大数据培训ClickHouse表引擎

表引擎

表引擎（即表的类型）决定了：

1）数据的存储方式和位置，写到哪里以及从哪里读取数据

2）支持哪些查询以及如何支持。

3）并发数据访问。

4）索引的使用（如果存在）。

5）是否可以执行多线程请求。

6）数据复制参数。

ClickHouse的表引擎有很多，下面介绍其中几种，对其他引擎有兴趣的可以去查阅官方文档：https://clickhouse.yandex/docs/zh/operations/table_engines/

大数据培训ClickHouse表引擎

1 TinyLog

最简单的表引擎，用于将数据存储在磁盘上。每列都存储在单独的压缩文件中，写入时，数据将附加到文件末尾。

该引擎没有并发控制

– 如果同时从表中读取和写入数据，则读取操作将抛出异常；

– 如果同时写入多个查询中的表，则数据将被破坏。

这种表引擎的典型用法是 write-once：首先只写入一次数据，然后根据需要多次读取。此引擎适用于相对较小的表（建议最多1,000,000行）。如果有许多小表，则使用此表引擎是适合的，因为它比需要打开的文件更少。当拥有大量小表时，可能会导致性能低下。不支持索引。

案例：创建一个TinyLog引擎的表并插入一条数据

:)create table t (a UInt16, b String) ENGINE=TinyLog;

:)insert into t (a, b) values (1, ‘abc’);

此时我们到保存数据的目录/var/lib/clickhouse/data/default/t中可以看到如下目录结构：

[root@hadoop102 t]# ls

a.bin b.bin sizes.json

a.bin 和 b.bin 是压缩过的对应的列的数据，sizes.json 中记录了每个 *.bin 文件的大小：

[root@hadoop102 t]# cat sizes.json

{“yandex”:{“a%2Ebin”:{“size”:”28″},”b%2Ebin”:{“size”:”30″}}}

大数据培训ClickHouse表引擎

2 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。

大数据培训ClickHouse表引擎

3 Merge

Merge 引擎 (不要跟 MergeTree 引擎混淆) 本身不存储数据，但可用于同时从任意多个其他的表中读取数据。读是自动并行的，不支持写入。读取时，那些被真正读取到数据的表的索引（如果有的话）会被使用。

Merge 引擎的参数：一个数据库名和一个用于匹配表名的正则表达式。

案例：先建t1，t2，t3三个表，然后用 Merge 引擎的 t 表再把它们链接起来。

:)create table t1 (id UInt16, name String) ENGINE=TinyLog;

:)create table t2 (id UInt16, name String) ENGINE=TinyLog;

:)create table t3 (id UInt16, name String) ENGINE=TinyLog;

:)insert into t1(id, name) values (1, ‘first’);

:)insert into t2(id, name) values (2, ‘second’);

:)insert into t3(id, name) values (3, ‘i am in t3’);

:)create table t (id UInt16, name String) ENGINE=Merge(currentDatabase(), ‘^t’);

select * from t;

┌─id─┬─name─┐

│ 2 │ second │

└────┴──────┘

┌─id─┬─name──┐

│ 1 │ first │

└────┴───────┘

┌─id─┬─name───────┐

│ 3 │ i am in t3 │

└────┴────────────┘

大数据培训ClickHouse表引擎

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。

MergeTree 引擎系列的基本理念如下。当你有巨量数据要插入到表中，你要高效地一批批写入数据片段，并希望这些数据片段在后台按照一定规则合并。相比在插入时不断修改（重写）数据进存储，这种策略会高效很多。

格式：

ENGINE [=] MergeTree(date-column [, sampling_expression], (primary, key), index_granularity)

参数解读：

date-column — 类型为 Date 的列名。ClickHouse 会自动依据这个列按月创建分区。分区名格式为 “YYYYMM” 。

sampling_expression — 采样表达式。

(primary, key) — 主键。类型为Tuple()

index_granularity — 索引粒度。即索引中相邻”标记”间的数据行数。设为 8192 可以适用大部分场景。

案例：

create table mt_table (date Date, id UInt8, name String) ENGINE=MergeTree(date, (id, name), 8192);

insert into mt_table values (‘2019-05-01’, 1, ‘zhangsan’);

insert into mt_table values (‘2019-06-01’, 2, ‘lisi’);

insert into mt_table values (‘2019-05-03’, 3, ‘wangwu’);

