大数据技术之ClickHouse

一、ClickHouse 入门

ClickHouse 是俄罗斯的 Yandex 于 2016 年开源的列式存储数据库（DBMS），使用 C++
语言编写，主要用于在线分析处理查询（OLAP），能够使用 SQL 查询实时生成分析数据报
告。

1.1、 列式存储

1.采用行式存储时，数据在磁盘上的组织结构为：

1	张三	18	2	李四	19	3	王五	20

好处是想查某个人所有的属性时，可以通过一次磁盘查找加顺序读取就可以。但是当想查所有人的年龄时，需要不停的查找，或者全表扫描才行，遍历的很多数据都是不需要的。

2.采用列式存储时，数据在磁盘上的组织结构为：

1	张三	18	2	李四	19	3	王五	20
1	2	3	张三	李四	王五	18	19	20
----	-----	----	----------	---------	---------	— –	-------	-------

3.列式储存的好处：

• 对于列的聚合，计数，求和等统计操作原因优于行式存储。
• 由于某一列的数据类型都是相同的，针对于数据存储更容易进行数据压缩，每一列选择更优的数据压缩算法，大大提高了数据的压缩比重。
• 由于数据压缩比更好，一方面节省了磁盘空间，另一方面对于 cache 也有了更大的发挥空间。

1.2、DBMS 的功能

几乎覆盖了标准 SQL 的大部分语法，包括 DDL 和 DML，以及配套的各种函数，用户管理及权限管理，数据的备份与恢复。

1.3、多样化引擎

ClickHouse 和 MySQL 类似，把表级的存储引擎插件化，根据表的不同需求可以设定不同的存储引擎。目前包括合并树、日志、接口和其他四大类 20 多种引擎。

1.4、高吞吐写入能力

ClickHouse 采用类 LSM Tree的结构，数据写入后定期在后台 Compaction。通过类 LSM tree 的结构，ClickHouse 在数据导入时全部是顺序 append 写，写入后数据段不可更改，在后台compaction 时也是多个段 merge sort 后顺序写回磁盘。顺序写的特性，充分利用了磁盘的吞吐能力，即便在 HDD 上也有着优异的写入性能。

官方公开 benchmark 测试显示能够达到 50MB-200MB/s 的写入吞吐能力，按照每行100Byte 估算，大约相当于 50W-200W 条/s 的写入速度。

1.5、数据分区与线程级并行

ClickHouse 将数据划分为多个 partition，每个 partition 再进一步划分为多个 index granularity(索引粒度)，然后通过多个 CPU核心分别处理其中的一部分来实现并行数据处理。
在这种设计下，单条 Query 就能利用整机所有 CPU。极致的并行处理能力，极大的降低了查询延时。

所以，ClickHouse 即使对于大量数据的查询也能够化整为零平行处理。但是有一个弊端就是对于单条查询使用多 cpu，就不利于同时并发多条查询。所以对于高 qps 的查询业务，ClickHouse 并不是强项。

1.6、性能对比

某网站精华帖中对几款数据库做了性能对比。

• 单表查询
  
• 关联查询
  
  结论: ClickHouse 像很多 OLAP 数据库一样，单表查询速度由于关联查询，而且 ClickHouse的两者差距更为明显。

二、ClickHouse 的安装

2.1、准备工作

2.1.1、确定防火墙处于关闭状态

2.1.2、CentOS 取消打开文件数限制

在CentOS8-1的 /etc/security/limits.conf 文件的末尾加入以下内容

## nofile 文件数
## nproc  进程数
sudo vim /etc/security/limits.conf
* soft nofile 65536
* hard nofile 65536
* soft nproc 131072
* hard nproc 131072

（2）在CentOS8-1的/etc/security/limits.d/20-nproc.conf 文件的末尾加入以下内容

sudo vim /etc/security/limits.d/20-nproc.conf
* soft nofile 65536
* hard nofile 65536
* soft nproc 131072
* hard nproc 131072

