clickhouse表引擎
表引擎作用
- 决定表存储在哪里以及以何种方式存储
- 支持哪些查询以及如何支持
- 并发数据访问
- 索引的使用
- 是否可以执行多线程请求
- 数据复制参数
表引擎分类
| 引擎分类 | 引擎名称 |
|---|---|
| MergeTree系列 | MergeTree 、ReplacingMergeTree 、SummingMergeTree 、 AggregatingMergeTree CollapsingMergeTree 、 VersionedCollapsingMergeTree 、GraphiteMergeTree |
| Log系列 | TinyLog 、StripeLog 、Log |
| Integration Engines | Kafka 、MySQL、ODBC 、JDBC、HDFS |
| Special Engines | Distributed 、MaterializedView、 Dictionary 、Merge 、File、Null 、Set 、Join 、 URL View、Memory 、 Buffer |
Log系列表引擎
应用场景
Log系列表引擎功能相对简单，主要用于快速写入小表(1百万行左右的表)，然后全部读出的场景。即一次写入多次查询。
Log系列表引擎的特点
共性特点
- 数据存储在磁盘上
- 当写数据时，将数据追加到文件的末尾
- 不支持并发读写，当向表中写入数据时，针对这张表的查询会被阻塞，直至写入动作结束
- 不支持索引
- 不支持原子写：如果某些操作(异常的服务器关闭)中断了写操作，则可能会获得带有损坏数据的表
- 不支持ALTER操作(这些操作会修改表设置或数据，比如delete、update等等)
区别
-
TinyLog是Log系列引擎中功能简单、性能较低的引擎。它的存储结构由数据文件和元数据两部分组成。其中，数据文件是按列独立存储的，也就是说每一个列字段都对应一个文件。除此之外，TinyLog不支持并发数据读取。 -
StripLog支持并发读取数据文件，当读取数据时，ClickHouse会使用多线程进行读取，每个线程处理一个单独的数据块。另外，StripLog将所有列数据存储在同一个文件中，减少了文件的使用数量。 -
Log支持并发读取数据文件，当读取数据时，ClickHouse会使用多线程进行读取，每个线程处理一个单独的数据块。Log引擎会将每个列数据单独存储在一个独立文件中。
TinyLog表引擎使用
该引擎适用于一次写入，多次读取的场景。对于处理小批数据的中间表可以使用该引擎。值得注意的是，使用大量的小表存储数据，性能会很低。
CREATE TABLE emp_tinylog
(
emp_id UInt16 COMMENT '员工id',
name String COMMENT '员工姓名',
work_place String COMMENT '工作地点',
age UInt8 COMMENT '员工年龄',
depart String COMMENT '部门',
salary Decimal32(2) COMMENT '工资'
) engine = TinyLog();
INSERT INTO emp_tinylog
VALUES (1, 'tom', '上海', 25, '技术部', 20000),
(2, 'jack', '上海', 26, '人事部', 10000);
INSERT INTO emp_tinylog
VALUES (3, 'bob', '北京', 33, '财务部', 50000),
(4, 'tony', '杭州', 28, '销售事部', 50000);
进入默认数据存储目录，查看底层数据存储形式,可以看出：TinyLog引擎表每一列都对应的文件：
[root@mypc01 data]# ll /data/clickhouse/clickhousedata/data/default/emp_tinylog/
总用量 28
-rw-r-----. 1 root root 56 1月 8 19:45 age.bin
-rw-r-----. 1 root root 97 1月 8 19:45 depart.bin
-rw-r-----. 1 root root 60 1月 8 19:45 emp_id.bin
-rw-r-----. 1 root root 70 1月 8 19:45 name.bin
-rw-r-----. 1 root root 68 1月 8 19:45 salary.bin
-rw-r-----. 1 root root 185 1月 8 19:45 sizes.json
-rw-r-----. 1 root root 80 1月 8 19:45 work_place.bin
## 在sizes.json文件内使用JSON格式记录了每个．bin文件内对应的数据大小的信息
## 查看sizes.json数据
[root@mypc ~]# cat /data/clickhouse/clickhousedata/data/default/emp_tinylog/sizes.json
{"yandex":{"age%2Ebin":{"size":"56"},"depart%2Ebin":{"size":"97"},"emp_id%2Ebin":{"size":"60"},"name%2Ebin":{"size":"70"},"salary%2Ebin":{"size":"68"},"work_place%2Ebin":{"size":"80"}}}
当我们执行ALTER操作时会报错，说明该表引擎不支持ALTER操作
