Clickhouse 表引擎探究 - ReplacingMergeTree

1 表引擎简述

1.1 官方描述

MergeTree 系列的引擎被设计用于插入极大量的数据到一张表当中。数据可以以数据片段的形式一个接着一个的快速写入，数据片段在后台按照一定的规则进行合并。相比在插入时不断修改（重写）已存储的数据，这种策略会高效很多。

ReplacingMergeTree 引擎和 MergeTree 的不同之处在于它会删除排序键值相同的重复项。
数据的去重只会在数据合并期间进行。合并会在后台一个不确定的时间进行，因此你无法预先作出计划。有一些数据可能仍未被处理。尽管你可以调用 OPTIMIZE 语句发起计划外的合并，但请不要依靠它，因为 OPTIMIZE 语句会引发对数据的大量读写。

1.2 本地表语法

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1],
name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2],
...
) ENGINE = ReplacingMergeTree([ver])
[PARTITION BY expr]
[PRIMARY KEY expr]
[ORDER BY expr]
[SAMPLE BY expr]
[TTL expr [DELETE|TO DISK 'xxx'|TO VOLUME 'xxx'], ...]
[SETTINGS name=value, ...]

参数介绍

• ver — 版本列。类型为 UInt*, Date 或 DateTime。可选参数。
  在数据合并的时候，ReplacingMergeTree 从所有具有相同排序键的行中选择一行留下：
  1. 如果 ver 列未指定，保留最后一条。
  2. 如果 ver 列已指定，保留 ver 值最大的版本。
• PRIMARY KEY expr 主键。如果要 选择与排序键不同的主键，在这里指定，可选项。
  默认情况下主键跟排序键（由 ORDER BY 子句指定）相同。 因此，大部分情况下不需要再专门指定一个 PRIMARY KEY 子句。
• SAMPLE BY EXPR 用于抽样的表达式，可选项
• PARTITION BY expr 分区键
• ORDER BY expr 排序键

  1.3 分区表语法

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1],
name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2],
...
) ENGINE = Distributed(cluster, database, table[, sharding_key[, policy_name]])
[SETTINGS name=value, ...]

参数介绍

• cluster 集群名
• table 远程数据表名
• sharding_key 分片规则
• policy_name 规则名，它会被用作存储临时文件以便异步发送数据

2 键的概念

Clickhouse 的部署，分为单机模式和集群模式，还可以开启副本。两种模式，数据表在创建语法、创建步骤和后续的使用方式上，存在一定的差异。

在定义表结构时，需要指定不同的键，作用如下。

分片：所有分片节点的权重加和得到 S，可以理解为 sharing 动作取模的依据，权重 X=W/S。分片键 Mod S 得到的值，与哪个分片节点匹配，则会写入哪个分片。不同分片可能存在于不同的集群节点，即便不同分片在同一节点，但 ck 在 merge 时，维度是同一分区 + 同一分片，这是物理文件的合并范围。
如果我们权重分别设置为 1,2,3 那么总权重是 6, 那么总区间就是 [0,6), 排在 shard 配置第一位的 node01, 权重占比为 1/6, 所以属于区间 [0,1), 排在 shard 配置第二位的 node02, 占比 2/6, 所以区间为 [1,3), 至于最后的 node03 就是 [3,6). 所以如果 rand () 产生的数字除以 6 取余落在哪个区间，数据就会分发到哪个 shard, 通过权重配置，可以实现数据按照想要的比重分配.

3 分片的作用

3.1 分片规则

在分布式模式下，ClickHouse 会将数据分为多个分片，并且分布到不同节点上。不同的分片策略在应对不同的 SQL Pattern 时，各有优势。ClickHouse 提供了丰富的 - - - sharding 策略，让业务可以根据实际需求选用。

• random 随机分片：写入数据会被随机分发到分布式集群中的某个节点上。
• constant 固定分片：写入数据会被分发到固定一个节点上。
• column value 分片：按照某一列的值进行 hash 分片。
• 自定义表达式分片：指定任意合法表达式，根据表达式被计算后的值进行 hash 分片。