在/var/lib/clickhouse/data/default/mt_tree下可以看到：

[root@hadoop102 mt_table]# ls

20190501_20190501_2_2_0 20190503_20190503_6_6_0 20190601_20190601_4_4_0 detached

随便进入一个目录：

[root@hadoop102 20190601_20190601_4_4_0]# ls

checksums.txt columns.txt date.bin date.mrk id.bin id.mrk name.bin name.mrk primary.idx

– *.bin是按列保存数据的文件

– *.mrk保存块偏移量

– primary.idx保存主键索引

大数据培训ClickHouse表引擎

5 ReplacingMergeTree

这个引擎是在 MergeTree 的基础上，添加了“处理重复数据”的功能，该引擎和MergeTree的不同之处在于它会删除具有相同主键的重复项。数据的去重只会在合并的过程中出现。合并会在未知的时间在后台进行，所以你无法预先作出计划。有一些数据可能仍未被处理。因此，ReplacingMergeTree 适用于在后台清除重复的数据以节省空间，但是它不保证没有重复的数据出现。

格式：

ENGINE [=] ReplacingMergeTree(date-column [, sampling_expression], (primary, key), index_granularity, [ver])

可以看出他比MergeTree只多了一个ver，这个ver指代版本列，他和时间一起配置，区分哪条数据是最新的。

案例：

create table rmt_table (date Date, id UInt8, name String,point UInt8) ENGINE= ReplacingMergeTree(date, (id, name), 8192,point);

插入一些数据：

insert into rmt_table values (‘2019-07-10’, 1, ‘a’, 20);

insert into rmt_table values (‘2019-07-10’, 1, ‘a’, 30);

insert into rmt_table values (‘2019-07-11’, 1, ‘a’, 20);

insert into rmt_table values (‘2019-07-11’, 1, ‘a’, 30);

insert into rmt_table values (‘2019-07-11’, 1, ‘a’, 10);

等待一段时间或optimize table rmt_table手动触发merge，后查询

select * from rmt_table;

┌───────date─┬─id─┬─name─┬─point─┐

│ 2019-07-11 │ 1 │ a │ 30 │

└────────────┴────┴──────┴───────┘

大数据培训ClickHouse表引擎

6 SummingMergeTree

该引擎继承自 MergeTree。区别在于，当合并 SummingMergeTree 表的数据片段时，ClickHouse 会把所有具有相同主键的行合并为一行，该行包含了被合并的行中具有数值数据类型的列的汇总值。如果主键的组合方式使得单个键值对应于大量的行，则可以显著的减少存储空间并加快数据查询的速度，对于不可加的列，会取一个最先出现的值。

语法：

ENGINE [=] SummingMergeTree(date-column [, sampling_expression], (primary, key), index_granularity, [columns])

columns — 包含将要被汇总的列的列名的元组

案例：

create table smt_table (date Date, name String, a UInt16, b UInt16) ENGINE=SummingMergeTree(date, (date, name), 8192, (a))

插入数据：

insert into smt_table (date, name, a, b) values (‘2019-07-10’, ‘a’, 1, 2);

insert into smt_table (date, name, a, b) values (‘2019-07-10’, ‘b’, 2, 1);

insert into smt_table (date, name, a, b) values (‘2019-07-11’, ‘b’, 3, 8);

insert into smt_table (date, name, a, b) values (‘2019-07-11’, ‘a’, 3, 1);

insert into smt_table (date, name, a, b) values (‘2019-07-12’, ‘c’, 1, 3);

