clickhouse在用户画像中的使用
将用户标签放在clickhouse中，并且用bitmap形式，可以减少用户空间，同时能够加快用户查询标签的效率，现在很多企业采用clickhouse + bitmap解决用户画像的问题
//1:建立bitmap的分布式表
CREATE TABLE test.bitmap_test
(
`name` String,
`value` String,
`bitmap` AggregateFunction(groupBitmap, UInt32),
`dt` Date
)
ENGINE = Distributed('test', 'test', 'test', rand())
//2:bitmap 查询符合条件的数据集合bitmap
SELECT groupBitmapMergeState(uid_bitmap) FROM test.bitmap_test WHERE dt='2021-06-23'；
//3: 将得到的bitmap 中uid的集合，找出对应的uid;
with(SELECT groupBitmapMergeState(uid_bitmap) FROM test.bitmap_test WHERE dt='2021-06-23') as temp SELECT arrayJoin(bitmapToArray(temp)
clickhouse 在地理位置服务中的使用
目前很多企业需要提供基于地理位置的服务，同时能够计算出几公里内的一些
服务信息；
查询tb_distance 中距离坐标位置为（x,y）小于5000米的所有记录
select * from tb_distance where greatCircleDistance(x,y,lnt,lat)<5000
clickhouse常见的sql优化
sql慢查大部分主要体现在cpu 负载过高，io过高，或者查询的列中无索引导致的；注意；clickhouse本身不太支持高并发的场景，qps过高会导致clickhouse服务器cpu过高，导致慢查
在这些情况下;常见的考虑的是 sql中是否有复杂的运算，查询的数量量是否过大，查询的列中索引是否有效；
sql 查询特点：数量大，且分区跨度大
data表格中有8亿多条数据，data表按照p_data_day 分区；
select sn,COUNT(1) as valueQt from data WHERE sn='70A0600018109' and p_day >= '2017-01-01' and p_data_day < '2020-08-13'
group by sn;
数据会遍历整个分区，数据平均在1s左右分钟返回 ;
优化思路：减少不必要数据的遍历（分区）；充分利用clickhouse 索引（group by 索引）
- 针对sn的查询，建立物化视图；将8亿条数据按照sn号以及device_id（mac_code）建立256个分区；
create MATERIALIZED VIEW IF NOT EXISTS data_sn_materialized
engine = ReplicatedMergeTree('/clickhouse/tables/{ck_cluster}/data_sn_materialized', '{replica}')
PARTITION BY sn_sort_key ORDER BY (sn_sort_key,sn,p_day)
AS select halfMD5(_sn) % 256 as sn_sort_key,sn,p_day,count() as cnt
from data group by sn_sort_key,sn,p_day;
优化后
查询语句；保持原来的出参和入参不变，数据能够在200ms以内返回，
sql 查询特点：数量大，且分区跨度大
data 表格数据量在10亿多条，建表语句如下
CREATE TABLE data (
`data_day` Date,
`flow_type` UInt32 DEFAULT CAST(0,
'UInt32'),
.....
) ENGINE = ReplicatedMergeTree('/clickhouse/tables/{ck_cluster}/data', '{replica}') PARTITION BY data_day ORDER BY (flow_type, data_day) SETTINGS index_granularity = 8192;
查询语句
select ... from data where data_day = '2020-09-11'
我们观察到查询数据的时候，总是会具体到昨天；而且历史的数据不会再使用；
优化思路： 使用clickhouse的TTL，减少表容量，
CREATE TABLE dwrt.lc_order_flow (
`data_day` Date,
.....
`flow_type` UInt32 DEFAULT CAST(0,
'UInt32'),
....
) ENGINE = ReplicatedMergeTree('/clickhouse/tables/{ck_cluster}/data', '{replica}') PARTITION BY data_day ORDER BY (data_day, flow_type) TTL data_day + toIntervalDay(7) SETTINGS index_granularity = 8192;
参考链接：
clickhouse geo函数
clickhouse 位图函数