1.数据类型
1.1时间字段的类型
建表时能用数值型或日期时间型表示的字段就不要用字符串，全 String 类型在以 Hive为中心的数仓建设中常见，但 ClickHouse 环境不应受此影响。
虽然 ClickHouse 底层将 DateTime 存储为时间戳 Long 类型，但不建议存储 Long 类型，因为 DateTime 不需要经过函数转换处理，执行效率高、可读性好。
CREATE TABLE t_type2 ( `id` UInt32, `sku_id` String, `total_amount` Decimal(16, 2), `create_time` Int32 ) ENGINE = ReplacingMergeTree(create_time) PARTITION BY toYYYYMMDD(toDate(create_time)) —-此处需要转换成时间类型 PRIMARY KEY id ORDER BY (id, sku_id); CREATE TABLE t_type3 ( `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);
1.2空值存储类型
官方已经指出 Nullable 类型几乎总是会拖累性能，因为存储 Nullable 列时需要创建一个额外的文件来存储 NULL 的标记，并且 Nullable 列无法被索引。因此除非极特殊情况，应直接使用字段默认值表示空，或者自行指定一个在业务中无意义的值（例如用-1 表示没有商品ID）。
date1002 :) CREATE TABLE t_null(x Int8, y Nullable(Int8)) ENGINE TinyLog; CREATE TABLE t_null ( `x` Int8, `y` Nullable(Int8) ) ENGINE = TinyLog Query id: 4a313cb8-86a7-4bf0-99a9-16a945e665ac Ok. 0 rows in set. Elapsed: 0.003 sec. date1002 :) INSERT INTO t_null VALUES (1, NULL), (2, 3); INSERT INTO t_null FORMAT Values Query id: ebd34cde-af7a-46e4-8956-b2ddc8afc09b Ok. 2 rows in set. Elapsed: 0.002 sec. date1002 :) SELECT x + y FROM t_null; SELECT x + y FROM t_null Query id: fe7448ca-2147-43ac-8afe-725852577fe0 ┌─plus(x, y)─┐ │ ᴺᵁᴸᴸ │ │ 5 │ └────────────┘
查看存储的文件
[root@date1002 ~]# cd /var/lib/clickhouse/data/default/t_null/ [root@date1002 t_null]# ll 总用量 16 -rw-r----- 1 clickhouse clickhouse 95 4月 20 22:06 sizes.json -rw-r----- 1 clickhouse clickhouse 28 4月 20 22:06 x.bin -rw-r----- 1 clickhouse clickhouse 28 4月 20 22:06 y.bin -rw-r----- 1 clickhouse clickhouse 28 4月 20 22:06 y.null.bin
y字段可以为null的话，会有一个文件单独存储null值
2.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，也可以指定为 Tuple()，以单表一亿数据为例，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。
比如官方案例的 hits_v1 表：
……
PARTITION BY toYYYYMM(EventDate)
ORDER BY (CounterID, EventDate, intHash32(UserID))
……
visits_v1 表：
……
PARTITION BY toYYYYMM(StartDate)
ORDER BY (CounterID, StartDate, intHash32(UserID), VisitID)
……
3.表参数
Index_granularity 是用来控制索引粒度的，默认是 8192，如非必须不建议调整。
如果表中不是必须保留全量历史数据，建议指定 TTL（生存时间值），可以免去手动过期历史数据的麻烦，TTL 也可以通过 alter table 语句随时修改。
4.写入和删除优化
（1）尽量不要执行单条或小批量删除和插入操作，这样会产生小分区文件，给后台Merge 任务带来巨大压力
（2）不要一次写入太多分区，或数据写入太快，数据写入太快会导致 Merge 速度跟不上而报错，一般建议每秒钟发起 2-3 次写入操作，每次操作写入 2w~5w 条数据（依服务器性能而定）
写入过快报错，报错信息：
1. Code: 252, e.displayText() = DB::Exception: Too many parts(304).Merges are processing significantly slower than inserts
2. Code: 241, e.displayText() = DB::Exception: Memory limit (for query) exceeded:would use 9.37 GiB (attempt to allocate chunk of 301989888 bytes), maximum: 9.31 GiB
处理方式：
Too many parts 处理：使用 WAL 预写日志，提高写入性能。
in_memory_parts_enable_wal 默认为 true
在服务器内存充裕的情况下增加内存配额，一般通过 max_memory_usage 来实现
在服务器内存不充裕的情况下，建议将超出部分内容分配到系统硬盘上，但会降低执行速度，一般通过 max_bytes_before_external_group_by、max_bytes_before_external_sort 参数来实现。
5.常见配置
配置项主要在 config.xml 或 users.xml 中， 基本上都在 users.xml 里
config.xml配置项（服务端配置）
users.xml配置项（可用最大内存配置等，大部分配置在users.xml）
5.1CPU资源
background_pool_size：后台线程池的大小，merge 线程就是在该线程池中执行，该线程池不仅仅是给 merge 线程用的，默认值 16，允许的前提下建议改成 cpu 个数的 2 倍（线程数）。
background_schedule_pool_size：执行后台任务（复制表、Kafka 流、DNS 缓存更新）的线程数。默认 128，建议改成 cpu 个数的 2 倍（线程数）。
background_distributed_schedule_pool_size：设置为分布式发送执行后台任务的线程数，默认 16，建议改成 cpu个数的 2 倍（线程数）。
max_concurrent_queries：最大并发处理的请求数(包含 select,insert 等)，默认值 100，推荐 150(不够再加)~300。
max_threads：设置单个查询所能使用的最大 cpu 个数，默认是 cpu 核数
5.2内存资源
max_memory_usage： 此参数在 users.xml 中,表示单次 Query 占用内存最大值，该值可以设置的比较大，这样可以提升集群查询的上限。保留一点给 OS，比如 128G 内存的机器，设置为 100GB。
max_bytes_before_external_group_by：一般按照 max_memory_usage 的一半设置内存，当 group 使用内存超过阈值后会刷新到磁盘进行。因为 clickhouse 聚合分两个阶段：查询并及建立中间数据、合并中间数据，结合上一项，建议 50GB。
max_bytes_before_external_sort ：当 order by 已使用 max_bytes_before_external_sort 内存就进行溢写磁盘(基于磁盘排序)，如果不设置该值，那么当内存不够时直接抛错，设置了该值 order by 可以正常完成，但是速度相对存内存来说肯定要慢点(实测慢的非常多，无法接受)。
max_table_size_to_drop： 此参数在 config.xml 中，应用于需要删除表或分区的情况，默认是50GB，意思是如果删除 50GB 以上的分区表会失败。建议修改为 0，这样不管多大的分区表都可以删除。
5.3存储
ClickHouse 不支持设置多数据目录，为了提升数据 io 性能，可以挂载虚拟卷组，一个卷组绑定多块物理磁盘提升读写性能，多数据查询场景 SSD 会比普通机械硬盘快 2-3 倍。