大数据-139 - ClickHouse 集群 表引擎详解4 - MergeTree 实测案例 Replacin ...

点一下关注吧！！！非常感谢！！持续更新！！！

现在已经更新到了：

• Hadoop（已更完）
  
• HDFS（已更完）
  
• MapReduce（已更完）
  
• Hive（已更完）
  
• Flume（已更完）
  
• Sqoop（已更完）
  
• Zookeeper（已更完）
  
• HBase（已更完）
  
• Redis （已更完）
  
• Kafka（已更完）
  
• Spark（已更完）
  
• Flink（已更完）
  
• ClickHouse（正在更新···）
  

章节内容

上节我们完成了如下的内容：

• MergeTree 存储布局
  
• MergeTree 数据标志
  
• MergeTree 分区 索引 标志 压缩协同
  

ReplacingMergeTree

简介

这个引擎是在MergeTree的底子上，添加了处理重复数据的功能，该引擎和MergeTree的不同之处在于它会删除具有相同主键的重复项。
特点

• 使用ORDER BY排序键作为判定重复的唯一键
  
• 数据的去重只会在合并的过程中触发
  
• 以数据分区为单元删除重复数据，不同分区的重复数据不会被删除
  
• 找到重复数据的方式依赖数据已经ORDER BY排好顺序了
  
• 如果没有ver版本号，则保存重复数据的最后一行
  
• 如果设置ver版本号，则保存重复数据中ver版本号最大的数据
  

案例

创建新表

1. CREATE TABLE replace_table (
2.   id String,
3.   code String,
4.   create_time DateTime
5. ) ENGINE = ReplacingMergeTree()
6. PARTITION BY toYYYYMM(create_time)
7. ORDER BY (id, code)
8. PRIMARY KEY id;

复制代码

运行结果如下图所示：

插入数据

1. INSERT INTO replace_table VALUES ('A001', 'C1', '2024-08-01 08:00:00');
2. INSERT INTO replace_table VALUES ('A001', 'C1', '2024-08-02 08:00:00');
3. INSERT INTO replace_table VALUES ('A001', 'C8', '2024-08-03 08:00:00');
4. INSERT INTO replace_table VALUES ('A001', 'C9', '2024-08-04 08:00:00');
5. INSERT INTO replace_table VALUES ('A002', 'C2', '2024-08-05 08:00:00');
6. INSERT INTO replace_table VALUES ('A003', 'C3', '2024-08-06 08:00:00');

复制代码

运行结果如下所示：

optimize

首先说一下，optimize的作用是：

• 合并数据块：ClickHouse是一个列式的数据库，它的数据是以数据块（parts）的形式存储在磁盘上，OPTIMIZE TABLE 语句通过较小的数据块来减少块的数目，从而进步查询性能和磁盘使用率。
  
• 删除标志的行：如果表中有被标志为删除的行，这些行将在优化过程中被真正删除，释放相应的空间。
  
• 分区管理：可以对表的指定分区进行优化，以减少分区内的碎片。
  

1. SELECT
2.   *
3. FROM
4.   replace_table;

复制代码

运行结果如下图所示，通过观察，去重是根据ORDER BY来的，并非 PRIMARY KEY：

继续插入一条数据：

1. INSERT INTO replace_table VALUES('A001', 'c1', '2024-01-01 08:00:00')

复制代码

实行结果如下所示：

观察上图可以看出，不同分区的数据不会去重。
SummingMergeTree

简介

该引擎来自MergeTree，区别在于，当合并SummingMergeTree表的数据片断时，ClickHouse会把全部具有相同聚合数据的条件KEY的行合并为一行，该行包罗了被合并的行中具有数值数据范例的列的汇总值。
如果聚合数据的条件KEY的组合方式使得单个键值对应于大量的行，则可以显着减少存储空间并加快数据查询的速度。对于不可加的列，会取一个最先出现的值。
特点

• 用ORDER BY排序键作为聚合数据的条件KEY
  
• 合并分区的时候触发汇总逻辑
  
• 以数据分区为单元聚合数据，不同分区的数据不会被汇总
  
• 如果在定义引擎时指定了Columns汇总列（非主键）则SUM汇总这些字段
  
• 如果没有指定，则汇总全部非主键的数值范例字段
  
• SUM汇总相同的聚合KEY的数据，依赖ORDER BY排序
  
• 同一分区的SUM汇总过程，非汇总字段的数据保存第一行取值
  
• 支持嵌套布局，但列字段名称必须以Map后缀结束
  

案例1

创建新表

1. CREATE TABLE smt_table (
2.   date Date,
3.   name String,
4.   a UInt16,
5.   b UInt16
6. ) ENGINE = SummingMergeTree(date, (date, name), 8192, (a));

