ClickHouse：排序键如何选择，如何设置索引以加快查询速度？

ClickHouse：排序键如何选择，如何设置索引以加快查询速度？

简单选取排序键方式：

1. 列出该表常用的 SELECT 语句。
2. 对 WHERE 条件后的列，按使用比重选取出 [1,5] 个作为备选。
3. 根据备选列的基数从小到大排序，得出最终排序键的顺序。
4. 排序键数量保持在 [1,5] 个。不设置和超出数量都不好。

多个排序字段的顺序，可以遵循两个原则：

• WHERE 子句中出现频次高的字段放到频率低字段的前面，增加查询命中索引的概率；
• 维度基数大的字段放到维度基数小字段的后面，降低查询扫描范围。

---

如何判断排序键是否合适？

决定排序键字段顺序的两个因素依次是：使用频率，字段基数。

什么是字段基数？

字段去重统计的值，即 SELECT COUNT(DISTINCT col) 的结果。

以性别为例，gender 有两种情况，即 gender=0 或 gender=1，那么 gender 的基数为 2。

---

Case1：

某表常用查询语句为：

SELECT id, name, age, gender, weight
WHERE gender=1, age=20

gender 与 age 可设置为排序键（ORDER BY）。（排序键的选取对象，通常为查询语句 WHERE 条件的子集）

假设 age 的基数在 100 左右，当 gender 与 age 的使用频率相同时，表排序键应设置为 (gender, age)。（频率相同，以字段基数为主）

Case2：

问题描述：表常用筛选项有 2 个：订单 ID（粒度细）、计划 ID。一个计划可包含多个订单，如何设置排序键？

最佳方案：排序键设置为：(计划ID, 订单ID)，查询订单时，带上计划过滤条件。

降级方案：查询订单时，无法带上计划过滤条件，那么按两个字段的使用频率设置；频率不清楚时，按基数来；两个都是高基数时，一般认为更高基数的放前面，过滤效果会更好一些。

---

补充：

• ClickHouse 建表时指定的 ORDER BY 作用于顺序存储数据，即数据写入时根据 ORDER BY 排序写入。
• 查询时被 WHERE 条件字段触发，正确设置可大幅减少数据扫描量，大大提高查询速度。
• 与查询语句中的 ORDER BY 子句无关。