3.2 类比

以 MySQL 的分库分表场景为例：

• 2 个库，1 个表分 4 个子表，采用一主一从模式。
• db01 包含 tab-1 和 tab-2，db-2 包含 tab-3 和 tab-4；
• 在配置 sharding 规则时，需要设置分库规则、分表规则；
  一条记录写入时，会计算它要写入哪个表、哪个库，写入的记录会被从节点复制。

这个 MySQL 的例子，与 CK 的分区 + 分片 + 副本在逻辑上基本一致。分区理解为数据写入哪个表，分片可以理解为数据写入哪个库，副本则是从节点的拷贝。

3.3 分片、分区与副本

Clickhouse 分片是集群模式下的概念，可以类比 MySQL 的 Sharding 逻辑，副本是为了解决 Sharing 方案下的高可用场景所存在的。
下图描述了一张 Merge 表的各类键的关系，也能反映出一条记录的写入过程。

4 数据合并限制

理清了分区与分片的概念，也就明白 CK 的数据合并，为什么要限制相同分区、相同分片，因为它们影响数据的存储位置，merge 操作只能针对相同物理位置（分区目录）的数据进行操作，而分片会影响数据存储在哪个节点上。
一句话，使用 CK 的 ReplacingMergeTree 引擎的去重特性，期望去重的数据，必须满足拥有 相同排序键、同一分区、同一分片。
接下来针对这一要求，在数据上进行验证。

5 数据验证

5.1 场景设置

这里是要验证上面的结论，“期望去重的数据，必须满足在相同排序键、同一分区、同一分片”；
首先拥有相同排序键才会在 merge 操作时进行判断为重复，因此保证测试数据的排序键相同；剩余待测试场景则是分区与分片。
由此进行场景设置：

• 相同记录，能够写入同一分区、同一分片
• 相同记录，能够写入同一分区，不同分片
• 相同记录，能够写入不同分区，不同分片
• 相同记录，能够写入不同分区、相同分片
  再叠加同步写入方式：
• 直接写本地表
• 直接写分布式表
  补充：分区键与分片键，是否必须相同？

5.2 第一天测试

场景 1： 相同记录，能够写入同一分区、同一分片

一次执行 3 条插入，插入本地表
[main_id=101,sku_id=SKU0002；barnd_code=BC01,BC02,BC03]
select * from test_ps.sku_detail_same_partition_same_shard_all;

分三次执行，插入本地表
[main_id=101,sku_id=SKU0001；barnd_code=BC01,BC02,BC03]
select * from test_ps.sku_detail_same_partition_same_shard_all;

分三次执行，插入分布式表
[main_id=101,sku_id=SKU0001；barnd_code=BC001,BC002,BC003]
select * from test_ps.sku_detail_same_partition_same_shard_all;

select * from test_ps.sku_detail_same_partition_same_shard_all final;

结论 1
1. 采用分布式表插入数据，保证分片键、分区键的值相同，才能保证 merge 去重成功
排除本地表插入场景
2. 采用本地表插入数据，在分片键、分区键相同的情况下，无法保证 merge 去重

• 在一个 session（一次提交）里面包含多个记录，直接会得到一条记录，插入过程去重
  在第一次 insert 时，准备的 3 条 insert 语句是一次执行的，查询后只有 1 条记录。
• 在多个 session（多次提交）记录，不会直接去重，但有可能写到不同集群节点，导致无法去重
  分 3 次执行 3 条 insert 语句，查询后有 3 条记录，且通过 final 查询后有 2 条记录，合并去重的那 2 条记录是写入在同一集群节点。【参考 SKU0002 的执行结果】

后面直接验证插入分布式表场景。

场景 2：相同记录，能够写入同一分区，不同分片

• 分片键采用的 rand () 方式，随机生成。

分三次执行，插入分布式表
[main_id=103,sku_id=SKU0003；barnd_code=BC301,BC302,BC303]
检查数据插入状态
select * from test_ps.sku_detail_same_partition_diff_shard_all where main_id =103 ;

检查 merge 的去重结果
select * from test_ps.sku_detail_same_partition_diff_shard_all final where main_id =103 ;

