clickhouse数据库索引优化与说明（2）

hjkl52wh

已于 2022-10-13 10:35:17 修改

阅读量701

点赞数

文章标签：数据库 clickhouse

于 2022-10-12 23:03:06 首次发布

本文链接：https://blog.csdn.net/hjkl52wh/article/details/127284092

版权

常量体系介绍
文件类型：
primary.idx #主索引文件

创建表语法关键字：
PRIMARY KEY ( ) #定义主索引字段；
index_granularity #主索引分组情况；每组长度；
index_granularity_bytes # 设置为0表示禁止自适应分组长度；
ORDER BY #表中需要排序的字段；

CREATE TABLE hits_UserID_URL
(
    `UserID` UInt32,
    `URL` String,
    `EventTime` DateTime
)
ENGINE = MergeTree
PRIMARY KEY (UserID, URL)
ORDER BY (UserID, URL, EventTime)
SETTINGS index_granularity = 2, index_granularity_bytes = 0;

**注意：**此时index_granularity 等于2

接上文：
本问讨论在联合主键情况下；以次索引列（URL）为检索条件的情况下；索引的有效利用率；

过滤条件：

WHERE URL = w3

现在hits_UserID_URL表中存在如下数据
在这里插入图片描述
当userID值为同一值的情况下：
分组mark0的URL值小于w3的情况下；且下一个分组（mark1）的URL 值也小于w3；则可以确定mark0这个分组中不存在URL = w3的情况(回顾：primary.idx 各分组下；各字段依次做有序排列)

分组mark1的URL值小于w3时;且下一个分组（mark2）的URL大于、等于w3; 这时无法确认mark1 分组中是否存在w3;则需要遍历分组mark1；

由于分组mark2 、mark3 的URL大于W3;则可以排除该分组；
通过以上过程分析可以得到：当对联合主键中非第一个主键进行过滤时；该主键前一组件重复度较高时；排除搜索算法能取得较好的性能；

当hits_UserID_URL表中存在如下数据
在这里插入图片描述

当userID的值不再有较高重复度时；根据排除搜索算法将会选中所有分组（尽管只有mark2中存在w3）；

总结：
primary.idx 中各分组是有序的（以联合索引中第一列）；
分组中各字段依次以字典序列进行排序；
clickhouse 对联合索引的第一列过滤时；会采用二分查找法；对联合索引中非第一列过滤是采用排除搜索算法；
在创建联合索引的时候；将重复度高的列放在前边；可取得较好的检索性能；