一、Clickhouse概述
OLTP(联机事务处理系统) 例如mysql等关系型数据库,在对于存储小数据量的时候,查询数据并分析速度很快,OLTP本身其实是一个逻辑上的概念,指的是某个数据库,主要是针对增删改操作的。 里面的数据会经常的发生变化。 OLAP(联机分析处理系统) 指的是数据库中的数据长期不变,有着大量的历史数据,并且可以随时的做分析,而增删改操作很少。
OLAP 种类系统架构的的特点:
1、绝大多数是读请求 2、数据以相当大的批次(> 1000行)更新,而不是单行更新;或者根本没有更新。 3、已添加到数据库的数据不能修改。 4、对于读取,从数据库中提取相当多的行,但只提取列的一小部分。 5、宽表,即每个表包含着大量的列 6、查询相对较少(通常每台服务器每秒查询数百次或更少) 7、对于简单查询,允许延迟大约50毫秒 8、列中的数据相对较小:数字和短字符串(例如,每个URL 60个字节) 9、处理单个查询时需要高吞吐量(每台服务器每秒可达数十亿行) 10、事务不是必须的 11、对数据一致性要求低 12、每个查询有一个大表。除了他以外,其他的都很小。 13、查询结果明显小于源数据。
二、表操作
数据类型
注意事项:
1、建表写数据类型的时候,严格区分大小写Int32,不能写成int32
2、建表的时候,必须要指定表引擎
1. 整数类型
UInt8, UInt16, UInt32, UInt64, UInt128, UInt256, Int8, Int16, Int32, Int64, Int128, Int256
Int8 — [-128 : 127] Int16 — [-32768 : 32767] Int32 — [-2147483648 : 2147483647] Int64 — [-9223372036854775808 : 9223372036854775807] Int128 — [-170141183460469231731687303715884105728 : 170141183460469231731687303715884105727] Int256 — [-57896044618658097711785492504343953926634992332820282019728792003956564819968 : 57896044618658097711785492504343953926634992332820282019728792003956564819967]
UInt8 — [0 : 255] UInt16 — [0 : 65535] UInt32 — [0 : 4294967295] UInt64 — [0 : 18446744073709551615] UInt128 — [0 : 340282366920938463463374607431768211455] UInt256 — [0 : 115792089237316195423570985008687907853269984665640564039457584007913129639935]
2. 字符串类型
String:可变长字符串 FixedString(长度):固定长字符串,参数是字节数,执行效率比String要高
c. 日期类型
Date 年-月-日 Date32 年-月-日 DateTime 年-月-日 时-分-秒 DateTime64 年-月-日 时-分-秒.毫秒 案例: # 建表语句: create table date_test (date1 Date,date2 Date32,date3 DateTime,date4 DateTime64) ENGINE = TinyLog; # 插入语句: insert into date_test values ('2024-6-21','2024-6-21','2024-6-21','2024-6-21');
3. UUID类型
clickhouse提供了一个函数:generateUUIDv4() 生成一个 00000000-0000-0000-0000-000000000000 的编号 编号的类型就是UUID类型 bee32020-a6cb-49a6-a10b-427381b11613
4. 可为空 Nullable
create table test1 (id Int32,name String) ENGINE = TinyLog; insert into students_test values (null,'张三','男','bigdata30');
5. 数组 Array(T)
字段类型是数组,对于同一个数组,在建表的时候指定数据类型,注意:在MergeTree表引擎中是不允许出现数组嵌套的 注意:需要使用array()函数,将元素组成数组,将来还可以使用toTypeName()查看某一列的数据类型
g. 小数类型
# Decimal(P,S),Decimal32(S),Decimal64(S),Decimal128(S)
有符号的定点数,可在加、减和乘法运算过程中保持精度。对于除法,最低有效数字会被丢弃(不舍入)
P - 精度。有效范围:[1:38],决定可以有多少个十进制数字(包括分数)。
S - 规模。有效范围:[0:P],决定数字的小数部分中包含的小数位数。
Decimal(4,2)
举例:12.12234 Decimal(7,5)
P: 7
S: 5
1、建表语句
-- ck安装后的数据根目录:/var/lib/clickhouse create table users3 (id Int8,name FixedString(12),gender Nullable(FixedString(3)),clazz String) ENGINE = TinyLog;
2、插入数据
# 基本格式 INSERT INTO [db.]table [(c1, c2, c3)] VALUES (v11, v12, v13), (v21, v22, v23), ... # 查看表结构 desc 表名;
三、引擎
1、数据库引擎
1.1 Atomic
clickhouse数据库建库默认指定的数据库引擎
它支持非阻塞的DROP TABLE和RENAME TABLE查询和原子的EXCHANGE TABLES t1 AND t2查询。默认情况下使用Atomic数据库引擎。
1.2 MySQL
MySQL引擎用于将远程的MySQL服务器中的表映射到ClickHouse中,并对表进行INSERT
和SELECT
查询,以方便在ClickHouse与MySQL之间进行数据交换
MySQL
数据库引擎会将对其的查询转换为MySQL语法并发送到MySQL服务器中,可以执行诸如SHOW TABLES
或SHOW CREATE TABLE
之类的操作。
但无法对其执行以下操作:
-
RENAME
-
CREATE TABLE
-
ALTER
# 建库语句 CREATE DATABASE [IF NOT EXISTS] db_name [ON CLUSTER cluster] ENGINE = MySQL('host:port', ['database' | database], 'user', 'password') # 参数理解: host:port — MySQL服务地址,既可以是ip地址,也可以是主机名(如果是主机名,要配置hosts映射) database — MySQL数据库名称 user — MySQL用户名 password — MySQL用户密码 # 操作的注意事项 1、mysql的数据和ck中数据库映射的数据几乎是同步的 2、在任意一端添加数据,另一端都可以观察添加后的结果 3、对于删除数据,只能在mysql端删除,不能够在ck端删除
2、表引擎
