ToB企服应用市场:ToB评测及商务社交产业平台

标题: 跳数索引 [打印本页]

---

作者: 泉缘泉    时间: 2024-1-4 08:01
标题: 跳数索引
1、minmax

1. 下面是为url建立最大最小值的跳数索引
2. ALTER TABLE hits_UserID_URL ADD INDEX url_skipping_index URL TYPE minmax GRANULARITY 4;
3. ALTER TABLE hits_UserID_URL MATERIALIZE INDEX url_skipping_index;

复制代码

　　每4个颗粒创建用一个索引，这个索引存储了url的最大值和最小值，在查询执行过程中，ClickHouse 可以在不扫描列的情况下快速检查列值是否超出范围，并跳过不满足最大最小值的颗粒块。有点类似clickhouse建立多个主键。所以当列的值随排序顺序缓慢变化时，它的效果最好。
官网说可以使用优化

• Creating a second table with a different primary key.用不同的主键建立多个表，这样子的话那就考虑两张表的数据同步问题，如果这样实现可以试下物化视图
   
  Creating a materialized view on our existing table.建立物化视图：比上一种我们不需要考虑两张表的数据同步，物化视图会自动同步。
  
  
  
  • 
     
    
  
  
• Adding a projection to our existing table.建立投影（还不会，不知道怎么评价）
  

 
这三种我都没用过，感觉有点麻烦
键列之间的基数差越大，这些列在键中的顺序就越重要。
 2、set：

1. ALTER TABLE skip_table ADD INDEX vix my_value TYPE set(100) GRANULARITY 2;<br>

复制代码

这种轻量级索引类型接受单个参数max_size，这种索引会将指定颗粒中的所有不同值存储起来，如果不同值数量超过了max_size，该索引就不生效。
ClickHouse 在使用 where 条件查询时，如果遇到了 set 类型的跳数索引，则会检查 where 条件中的值是否在 set 集合中，如果不在就跳过这些颗粒。适合聚集那种的，特别是枚举的，例如省份3、布隆过滤器
 布隆过滤器tokenbf_v1：
　　这是按照token进行分词的布隆过滤器索引，它会将长文本中的单词按照非字母数字字符（如空格、数字、汉字）进行分词，每个分词就是一个token，然后这个token映射到布隆过滤器的bitmap中。
举个例子， https://clickhouse.com/docs/en/engines/table-engines/mergetree-family/mergetree#table_engine-mergetree-data_skipping-indexes这个字符串，经过分词后，会变成如下的token

1. ['https', 'clickhouse', 'com', 'docs', 'en', 'engines', 'table', 'engines', 'mergetree', 'family', 'mergetree', 'table', 'engine', 'data', 'skipping', 'indexes']<br>从分词中可以看出，比较死板，如果查询条件中有特殊字符，索引就会失效<br>无法支持中文、数字<br>布隆过滤器ngrambf_v1：<br>ngrambf_v1和tokenbf_v1的区别在于不是按照token分词而是按照长度分词<br>举个例子：Hell Flink；按照n=4分词得到的是[Hell, Fli]<br>优点是：解决了特殊字符以及汉字的问题 <br>缺点是：长度一旦确定就不好修改了，查询的关键词小于n，索引就不会生效。ngrambf_v1比较适合提前知道查询的sql，针对性设置n的值。如果n设置过小会出现假阳性过高的问题。<br><br>所以在使用跳数索引的时候一定要确认自己的索引生效，不然会有出现负优化。<br><br>

复制代码

 

1. CREATE TABLE ck_log_test(
2.   `logType` String,
3.   `@timestamp` DateTime64(3),
4.   `ip` String,
5.   `filePath` String,
6.   `cloudId` UInt64,
7.   `time` DateTime64(3),
8.   `id` String,
9.   `tms` UInt64,
10.   `rowNumber` UInt64,
11.   `value` String,
12.   `@storageTime` DateTime64(3),
13.   `fd` UInt64
14. ) ENGINE = ReplicatedMergeTree() PARTITION BY toYYYYMMDD(`@timestamp`)
15. ORDER BY (`@timestamp`);
16. -- 建立索引
17. ALTER TABLE ck_log_test ADD INDEX idx_ngram3 value TYPE ngrambf_v1(48, 307200, 2, 0) GRANULARITY 1;
18. ALTER TABLE ck_log_test MATERIALIZE INDEX idx_ngram3;
20. EXPLAIN indexes = 1
21. SELECT count()
22. FROM ck_log_test
23. WHERE (value LIKE '%gfdsamnbvcxz-asdfghjkl-poiuytrewqlkjh-qwertyuiop%') AND (value LIKE '%[INFO]%');
24. ┌─explain───────────────────────────────────────────┐
25. │ Expression ((Projection + Before ORDER BY))       │
26. │   Aggregating                                     │
27. │     Expression (Before GROUP BY)                  │
28. │       Filter (WHERE)                              │
29. │         ReadFromMergeTree (ck_log_test)           │
30. │         Indexes:                                  │
31. │           MinMax                                  │
32. │             Condition: true                       │
33. │             Parts: 9/9                            │
34. │             Granules: 12929/12929                 │
35. │           Partition                               │
36. │             Condition: true                       │
37. │             Parts: 9/9                            │
38. │             Granules: 12929/12929                 │
39. │           PrimaryKey                              │
40. │             Condition: true                       │
41. │             Parts: 9/9                            │
42. │             Granules: 12929/12929                 │
43. │           Skip                                    │
44. │             Name: idx_ngram3                      │
45. │             Description: ngrambf_v1 GRANULARITY 1 │
46. │             Parts: 9/9                            │
47. │             Granules: 1253/12929                  │
48. └───────────────────────────────────────────────────┘<br><br>分析执行计划<br>首先是minmax 这个是在见表时的orderby 的字段进行筛选的，因为没有带任何@timestamp所以还是完整的12929个块<br>接着是Partition 数据都在一个分区，所以过滤不掉<br>接着是primaryKey，但是在建表中没有显式指定主键索引，所以用了order by 的字段作为主键索引，也没过滤掉<br>重头戏来了：Skip 跳数索引，索引idx_ngram3是我们建立的，从12929个块过滤剩下1253个块。说明索引建立是生效的，也没起到作用

复制代码

　　而且加索引是加快了读的速率，但是却影响了写的效率。读和写的一个效率的综合考虑去建立索引才是一个比较合适的方案。顾此失彼不是一个完美的选择。
 
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

---

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)

Powered by Discuz! X3.4