复制代码

运行的结果如下图所示：

插入数据

1. insert into smt_table (date, name, a, b) values ('2024-08-10', 'a', 1, 2);
2. insert into smt_table (date, name, a, b) values ('2024-08-10', 'b', 2, 1);
3. insert into smt_table (date, name, a, b) values ('2024-08-11', 'b', 3, 8);
4. insert into smt_table (date, name, a, b) values ('2024-08-11', 'b', 3, 8);
5. insert into smt_table (date, name, a, b) values ('2024-08-11', 'a', 3, 1);
6. insert into smt_table (date, name, a, b) values ('2024-08-12', 'c', 1, 3);

复制代码

运行结果如下所示：

optimize

等候一段时间，或者手动 optimize table 来触发合并，再查询信息：

1. OPTIMIZE TABLE smt_table;
2. SELECT
3.   *
4. FROM
5.   smt_table;

复制代码

实行结果如下图所示：

通过观察，我们会发现，2024-08-11， b 和 a 列合并相加了，b列取了8（因为b列为8的数据最先插入的）
案例2

创建新表

1. CREATE TABLE summing_table(
2.   id String,
3.   city String,
4.   v1 UInt32,
5.   v2 Float64,
6.   create_time DateTime
7. ) ENGINE = SummingMergeTree()
8. PARTITION BY toYYYYMM(create_time)
9. ORDER BY (id, city);

复制代码

实行结果如下图：

插入数据

1. insert into table summing_table values('A000','beijing',10,20,'2024-08-20 08:00:00');
2. insert into table summing_table values('A000','beijing',20,30,'2024-08-30 08:00:00');
3. insert into table summing_table values('A000','shanghai',10,20,'2024-08-20 08:00:00');
4. insert into table summing_table values('A000','beijing',10,20,'2024-06-20 08:00:00');
5. insert into table summing_table values('A001','beijing',50,60,'2024-02-20 08:00:00');

复制代码

实行结果如下图所示：

optimize

1. OPTIMIZE TABLE summing_table;
2. SELECT
3.   *
4. FROM
5.   summing_table;

复制代码

实行结果如下图所示：

通过观察，根据ORDER BY排序键（id, city）作为聚合KEY，因为没有在建表时指定SummingMergeTree的SUM列，所以把全部非主键数值范例的列都进行了SUM处理。
案例3

SummingMergeTree支持嵌套范例的字段，但列字段名称必须以Map后缀结束。
创建新表

1. CREATE TABLE summing_table_nested(
2.   id String,
3.   nestMap Nested(
4.     id UInt32,
5.     key UInt32,
6.     val UInt64
7.   ),
8.   create_time DateTime
9. ) ENGINE = SummingMergeTree()
10. PARTITION BY toYYYYMM(create_time)
11. ORDER BY id;

复制代码

实行的结果如下图所示：

插入数据

1. INSERT INTO summing_table_nested VALUES ('1', [101, 102], [201, 202], [1001, 1002], '2024-08-01 10:00:00');
2. INSERT INTO summing_table_nested VALUES ('2', [103, 104], [203, 204], [1003, 1004], '2024-08-01 10:00:00');
3. INSERT INTO summing_table_nested VALUES ('1', [105, 106], [205, 206], [1005, 1006], '2024-08-01 10:00:00');
4. INSERT INTO summing_table_nested VALUES ('2', [107, 108], [207, 208], [1007, 1008], '2024-08-02 10:00:00');
5. INSERT INTO summing_table_nested VALUES ('3', [109, 110], [209, 210], [1009, 1010], '2024-08-02 10:00:00');
6. INSERT INTO summing_table_nested VALUES ('4', [111, 112], [211, 212], [1011, 1012], '2024-08-02 10:00:00');

复制代码

实行过程如下图所示：

实行过程如下图所示：

可以看到，我们插入了6条数据，但是查询到的只有4条，而且此外也进行计算的SUM处理。

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！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。