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。

你可能感兴趣的:(clickhouse,数据库,java)