MODIFY TTL create_time + toIntervalSecond(10) Query id: f5ea6762-a32f-4190-9c27-46240166cb73 Ok. 0 rows in set. Elapsed: 0.025 sec. superset-BI :) select * from t_order_mt3 ; SELECT * FROM t_order_mt3 Query id: 2a3bca59-afca-4ed8-a9bb-84bffc3c68b4 Ok. 0 rows in set. Elapsed: 0.002 sec.
四、ReplacingMergeTree（保证最终一致性）
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。
1）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。
2）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。
3）案例演示
（1）创建表
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);
ReplacingMergeTree() 填入的参数为版本字段，重复数据保留版本字段值最大的。
如果不填版本字段，默认按照插入顺序保留最后一条。
（2）向表中插入数据
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');
（3）执行查询(已合并)
superset-BI :) select * from t_order_rmt; SELECT * FROM t_order_rmt Query id: 825f3e5a-5d64-42d3-8c7e-a53af0d2cecb ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 101 │ sku_001 │ 1000 │ 2020-06-01 12:00:00 │ │ 102 │ sku_002 │ 12000 │ 2020-06-01 13:00:00 │ │ 102 │ sku_004 │ 2500 │ 2020-06-01 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 102 │ sku_002 │ 600 │ 2020-06-02 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ 4 rows in set. Elapsed: 0.003 sec.
4）通过测试得到结论
实际上是使用 order by 字段作为唯一键
去重不能跨分区
只有同一批插入（新版本）或合并分区时才会进行去重
认定重复的数据保留，版本字段值最大的
如果版本字段相同则按插入顺序保留最后一笔
五、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
1）案例
（1）创建表
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 );
（2）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');
（3）查询数据
superset-BI :) select * from t_order_smt; SELECT * FROM t_order_smt Query id: 4639f3bf-53c1-4c3c-bb8b-2ac13675cf32 ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 101 │ sku_001 │ 1000 │ 2020-06-01 12:00:00 │ │ 102 │ sku_002 │ 16000 │ 2020-06-01 11:00:00 │ │ 102 │ sku_004 │ 2500 │ 2020-06-01 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ ┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐ │ 102 │ sku_002 │ 600 │ 2020-06-02 12:00:00 │ └─────┴─────────┴──────────────┴─────────────────────┘ 4 rows in set. Elapsed: 0.003 sec.
2）通过结果可以得到以下结论
以 SummingMergeTree（）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
以 order by 的列为准，作为维度列
其他的列按插入顺序保留第一行
不在一个分区的数据不会被聚合
只有在同一批次插入(新版本)或分片合并时才会进行聚合
3）开发建议
设计聚合表的话，唯一键值、流水号可以去掉，所有字段全部是维度、度量或者时间戳。
4）问题
能不能直接执行以下 SQL 得到汇总值
select total_amount from XXX where province_name=’’ and create_date=’xxx’
不行，可能会包含一些还没来得及聚合的临时明细
如果要是获取汇总值，还是需要使用 sum 进行聚合，这样效率会有一定的提高，但本
身 ClickHouse 是列式存储的，效率提升有限，不会特别明显。
select sum(total_amount) from province_name='' and create_date='xxx'