【ClickHouse基础篇】
【ClickHouse基础篇】ClickHouse
- 第一章 ClickHouse的基础
-
- 1.1 ClickHouse的特点
-
- 1.1.1 列式存储
- 第二章 表引擎
-
- 2.1 表引擎的使用
- 2.2 TinyLog
- 2.3 Memory
- 2.4 MergeTree
- 2.4.1 partition by 分区(可选)
第一章 ClickHouse的基础
1.1 ClickHouse的特点
1.1.1 列式存储
比如以下面的表为例：
| ID | Name | Age |
|---|---|---|
| 1 | 张三 | 18 |
| 2 | 李四 | 22 |
| 3 | 王五 | 34 |
1）采用行式存储时，数据在磁盘上的存储结构为：
| 1 | 张三 | 18 | 2 | 李四 | 22 | 3 | 王五 | 34 |
|---|
好处是想查某个人所有的属性时，可以通过一次磁盘查找加顺序读取就可以。但是当想 查所有人的年龄时，需要不停的查找，或者全表扫描才行，遍历的很多数据都是不需要的。
2）采用列式存储时，数据在磁盘上的组织结构为:
| 1 | 2 | 3 | 张三 | 李四 | 王五 | 18 | 22 | 34 |
|---|
3)列式储存的好处:
➢ 对于列的聚合，计数，求和等统计操作原因优于行式存储。
➢ 由于某一列的数据类型都是相同的，针对于数据存储更容易进行数据压缩，每一列 选择更优的数据压缩算法，大大提高了数据的压缩比重。
➢ 由于数据压缩比更好，一方面节省了磁盘空间，另一方面对于cache也有了更大的 发挥空间。
ClickHouse的单表查询性能优异，关联查询性能略差。
第二章 表引擎
2.1 表引擎的使用
表引擎是 ClickHouse 的一大特色。可以说， 表引擎决定了如何存储表的数据。包括: ➢ 数据的存储方式和位置，写到哪里以及从哪里读取数据。
➢ 支持哪些查询以及如何支持。
➢ 并发数据访问。
➢ 索引的使用(如果存在)。
➢ 是否可以执行多线程请求。
➢ 数据复制参数。 表引擎的使用方式就是必须显式在创建表时定义该表使用的引擎，以及引擎使用的相关
参数。
特别注意:引擎的名称大小写敏感
2.2 TinyLog
以列文件的形式保存在磁盘上，不支持索引，没有并发控制。一般保存少量数据的小表， 生产环境上作用有限。可以用于平时练习测试用。
如:
create table t_tinylog ( id String, name String) engine=TinyLog;
2.3 Memory
内存引擎，数据以未压缩的原始形式直接保存在内存当中，服务器重启数据就会消失。 读写操作不会相互阻塞，不支持索引。简单查询下有非常非常高的性能表现(超过 10G/s)。
一般用到它的地方不多，除了用来测试，就是在需要非常高的性能，同时数据量又不太 大(上限大概 1 亿行)的场景。
2.4 MergeTree
ClickHouse 中最强大的表引擎当属 MergeTree(合并树)引擎及该系列(*MergeTree) 中的其他引擎，支持索引和分区，地位可以相当于 innodb 之于 Mysql。而且基于 MergeTree， 还衍生除了很多小弟，也是非常有特色的引擎。
1)建表语句
create table t_order_mt(
id UInt32,
sku_id String,
total_amount Decimal(16,2),
create_time Datetime
) engine =MergeTree
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id,sku_id);
2)插入数据
insert into t_order_mt values
(101,'sku_001',1000.00,'2020-06-01 12:00:00') ,
(102,'sku_002',2000.00,'2020-06-01 11:00:00'),
(102,'sku_004',2500.00,'2020-06-01 12:00:00'),
(102,'sku_002',2000.00,'2020-06-01 13:00:00'),
(102,'sku_002',12000.00,'2020-06-01 13:00:00'),
(102,'sku_002',600.00,'2020-06-02 12:00:00');
MergeTree 其实还有很多参数(绝大多数用默认值即可)，但是三个参数是更加重要的， 也涉及了关于 MergeTree 的很多概念。
2.4.1 partition by 分区(可选)
1)作用
学过 hive 的应该都不陌生，分区的目的主要是降低扫描的范围，优化查询速度
2)如果不填
只会使用一个分区。
3)分区目录
MergeTree 是以列文件+索引文件+表定义文件组成的，但是如果设定了分区那么这些文
件就会保存到不同的分区目录中。
4)并行
分区后，面对涉及跨分区的查询统计，ClickHouse 会以分区为单位并行处理。
5)数据写入与分区合并
任何一个批次的数据写入都会产生一个临时分区，不会纳入任何一个已有的分区。写入
后的某个时刻(大概 10-15 分钟后)，ClickHouse 会自动执行合并操作(等不及也可以手动 通过 optimize 执行)，把临时分区的数据，合并到已有分区中。
optimize table xxxx final;
6)例如
再次执行上面的插入操作
执行优化操作：
optimize table t_order_mt final;