分五次执行，插入分布式表
[main_id=104,sku_id=SKU0004；barnd_code=BC401,BC402,BC403,BC404,BC405]
检查数据插入状态
select * from test_ps.sku_detail_same_partition_diff_shard_all where main_id =104 ;

检查 merge 的去重结果
select * from test_ps.sku_detail_same_partition_diff_shard_all final where main_id =104 ;

结论 2

采用分布式表插入数据，保证分区键的值相同、分片键的值随机，无法保证 merge 去重

• 如果插入记录时，通过 rand () 生成的数字取模后的值一样，很幸运最终可以 merge 去重成功
• 如果插入记录时，通过 rand () 生成的数字取模后的值不一样，最终无法通过 merge 去重

场景 3：相同记录，能够写入不同分区，不同分片

• 分片键采用的 rand () 方式，随机生成；
• 分区键为了方便测试，采用创建时间。

分五次执行，插入分布式表
[main_id=105,sku_id=SKU0005；barnd_code=BC501,BC502,BC503,BC504,BC505]

检查数据插入状态
select * from test_ps.sku_detail_diff_partition_diff_shard_all where main_id =105 ;

检查 merge 的去重结果
select * from test_ps.sku_detail_diff_partition_diff_shard_all final where main_id =105;

结论 3
采用分布式表插入数据，分区键的值与排序键不一致、分片键的值随机，无法保证 merge 去重

• 按当前测试结果，虽然 create_time 都不相同，也就是分区不同，也发生了数据合并
• 数据发生合并，但结果并不是完全按排序键进行合并的

场景 4：相同记录，能够写入 不同分区、相同分片

• 分片键采用 main_id；
• 分区键为了方便测试，采用创建时间。

分六次执行，插入分布式表
[main_id=106,sku_id=SKU0006；barnd_code=BC601,BC602,BC603,BC604,BC605,BC606]

检查数据插入状态
select * from test_ps.sku_detail_diff_partition_same_shard_all where main_id =106 ;

检查 merge 的去重结果
select * from test_ps.sku_detail_diff_partition_same_shard_all final where main_id =106;

此场景，经过第二天检索，数据并没有进行 merge，而是用 final 关键字依然能检索出去重后的结果。也就是说 final 关键字只是在内存中进行去重，由于所在分区不同，文件是没有进行 merge 合并的，也就没有去重。反观相同分区、相同分片的数据表，数据已经完成了 merge 合并，普通检索只能得到一条记录。

结论 4
采用分布式表插入数据，分区键的值与排序键不一致、分片键的值固定，无法实现 merge 去重

5.3 第二天检查

以下均采用普通查询，发现如下情况

• 分片不同的表，其数据没有合并
• 分片相同、分区不同的没有合并
• 分片相同、分区相同的已经完成了合并

select * from test_ps.sku_detail_same_partition_same_shard_all;

select * from test_ps.sku_detail_same_partition_diff_shard_all;

select * from test_ps.sku_detail_diff_partition_diff_shard_all;

select * from test_ps.sku_detail_diff_partition_same_shard_all;

6 总结

根据测试结果，在不同场景下的合并情况：

• 如果数据存在在相同分片，且相同分区，绝对可以实现合并去重。
• 如果数据存储在不同分片，不同分区，将不会进行合并去重。
• 如果数据存储在不同分片，但同一分片内保证在相同分区，会进行此分片下的 merge 去重。
• 如果数据存在在相同分片，但不同分区，不会进行 merge 去重，但通过 final 关键字可以在 CK 内存中对相同分区、相同分片的数据进行去重。

在 Clickhouse 的 ReplacingMergeTree 进行 merge 操作时，是根据排序键（order by）来识别是否重复、是否需要合并。而分区和分片，影响的是数据的存储位置，在哪个集群节点、在哪个文件目录。那么最终 ReplacingMergeTree 表引擎在合并时，只会在当前节点、且物理位置在同一表目录下的数据进行 merge 操作。

最后，我们在设计表时，如果期望利用到 ReplacingMergeTree 自动去重的特性，那么必须使其存储在相同分区、相同分片下；而在设置分区键、分片键时，二者不要求必须相同，但必须稳定，稳定的含义是入参相同出参必须相同。