（3）CentOS8-2、CentOS8-3上执行同样的操作

2.1.3、安装依赖

 sudo yum install -y libtool

sudo yum install -y *unixODBC*

CentOS8-2、CentOS8-3上执行同样的操作

2.1.4、CentOS 取消 SELINUX

(1）修改/etc/selinux/config 中的 SELINUX=disabled

sudo vim /etc/selinux/config
SELINUX=disabled

（2）CentOS8-2、CentOS8-3上执行同样的操作
（3）重启三台服务器

2.2、单机安装

官网：https://clickhouse.tech/
下载地址：https://repo.clickhouse.tech/tgz/stable/

2.2.1、创建 clickhouse 目录

在 CentOS8-1的/opt/home下创建 clickhouse 目录

cd /opt/home
mkdir clickhouse
cd clickhouse

2.2.2、下载

wget https://repo.clickhouse.tech/tgz/stable/clickhouse-common-static-21.8.3.44.tgz  
wget https://repo.clickhouse.tech/tgz/stable/clickhouse-common-static-dbg-21.8.3.44.tgz 
wget https://repo.clickhouse.tech/tgz/stable/clickhouse-server-21.8.3.44.tgz 
wget  https://repo.clickhouse.tech/tgz/stable/clickhouse-client-21.8.3.44.tgz

2.2.2、解压安装

下载后解压缩下载资源文件并使用安装脚本进行安装，对于生产环境，建议使用最新的stable版本。

tar -xzvf clickhouse-common-static-21.8.3.44.tgz 
sudo clickhouse-common-static-21.8.3.44/install/doinst.sh 

tar -xzvf clickhouse-common-static-dbg-21.8.3.44.tgz
sudo clickhouse-common-static-dbg-21.8.3.44/install/doinst.sh

tar -xzvf clickhouse-server-21.8.3.44.tgz 
sudo clickhouse-server-21.8.3.44/install/doinst.sh 
# Enter password for default user: 不输入密码 直接回车

tar -xzvf clickhouse-client-21.8.3.44.tgz 
sudo clickhouse-client-21.8.3.44/install/doinst.sh 

2.2.3、修改配置文件

目录

项目	说明
日志	/var/log/clickhouse-server/clickhouse-server.log
错误日志	/var/log/clickhouse-server/clickhouse-server.err.log
配置文件	/etc/clickhouse-server/config.xml
配置文件	/etc/clickhouse-server/users.xml

chmod 777 /etc/clickhouse-server/config.xml
vi /etc/clickhouse-server/config.xml
vi clickhouse-server-21.8.3.44/etc/clickhouse-server/config.xml

1.把 :: 的注释打开，这样的话才能让 ClickHouse 被除本
机以外的服务器访问

<listen_host>::listen_host> 

在这个文件中，有 ClickHouse 的一些默认路径配置，比较重要的
数据文件路径： /var/lib/clickhouse/
日志文件路径：/var/log/clickhouse-server/clickhouse-server.log
更改数据和日志路径

<path>/opt/home/clickhouse/data/path>
<log>/opt/home/clickhouse/log/clickhouse-server/clickhouse-server.loglog>
<errorlog>/opt/home/clickhouse/log/clickhouse-server/clickhouse-server.err.logerrorlog>

2.2.4、启动Server

## 启动服务
systemctl start clickhouse-server
## 服务状态
systemctl status clickhouse-server
## 关闭服务
systemctl stop clickhouse-server

#### 或 ####
## 启动服务
sudo clickhouse start
## 服务状态
sudo clickhouse status
## 关闭服务
sudo clickhouse stop

## 指定配置文件启动
clickhouse-server --config-file=/opt/home/clickhouse/clickhouse-server-21.8.3.44/etc/clickhouse-server/config.xml

2.2.5、关闭开机自启

sudo systemctl disable clickhouse-server 

2.2.6、使用 client 连接 server

## -m :可以在命令窗口输入多行命令
clickhouse-client -m

## 末校验
clickhouse-client --host localhost --port 9000 --database default --user default --password "123456"

通过9000端口

show databases;
use system;
show tables;

三、 数据类型

3.1、整型

固定长度的整型，包括有符号整型或无符号整型。

• 整型范围（-2n-1~2n-1-1）：
  Int8 - [-128 : 127]
  Int16 - [-32768 : 32767]
  Int32 - [-2147483648 : 2147483647]
  Int64 - [-9223372036854775808 : 9223372036854775807]
• 无符号整型范围（0~2n-1）：
  UInt8 - [0 : 255]
  UInt16 - [0 : 65535]
  UInt32 - [0 : 4294967295]
  UInt64 - [0 : 18446744073709551615]

