ClickHouse-物化视图

物化视图

ClickHouse 的物化视图是一种查询结果的持久化,它确实是给我们带来了查询效率的提升。用户查起来跟表没有区别,它就是一张表,它也像是一张时刻在预计算的表,创建的过程它是用了一个特殊引擎,加上后来 as select,就是 create 一个 table as select 的写法。

“查询结果集”的范围很宽泛,可以是基础表中部分数据的一份简单拷贝,也可以是多表 join 之后产生的结果或其子集,或者原始数据的聚合指标等等。所以,物化视图不会随着基础表的变化而变化,所以它也称为快照(snapshot)

概述

物化视图与普通视图的区别

普通视图不保存数据,保存的仅仅是查询语句,查询的时候还是从原表读取数据,可以将普通视图理解为是个子查询。物化视图则是把查询的结果根据相应的引擎存入到了磁盘或内存中,对数据重新进行了组织,你可以理解物化视图是完全的一张新表。

优缺点

优点:查询速度快,要是把物化视图这些规则全部写好,它比原数据查询快了很多,总的行数少了,因为都预计算好了。

缺点:它的本质是一个流式数据的使用场景,是累加式的技术,所以要用历史数据做去重、去核这样的分析,在物化视图里面是不太好用的。在某些场景的使用也是有限的。而且如果一张表加了好多物化视图,在写这张表的时候,就会消耗很多机器的资源,比如数据带宽占满、存储一下子增加了很多。

基本语法

也是 create 语法,会创建一个隐藏的目标表来保存视图数据。也可以 TO 表名,保存到一张显式的表。没有加 TO 表名,表名默认就是 .inner.物化视图名

CREATE [MATERIALIZED] VIEW [IF NOT EXISTS] [db.]table_name [TO[db.]name] [ENGINE = engine] [POPULATE] AS SELECT ...

// [MATERIALIZED]表示创建物化视图

1)创建物化视图的限制

• 必须指定物化视图的 engine 用于数据存储
• TO [db].[table]语法的时候,不得使用 POPULATE。
• 查询语句(select)可以包含下面的子句: DISTINCT, GROUP BY, ORDER BY, LIMIT…
• 物化视图的 alter 操作有些限制,操作起来不大方便。
• 若物化视图的定义使用了 TO [db.]name 子语句,则可以将目标表的视图 卸载DETACH 再装载 ATTACH

2)物化视图的数据更新

• 物化视图创建好之后,若源表被写入新数据则物化视图也会同步更新

• POPULATE 关键字决定了物化视图的更新策略:

  若有 POPULATE 则在创建视图的过程会将源表已经存在的数据一并导入,类似于create table … as

  clickhouse 官方并不推荐使用 POPULATE,因为在创建物化视图的过程中会同时写入源表的历史数据，这样会导致视图暂时不可用；如果真要将历史数据存到物理视图中，建议使用insert去插入到物理视图对应的表中。

• 物化视图不支持同步删除,若源表的数据不存在(删除了)则物化视图的数据仍然保留

• 物化视图是一种特殊的数据表,可以用 show tables 查看

• 物化视图数据的删除:

• 物化视图的删除

案例实操

对于一些确定的数据模型,可将统计指标通过物化视图的方式进行构建,这样可避免查询时重复计算的过程,物化视图会在有新数据插入时进行更新。

准备测试用表和数据

1)建表

CREATE TABLE hits_test
(
    `EventDate` Date,
    `CounterID` UInt32,
    `UserID` UInt64,
    `URL` String,
    `Income` UInt8
)
ENGINE = MergeTree
PARTITION BY toYYYYMM(EventDate)
ORDER BY (CounterID, EventDate, intHash32(UserID))
SAMPLE BY intHash32(UserID)
SETTINGS index_granularity = 8192

2)导入一些数据

INSERT INTO hits_test SELECT
    EventDate,
    CounterID,
    UserID,
    URL,
    Income
FROM hits_v1
LIMIT 10000

创建物化视图

// 建表语句
CREATE MATERIALIZED VIEW hits_mv
ENGINE = SummingMergeTree
PARTITION BY toYYYYMM(EventDate)
ORDER BY (EventDate, intHash32(UserID)) AS
SELECT
    UserID,
    EventDate,
    count(URL) AS ClickCount,
    sum(Income) AS IncomeSum
FROM hits_test
WHERE EventDate >= '2014-03-20'
GROUP BY
    UserID,
    EventDate
// 设置更新点,该时间点之前的数据可以另外通过insert into select ...... 的方式进行插入

// 或者可以用下列语法,表 A 可以是一张 mergetree 表
CREATE MATERIALIZED VIEW 物化视图名 TO 表 A
AS SELECT FROM 表 B;

// 不建议添加 populate 关键字进行全量更新

// 查看表
show tables;
┌─name───────────┐
│ .inner.hits_mv │
│ hits_mv        │
└────────────────┘
// 其中.inner.hits_mv为物化视图对应的表，用来保存视图数据
// hits_mv是视图
// 因为没有加populate，因此此时表中的数据是空的

导入增量数据

往原表插入数据，物化视图对应的表也会进行数据的更新

INSERT INTO hits_test SELECT
    EventDate,
    CounterID,
    UserID,
    URL,
    Income
FROM hits_v1
WHERE EventDate >= '2014-03-23'
LIMIT 10

// 查询物化视图
SELECT *
FROM hits_mv

┌──────────────UserID─┬──EventDate─┬─ClickCount─┬─IncomeSum─┐
│ 8585742290196126178 │ 2014-03-23 │          8 │        16 │
│ 1095363898647626948 │ 2014-03-23 │          2 │         0 │
└─────────────────────┴────────────┴────────────┴───────────┘

// 也可以查询物化视图对应的表
SELECT *
FROM `.inner.hits_mv`

导入历史数据

向物化视图导入数据

INSERT INTO hits_mv SELECT
    UserID,
    EventDate,
    count(URL) AS ClickCount,
    sum(Income) AS IncomeSum
FROM hits_test
WHERE EventDate = '2014-03-20'
GROUP BY
    UserID,
    EventDate

总结

能使用物化视图的地方尽量来使用，可以用空间换时间，但是不要使用populate，非要历史数据就使用insert去导入

比如一些固定需要的统计指标，可以通过物化视图快速的进行查询。