clickhouse

ClickHouse是一个用于在线分析处理(OLAP)的开源列式数据库,支持SQL查询,具有高写入吞吐量和并行处理能力。其特色包括列式存储、多种数据类型如整型、浮点型、时间类型等,以及MergeTree表引擎用于高效的数据分区和索引。然而,它在高QPS查询方面表现不佳,适合单表查询而非复杂关联查询。
摘要由CSDN通过智能技术生成

1 概念

ClickHouse是俄罗斯的Yandex于2016年开源的列式存储数据库(DBMS),使用C++语言编写,主要用于在线分析处理查询(OLAP),能够使用SQL查询实时生成分析数据报告。

1.1 特点

  • 列式存储

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。

  • DBMS的功能

几乎覆盖了标准SQL的大部分语法,包括DDL和DML,以及配套的各种函数,用户管理及权限管理,数据的备份与恢复。

  • 多样化引擎

ClickHouse和MySQL类似,把表级的存储引擎插件化,根据表的不同需求可以设定不同的存储引擎。目前包括合并树、日志、接口和其他四大类20多种引擎。

  • 高吞吐写入能力

ClickHouse采用类LSM Tree的结构,数据写入后定期在后台Compaction。通过类LSM tree的结构,ClickHouse在数据导入时全部是顺序append写,写入后数据段不可更改,在后台compaction时也是多个段merge sort后顺序写回磁盘。顺序写的特性,充分利用了磁盘的吞吐能力,即便在HDD上也有着优异的写入性能。

官方公开benchmark测试显示能够达到50MB-200MB/s的写入吞吐能力,按照每行100Byte估算,大约相当于50W-200W条/s的写入速度。

  • 数据分区与线程级并行

ClickHouse将数据划分为多个partition,每个partition再进一步划分为多个indexgranularity(索引粒度),然后通过多个CPU核心分别处理其中的一部分来实现并行数据处理。在这种设计下,单条Query就能利用整机所有CPU。极致的并行处理能力,极大的降低了查询延时。所以,ClickHouse即使对于大量数据的查询也能够化整为零平行处理。但是有一个弊端就是对于单条查询使用多cpu,就不利于同时并发多条查询。所以对于高qps的查询业务,ClickHouse并不是强项。

  • 性能对比

结论:ClickHouse像很多OLAP数据库一样,单表查询速度优于关联查询,而且ClickHouse的两者差距更为明显。

2 数据类型

2.1 整型

固定长度的整型,包括有符号整型无符号整型

整型范围():

Int8 -[-128 : 127]

Int16 -[-32768 : 32767]

Int32 -[-2147483648 : 2147483647]

Int64 -[-9223372036854775808 : 9223372036854775807]

无符号整型范围():

UInt8 -[0 : 255]

UInt16 -[0 : 65535]

UInt32 -[0 : 4294967295]

UInt64 -[0 : 18446744073709551615]

使用场景:个数、数量、也可以存储整型id

2.2 浮点型

Float32 -float

Float64 –double

建议尽可能以整数形式存储数据。例如,将固定精度的数字转换为整数值,如时间用毫秒为单位表示,因为浮点型进行计算时可能引起四舍五入的误差。

使用场景:一般数据值比较小,不涉及大量的统计计算,精度要求不高的时候。比如保存商品的重量

2.3 布尔型

没有单独的类型来存储布尔值。可以使用UInt8类型,取值限制为0或1。

2.4 Decimal型

有符号的浮点数,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)。

有三种声明:

  • Decimal32(s),相当于Decimal(9-s,s),有效位数为1~9

  • Decimal64(s),相当于Decimal(18-s,s),有效位数为1~18

  • Decimal128(s),相当于Decimal(38-s,s),有效位数为1~38

s标识小数位

使用场景:一般金额字段、汇率、利率等字段为了保证小数点精度,都使用Decimal进行存储。

2.5 字符串

1)String

字符串可以任意长度的。它可以包含任意的字节集,包含空字节

2)FixedString(N)

固定长度N的字符串,N必须是严格的正自然数。当服务端读取长度小于N的字符串时候,通过在字符串末尾添加空字节来达到N字节长度。当服务端读取长度大于N的字符串时候,将返回错误消息。与String相比,极少会使用FixedString,因为使用起来不是很方便。

使用场景:名称、文字描述、字符型编码。固定长度的可以保存一些定长的内容,比如一些编码,性别等但是考虑到一定的变化风险,带来收益不够明显,所以定长字符串使用意义有限。