使用场景： 个数、数量、也可以存储型 id。

3.2、浮点型

• Float32 - float
• Float64 – double

建议尽可能以整数形式存储数据。例如，将固定精度的数字转换为整数值，如时间用毫秒为单位表示，因为浮点型进行计算时可能引起四舍五入的误差。

使用场景：一般数据值比较小，不涉及大量的统计计算，精度要求不高的时候。比如保存商品的重量。

3.3、布尔型

没有单独的类型来存储布尔值。可以使用 UInt8 类型，取值限制为 0 或 1。

3.4、Decimal 型

有符号的浮点数，可在加、减和乘法运算过程中保持精度。对于除法，最低有效数字会
被丢弃（不舍入）。
有三种声明：

• Decimal32(s)，相当于 Decimal(9-s,s)，有效位数为 1~9
• Decimal64(s)，相当于 Decimal(18-s,s)，有效位数为 1~18
• Decimal128(s)，相当于 Decimal(38-s,s)，有效位数为 1~38

s 标识小数位
使用场景： 一般金额字段、汇率、利率等字段为了保证小数点精度，都使用 Decimal进行存储。

3.5、字符串

• String
  字符串可以任意长度的。它可以包含任意的字节集，包含空字节。
• FixedString(N)
  固定长度 N 的字符串，N 必须是严格的正自然数。当服务端读取长度小于 N 的字符串时候，通过在字符串末尾添加空字节来达到 N 字节长度。 当服务端读取长度大于 N 的字符串时候，将返回错误消息。与 String 相比，极少会使用 FixedString，因为使用起来不是很方便。
  使用场景：名称、文字描述、字符型编码。 固定长度的可以保存一些定长的内容，比如一些编码，性别等但是考虑到一定的变化风险，带来收益不够明显，所以定长字符串使用意义有限。

3.6、枚举类型

包括 Enum8 和 Enum16 类型。Enum 保存 ‘string’= integer 的对应关系。
Enum8 用 ‘String’= Int8 对描述。
Enum16 用 ‘String’= Int16 对描述。

• 用法演示
  创建一个带有一个枚举 Enum8(‘hello’ = 1, ‘world’ = 2) 类型的列

CREATE TABLE t_enum
(
 x Enum8('hello' = 1, 'world' = 2)
)
ENGINE = TinyLog;

• 这个 x 列只能存储类型定义中列出的值：‘hello’或’world’

INSERT INTO t_enum VALUES ('hello'), ('world'), ('hello');

• 如果尝试保存任何其他值，ClickHouse 抛出异常

insert into t_enum values('a');

• 如果需要看到对应行的数值，则必须将 Enum 值转换为整数类型

SELECT CAST(x, 'Int8') FROM t_enum;

使用场景：对一些状态、类型的字段算是一种空间优化，也算是一种数据约束。但是实际使用中往往因为一些数据内容的变化增加一定的维护成本，甚至是数据丢失问题。所以谨慎使用。

3.7、时间类型

目前 ClickHouse 有三种时间类型

• Date 接受年-月-日的字符串比如 ‘2019-12-16’
• Datetime 接受年-月-日 时:分:秒的字符串比如 ‘2019-12-16 20:50:10’
• Datetime64 接受年-月-日 时:分:秒.亚秒的字符串比如‘2019-12-16 20:50:10.66’

日期类型，用两个字节存储，表示从 1970-01-01 (无符号) 到当前的日期值。还有很多数据结构，可以参考官方文档：https://clickhouse.tech/docs/zh/sql-reference/data-types/

3.8、数组

Array(T)：由 T 类型元素组成的数组。
T 可以是任意类型，包含数组类型。 但不推荐使用多维数组，ClickHouse 对多维数组的支持有限。例如，不能在 MergeTree 表中存储多维数组。
创建数组方式

• 使用 array 函数
  array(T)
  SELECT array(1, 2) AS x, toTypeName(x);
• 创建数组方式 2：使用方括号
  []
  SELECT [1, 2] AS x, toTypeName(x);
  

四、表引擎

4.1、表引擎的使用

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。
• 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

4.2 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。

create database java521;
use java521;
create table t_tinylog (id String, name String) engine=TinyLog;

4.3、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。

4.4、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 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);

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');

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。

4.4.1 partition by 分区(可选)

• 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
• 如果不填
  只会使用一个分区。
• 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。
• 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。
• 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;

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

select * from t_order_mt;

手动 optimize 之后

optimize table t_order_mt final;
select * from t_order_mt;

4.4.2 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。

4.4.3 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)

4.4.4 二级索引

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);

其中 GRANULARITY N 是设定二级索引对于一级索引粒度的粒度。
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。

clickhouse-client --send_logs_level=trace <<< 'select * from t_order_mt2 where total_amount > toDecimal32(900., 2)';

4.4.5 数据 TTL

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
（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);