StripLog表引擎
相比TinyLog而言，StripeLog拥有更高的查询性能（拥有.mrk标记文件，支持并行查询），同时其使用了更少的文件描述符（所有数据使用同一个文件保存）。
CREATE TABLE emp_striplog
(
emp_id UInt16 COMMENT '员工id',
name String COMMENT '员工姓名',
work_place String COMMENT '工作地点',
age UInt8 COMMENT '员工年龄',
depart String COMMENT '部门',
salary Decimal32(2) COMMENT '工资'
) engine = StripeLog();
INSERT INTO emp_striplog
VALUES (1, 'tom', '上海', 25, '技术部', 20000),
(2, 'jack', '上海', 26, '人事部', 10000);
INSERT INTO emp_striplog
VALUES (3, 'bob', '北京', 33, '财务部', 50000),
(4, 'tony', '杭州', 28, '销售事部', 50000);
select * from emp_striplog;
进入默认数据存储目录，查看底层数据存储形式
[root@mypc01 data]# ll /data/clickhouse/clickhousedata/data/default/emp_striplog/
总用量 12
-rw-r-----. 1 root root 673 1月 8 19:54 data.bin
-rw-r-----. 1 root root 281 1月 8 19:54 index.mrk
-rw-r-----. 1 root root 69 1月 8 19:54 sizes.json
可以看出StripeLog表引擎对应的存储结构包括三个文件：
- data.bin：数据文件，所有的列字段使用
同一个文件保存，它们的数据都会被写入data.bin。 - index.mrk：数据标记，保存了数据在data.bin文件中的位置信息(每个插入数据块对应列的offset)，利用数据标记能够使用多个线程，以并行的方式读取data.bin内的压缩数据块，从而提升数据查询的性能。
- sizes.json：元数据文件，记录了data.bin和index.mrk大小的信息
注：
1、
StripeLog引擎将所有数据都存储在了一个文件中，对于每次的INSERT操作，ClickHouse会将数据块追加到表文件的末尾2、StripeLog引擎同样不支持
ALTER UPDATE和ALTER DELETE操作
Log表引擎
Log引擎表适用于临时数据，一次性写入、测试场景。Log引擎结合了TinyLog表引擎和StripeLog表引擎的长处，是Log系列引擎中性能最高的表引擎。
CREATE TABLE emp_log
(
emp_id UInt16 COMMENT '员工id',
name String COMMENT '员工姓名',
work_place String COMMENT '工作地点',
age UInt8 COMMENT '员工年龄',
depart String COMMENT '部门',
salary Decimal32(2) COMMENT '工资'
) engine = Log();
INSERT INTO emp_log
VALUES (1, 'tom', '上海', 25, '技术部', 20000),
(2, 'jack', '上海', 26, '人事部', 10000);
INSERT INTO emp_log
VALUES (3, 'bob', '北京', 33, '财务部', 50000),
(4, 'tony', '杭州', 28, '销售事部', 50000);
进入默认数据存储目录，查看底层数据存储形式
[root@mypc01 ~]# ll /data/clickhouse/clickhousedata/data/default/emp_log/
-rw-r-----. 1 root root 56 1月 8 19:58 age.bin
-rw-r-----. 1 root root 97 1月 8 19:58 depart.bin
-rw-r-----. 1 root root 60 1月 8 19:58 emp_id.bin
-rw-r-----. 1 root root 96 1月 8 19:58 __marks.mrk
-rw-r-----. 1 root root 70 1月 8 19:58 name.bin
-rw-r-----. 1 root root 68 1月 8 19:58 salary.bin
-rw-r-----. 1 root root 215 1月 8 19:58 sizes.json
-rw-r-----. 1 root root 80 1月 8 19:58 work_place.bin
Log引擎的存储结构包含三部分：
- 列.bin：数据文件，数据文件
按列单独存储 - __marks.mrk：数据标记，统一保存了数据在各个.bin文件中的位置信息。利用数据标记能够使用多个线程，以并行的方式读取。.bin内的压缩数据块，从而提升数据查询的性能。
- sizes.json：记录了.bin和__marks.mrk大小的信息
注：
Log表引擎会将每一列都存在一个文件中，对于每一次的INSERT操作，都会对应一个数据块
总结
对于clickhouse,选择合适的引擎是重要的