2.6 枚举类型

包括Enum8和Enum16类型。Enum保存'string'= integer的对应关系。

Enum8 用'String'= Int8对描述。

Enum16用'String'= Int16对描述。

1)用法演示

创建一个带有一个枚举Enum8('hello' = 1, 'world' = 2)类型的列


CREATE TABLE t_enum
(
    x Enum8('hello' = 1, 'world' = 2)
)
ENGINE = TinyLog;

2)这个x列只能存储类型定义中列出的值:'hello'或'world'


INSERT INTO t_enum VALUES ('hello'),('world'),('hello');

3)如果尝试保存任何其他值,ClickHouse抛出异常

insert into t_enum values('a')

4)如果需要看到对应行的数值,则必须将Enum值转换为整数类型


SELECT CAST(x, 'Int8') FROM t_enum;

使用场景:对一些状态、类型的字段算是一种空间优化,也算是一种数据约束。但是实际使用中往往因为一些数据内容的变化增加一定的维护成本,甚至是数据丢失问题。所以谨慎使用。

2.7 时间类型

目前ClickHouse有三种时间类型

  • Date接受年-月-日的字符串,比如‘2019-12-16’

  • Datetime接受年-月-日时:分:秒的字符串,比如‘2019-12-16 20:50:10’

  • Datetime64接受年-月-日时:分:秒.亚秒的字符串,比如‘2019-12-16 20:50:10.66’

日期类型,用两个字节存储,表示从1970-01-01 (无符号)到当前的日期值。

还有很多数据结构,可以参考官方文档:https://clickhouse.yandex/docs/zh/data_types/

2.8 数组

Array(T):由T类型元素组成的数组。

T可以是任意类型,包含数组类型。但不推荐使用多维数组,ClickHouse对多维数组的支持有限。例如,不能在MergeTree表中存储多维数组。

创建数组方式:

  1. 使用array函数


array(T)
SELECT array(1, 2) AS x, toTypeName(x) ;
  1. 使用方括号


[]
SELECT [1, 2] AS x, toTypeName(x);

3 表引擎

3.1 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

3.2 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;

3.3 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

3.4 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。

3.4.1 参数说明

3.4.1.1 partition by分区(可选)

1)作用

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


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');

查看数据并没有纳入任何分区

手动optimize之后:optimize table t_order_mt final;

再次查询

3.4.1.2 primary key主键(可选)

ClickHouse中的主键,和其他数据库不太一样,它只提供了数据的一级索引,但是却不是唯一约束。这就意味着是可以存在相同primary key的数据的。

主键的设定主要依据是查询语句中的where条件。根据条件通过对主键进行某种形式的二分查找,能够定位到对应的index granularity,避免了全表扫描。

index granularity:直接翻译的话就是索引粒度,指在稀疏索引中两个相邻索引对应数据的间隔。ClickHouse中的MergeTree默认是8192。官方不建议修改这个值,除非该列存在大量重复值,比如在一个分区中几万行才有一个不同数据。

稀疏索引:

稀疏索引的好处就是可以用很少的索引数据,定位更多的数据,代价就是只能定位到索引粒度的第一行,然后再进行进一步扫描。

3.4.1.3 order by(必选)

order by设定了分区内的数据按照哪些字段顺序进行有序保存。

orderby是MergeTree中唯一一个必填项,甚至比primary key还重要,因为当用户不设置主键的情况,很多处理会依照order by的字段进行处理(比如后面会讲的去重和汇总)。

要求:主键必须是order by字段的前缀字段。

比如order by字段是(id,sku_id)那么主键必须是id或者(id,sku_id)

4 sql语句

4.1 查询某个数据库中的所有表名、某个表的字段名、字段类型、字段注释

查看 Test 数据库的所有表

-- 方法一

select name from system.tables where database = 'Test';

-- 方法二

select distinct table from system.columns where database = 'Test'

查看 Test_table 表的所有字段


select name from system.columns where database ='Test'andtable='Test_table';

查看 Test_table 表的字段名、字段类型、字段注释


select database,table,name,type,comment from system.columns where database ='Test'andtable='Test_table';

若想就看某个表的某一两个字段的字段类型的话,可直接 调用 toTypeName() 函数来查看


select top 1 toTypeName(`id`),toTypeName(`name`) from Test_table;

show create table db.tname;

## 下列将显示表的创建语句;

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值