（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,'2021-09-01 15:09:10'),
(107,'sku_002',2000.00,'2021-09-01 15:09:20'),
(110,'sku_003',600.00,'2021-09-01 15:09:30');

（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;
select * from t_order_mt3;

## 根据条件删除
alter table java521.t_order_mt3 delete where id ='106';

2、表级 TTL
下面的这条语句是数据会在 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

4.5 ReplacingMergeTree

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）执行第一次查询

select * from t_order_rmt;

（4）手动合并

OPTIMIZE TABLE t_order_rmt FINAL;

（5）再执行一次查询

select * from t_order_rmt;

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

4.6 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、案例演示
（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）执行第一次查询

select * from t_order_smt;

（4）手动合并

OPTIMIZE TABLE t_order_smt FINAL;

（5）再执行一次查询

select * from t_order_smt;

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’

五、SQL 操作

基本上来说传统关系型数据库（以 MySQL 为例）的 SQL 语句，ClickHouse 基本都支持，这里不会从头讲解 SQL 语法只介绍 ClickHouse 与标准 SQL（MySQL）不一致的地方。

5.1 Insert

基本与标准 SQL（MySQL）基本一致
（1）标准
insert into [table_name] values(…),(….)
（2）从表到表的插入
insert into [table_name] select a,b,c from [table_name_2]

5.2 Update 和 Delete

ClickHouse 提供了 Delete 和 Update 的能力，这类操作被称为 Mutation 查询，它可以看做 Alter 的一种。虽然可以实现修改和删除，但是和一般的 OLTP 数据库不一样，Mutation 语句是一种很“重”的操作，而且不支持事务。

“重”的原因主要是每次修改或者删除都会导致放弃目标数据的原有分区，重建新分区。所以尽量做批量的变更，不要进行频繁小数据的操作。
1、删除操作

alter table t_order_smt delete where sku_id ='sku_001';

2、修改操作

alter table t_order_smt update total_amount=toDecimal32(2000.00,2) where id
=102;

由于操作比较“重”，所以 Mutation 语句分两步执行，同步执行的部分其实只是进行
新增数据新增分区和并把旧分区打上逻辑上的失效标记。直到触发分区合并的时候，才会删
除旧数据释放磁盘空间，一般不会开放这样的功能给用户，由管理员完成。

5.3 查询操作

ClickHouse 基本上与标准 SQL 差别不大

• 支持子查询
• 支持 CTE(Common Table Expression 公用表表达式 with 子句)
• 支持各种 JOIN，但是 JOIN 操作无法使用缓存，所以即使是两次相同的 JOIN 语句，ClickHouse 也会视为两条新 SQL
• 窗口函数(官方正在测试中…)
• 不支持自定义函数
• GROUP BY 操作增加了 with rollup\with cube\with total 用来计算小计和总计。

1、插入数据

alter table t_order_mt delete where 1=1;

insert into t_order_mt values
(101,'sku_001',1000.00,'2020-06-01 12:00:00'),
(101,'sku_002',2000.00,'2020-06-01 12:00:00'),
(103,'sku_004',2500.00,'2020-06-01 12:00:00'),
(104,'sku_002',2000.00,'2020-06-01 12:00:00'),
(105,'sku_003',600.00,'2020-06-02 12:00:00'),
(106,'sku_001',1000.00,'2020-06-04 12:00:00'),
(107,'sku_002',2000.00,'2020-06-04 12:00:00'),
(108,'sku_004',2500.00,'2020-06-04 12:00:00'),
(109,'sku_002',2000.00,'2020-06-04 12:00:00'),
(110,'sku_003',600.00,'2020-06-01 12:00:00');

2、with rollup：从右至左去掉维度进行小计

select id , sku_id,sum(total_amount) from t_order_mt group by
id,sku_id with rollup;

3、with cube : 从右至左去掉维度进行小计，再从左至右去掉维度进行小计

select id , sku_id,sum(total_amount) from t_order_mt group by id,sku_id with cube;

4、with totals: 只计算合计

select id , sku_id,sum(total_amount) from t_order_mt group by id,sku_id with totals;

5.4 alter 操作

同 MySQL 的修改字段基本一致
1、新增字段

alter table tableName add column newcolname String after col1;

2、修改字段类型

alter table tableName modify column newcolname String;

3、删除字段

alter table tableName drop column newcolname;

5.5 导出数据

clickhouse-client --query "select * from t_order_mt where
create_time='2020-06-01 12:00:00'" --format CSVWithNames>
/opt/module/data/rs1.csv

更多支持格式参照：https://clickhouse.tech/docs/en/interfaces/formats/