2.1 日志引擎
1. Log
Log
与 TinyLog
的不同之处在于,«标记» 的小文件与列文件存在一起。这些标记写在每个数据块上,并且包含偏移量,这些偏移量指示从哪里开始读取文件以便跳过指定的行数。这使得可以在多个线程中读取表数据,Log引擎适用于临时数据,write-once 表以及测试或演示目的。
# 建表,指定表引擎为Log
create table students_log (id Int32,name String,gender FixedString(3),clazz String) ENGINE = Log;
2. 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。
并发数据访问不受任何限制:
-
如果同时从表中读取并在不同的查询中写入,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。查询在单个流中执行。不支持索引。
3. StripeLog
写数据:
StripeLog
引擎将所有列存储在一个文件中。对每一次 Insert
请求,ClickHouse 将数据块追加在表文件的末尾,逐列写入。
ClickHouse 为每张表写入以下文件:
-
data.bin
— 数据文件。 -
index.mrk
— 带标记的文件。标记包含了已插入的每个数据块中每列的偏移量。
StripeLog
引擎不支持 ALTER UPDATE
和 ALTER DELETE
操作。
读取数据:
带标记的文件使得 ClickHouse 可以并行的读取数据。 SELECT
请求返回行的顺序是不可预测的,使用 ORDER BY
子句对行进行排序。
CREATE TABLE stripe_log_table(timestamp DateTime,message_type String,message String) ENGINE = StripeLog
INSERT INTO stripe_log_table VALUES (now(),'REGULAR','The first regular message')
# 建表,指定表引擎为Log
create table students_stripelog (id Int32,name String,gender FixedString(3),clazz String) ENGINE = StripeLog;
# 添加数据
insert into students_stripelog values (1001,'张三','男','理科一班'),(1002,'李四','男','文科二班'),(1003,'王五','男','文科二班');
2.2 合并树家族
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
系列的引擎被设计用于插入极大量的数据到一张表当中。主要特点:
存储的数据按主键排序。
如果指定了 分区键 的话,可以使用分区。
在相同数据集和相同结果集的情况下 ClickHouse 中某些带分区的操作会比普通操作更快。查询中指定了分区键时 ClickHouse 会自动截取分区数据。
支持数据副本。
ReplicatedMergeTree
系列的表提供了数据副本功能。
# 建表语句规范:
CREATE TABLE [IF NOT EXISTS] table_name [ON CLUSTER cluster]
(
name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1] [TTL expr1],
name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2] [TTL expr2],
...
INDEX index_name1 expr1 TYPE type1(...) GRANULARITY value1,
INDEX index_name2 expr2 TYPE type2(...) GRANULARITY value2
) ENGINE = MergeTree()
ORDER BY expr
[PARTITION BY expr]
[PRIMARY KEY expr]
[SAMPLE BY expr]
[TTL expr [DELETE|TO DISK 'xxx'|TO VOLUME 'xxx'], ...]
[SETTINGS name=value, ...]
# 建表语句
create table goods_orders (id String,uname String,goods_name String,price Int64,date Date32) ENGINE = MergeTree() order by date PARTITION BY date;
# 插入语句
insert into goods_orders values ('1001','张三','oppo手机',7000,'2024-6-21'),('1002','李四','机械革命电脑',10000,'2024-6-22'),('1003','陆小曼','iphone14',5000,'2024-6-21'),('1004','龙女','AI吸尘器',17000,'2024-6-22');
注意:默认是针对每一批数据按照分区字段的值进行分区
optimize table 表名 final; optimize table goods_orders final;
四、常用函数
4.1 算术函数
对于所有算术函数,结果类型为结果适合的最小数值类型(如果存在这样的类型)。最小数值类型是根据数值的位数,是否有符号以及是否是浮点类型而同时进行的。会自动的根据数值大小,来选用最适合的数据类型存储。
# plus(a, b), a + b operator 计算数值的总和。 可以将Date或DateTime与整数进行相加。在Date的情况下,和整数相加整数意味着添加相应的天数。对于DateTime,意味着添加相应的秒数。 # minus(a, b), a - b operator 计算数值之间的差,结果总是有符号的。 # multiply(a, b), a * b operator 计算数值的乘积。 # divide(a, b), a / b operator 计算数值的商。结果类型始终是浮点类型。 它不是整数除法。对于整数除法,使用’intDiv’函数。 当除以零时,得到’inf’,‘- inf’或’nan’。 # intDiv(a,b) 计算数值的商,向下舍入取整(按绝对值)。 除以零或将最小负数除以-1时抛出异常。 # max2(a,b) value1 — 第一个值,类型为Int/UInt或Float。 value2 — 第二个值,类型为Int/UInt或Float。 # max2(value1, value2) value1 — 第一个值,类型为Int/UInt or Float。 value2 — 第二个值,类型为Int/UInt or Float。
4.2 比较函数
比较函数始终返回0或1(UInt8)。
可以比较以下类型:
数字
String 和 FixedString
日期
日期时间
每个组内的类型均可互相比较,但是对于不同组的类型间不能够进行比较。
例如,无法将日期与字符串进行比较。必须使用函数将字符串转换为日期,反之亦然。
字符串按字节进行比较。较短的字符串小于其开头并且至少包含一个字符的所有字符串。
等于,a=b和a==b 运算符 不等于,a!=b和a<>b 运算符 小于, < 运算符 大于, > 运算符 小于等于, <= 运算符 大于等于, >= 运算符