等待一段时间或optimize table smt_table手动触发merge，后查询

select * from smt_table

┌───────date─┬─name─┬─a─┬─b─┐

│ 2019-07-10 │ a │ 1 │ 2 │

│ 2019-07-10 │ b │ 2 │ 1 │

│ 2019-07-11 │ a │ 3 │ 1 │

│ 2019-07-11 │ b │ 6 │ 8 │

│ 2019-07-12 │ c │ 1 │ 3 │

└────────────┴──────┴───┴───┘

发现2019-07-11，b的a列合并相加了，b列取了8（因为b列为8的数据最先插入）。

大数据培训ClickHouse表引擎

7 Distributed

分布式引擎，本身不存储数据, 但可以在多个服务器上进行分布式查询。读是自动并行的。读取时，远程服务器表的索引（如果有的话）会被使用。

Distributed(cluster_name, database, table [, sharding_key])

参数解析：

cluster_name – 服务器配置文件中的集群名,在/etc/metrika.xml中配置的

database – 数据库名

table – 表名

sharding_key – 数据分片键

案例演示：

1）在hadoop102，hadoop103，hadoop104上分别创建一个表t

:)create table t(id UInt16, name String) ENGINE=TinyLog;

2）在三台机器的t表中插入一些数据

:)insert into t(id, name) values (1, ‘zhangsan’);

:)insert into t(id, name) values (2, ‘lisi’);

3）在hadoop102上创建分布式表

:)create table dis_table(id UInt16, name String) ENGINE=Distributed(perftest_3shards_1replicas, default, t, id);

4）往dis_table中插入数据

insert into dis_table select * from t

5）查看数据量

select count() from dis_table

FROM dis_table

┌─count()─┐

│ 8 │

└─────────┘

select count() from t

SELECT count()

FROM t

┌─count()─┐

│ 3 │

└─────────┘

可以看到每个节点大约有1/3的数据

大数据培训ClickHouse表引擎相关推荐

【clickhouse】ClickHouse表引擎 MergeTree 索引与数据存储方式一级索引二级索引
1.概述转载:ClickHouse表引擎 MergeTree 索引与数据存储方式 2.一级索引 MergeTree 主键使用 primary key 定义,定义主键后,会将数据依据 index_gr ...
大数据培训技术之ClickHouse
大数据培训技术之ClickHouse概述 1.1 什么是ClickHouse ClickHouse 是俄罗斯的Yandex于2016年开源的列式存储数据库(DBMS),主要用于在线分析处理查询(OLA ...
【clickhouse】ClickHouse表引擎 MergeTree 数据生命周期
1.概述转载:ClickHouse表引擎 MergeTree 数据生命周期 TTL(Time To Live)表示数据的存活时间,在 Merge 中可以为某个字段或者整个表设置TTL. 如果设置列级 ...
大数据培训技术phoenix表操作
phoenix表操作 1 显示所有表 !table 或 !tables 2 创建表 CREATE TABLE IF NOT EXISTS us_population ( State CHAR(2) N ...
ClickHouse安装-大数据培训
2 单机模式大数据培训之ClickHouse安装 2.1 上传5个文件到/opt/software/ [root@hadoop102 software]# ls clickhouse-client- ...
clickhouse表引擎-合并树系列
目录 1 clickhouse表引擎-合并树系列简介 2 MergeTree引擎 2.1 建表语法 2.2 创建最简单的MergerTree引擎表 2.3 插入数据 2.4 查看目录结构 2.5 指定 ...
大数据之clickhouse安装部署
一.clickhouse简介 ClickHouse是俄罗斯的Yandex于2016年开源的一个用于联机分析(OLAP:Online Analytical Processing)的列式数据库管理系统(D ...
ClickHouse表引擎到底怎么选
引言表引擎在ClickHouse中的作用十分关键,直接决定了数据如何存储和读取.是否支持并发读写.是否支持index.支持的query种类.是否支持主备复制等. ClickHouse提供了大约28种 ...
2018大数据培训学习路线图（详细完整版）
2018大数据培训学习路线全课程目录+学习线路详解(详细完整版) 第一阶段:大数据基础Java语言基础阶段 1.1:Java开发介绍 1.1.1 Java的发展历史 1.1.2 Java的应用领域 1 ...

大数据培训ClickHouse表引擎

大数据培训ClickHouse表引擎相关推荐

最新文章

热门文章