大数据技术之ClickHouse

最新推荐文章于 2024-04-24 15:10:37 发布
最新推荐文章于 2024-04-24 15:10:37 发布
阅读量1.4k 收藏 5
点赞数 2
分类专栏： 实施/运维 文章标签： 数据库 clickhouse linux 监控
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_37242720/article/details/119784887
版权

大数据技术之ClickHouse

一、ClickHouse 入门

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、 列式存储

1.采用行式存储时，数据在磁盘上的组织结构为：

1张三182李四193王五20

好处是想查某个人所有的属性时，可以通过一次磁盘查找加顺序读取就可以。但是当想查所有人的年龄时，需要不停的查找，或者全表扫描才行，遍历的很多数据都是不需要的。

2.采用列式存储时，数据在磁盘上的组织结构为：

1张三182李四193王五20
123张三李四王五181920
-----------------------------------------— –--------------

3.列式储存的好处：

  • 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。

1.2、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。

1.3、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。

1.4、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。

1.5、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 index granularity(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。

1.6、性能对比

某网站精华帖中对几款数据库做了性能对比。

  • 单表查询
    在这里插入图片描述
  • 关联查询
    在这里插入图片描述
    结论: ClickHouse 像很多 OLAP 数据库一样，单表查询速度由于关联查询，而且 ClickHouse的两者差距更为明显。

二、ClickHouse 的安装

2.1、准备工作

2.1.1、确定防火墙处于关闭状态

2.1.2、CentOS 取消打开文件数限制

在CentOS8-1的 /etc/security/limits.conf 文件的末尾加入以下内容

## nofile 文件数
## nproc  进程数
sudo vim /etc/security/limits.conf
* soft nofile 65536
* hard nofile 65536
* soft nproc 131072
* hard nproc 131072

在这里插入图片描述
（2）在CentOS8-1的/etc/security/limits.d/20-nproc.conf 文件的末尾加入以下内容

sudo vim /etc/security/limits.d/20-nproc.conf
* soft nofile 65536
* hard nofile 65536
* soft nproc 131072
* hard nproc 131072

（3）CentOS8-2、CentOS8-3上执行同样的操作

2.1.3、安装依赖

 sudo yum install -y libtool

在这里插入图片描述

sudo yum install -y *unixODBC*

在这里插入图片描述
CentOS8-2、CentOS8-3上执行同样的操作

2.1.4、CentOS 取消 SELINUX

(1）修改/etc/selinux/config 中的 SELINUX=disabled

sudo vim /etc/selinux/config
SELINUX=disabled

（2）CentOS8-2、CentOS8-3上执行同样的操作
（3）重启三台服务器

2.2、单机安装

官网：https://clickhouse.tech/
下载地址：https://repo.clickhouse.tech/tgz/stable/

2.2.1、创建 clickhouse 目录

在 CentOS8-1的/opt/home下创建 clickhouse 目录

cd /opt/home
mkdir clickhouse
cd clickhouse

2.2.2、下载

wget https://repo.clickhouse.tech/tgz/stable/clickhouse-common-static-21.8.3.44.tgz  
wget https://repo.clickhouse.tech/tgz/stable/clickhouse-common-static-dbg-21.8.3.44.tgz 
wget https://repo.clickhouse.tech/tgz/stable/clickhouse-server-21.8.3.44.tgz 
wget  https://repo.clickhouse.tech/tgz/stable/clickhouse-client-21.8.3.44.tgz

2.2.2、解压安装

下载后解压缩下载资源文件并使用安装脚本进行安装，对于生产环境，建议使用最新的stable版本。

tar -xzvf clickhouse-common-static-21.8.3.44.tgz 
sudo clickhouse-common-static-21.8.3.44/install/doinst.sh 

tar -xzvf clickhouse-common-static-dbg-21.8.3.44.tgz
sudo clickhouse-common-static-dbg-21.8.3.44/install/doinst.sh

tar -xzvf clickhouse-server-21.8.3.44.tgz 
sudo clickhouse-server-21.8.3.44/install/doinst.sh 
# Enter password for default user: 不输入密码 直接回车

tar -xzvf clickhouse-client-21.8.3.44.tgz 
sudo clickhouse-client-21.8.3.44/install/doinst.sh

2.2.3、修改配置文件

目录

项目说明
日志/var/log/clickhouse-server/clickhouse-server.log
错误日志/var/log/clickhouse-server/clickhouse-server.err.log
配置文件/etc/clickhouse-server/config.xml
配置文件/etc/clickhouse-server/users.xml
chmod 777 /etc/clickhouse-server/config.xml
vi /etc/clickhouse-server/config.xml
vi clickhouse-server-21.8.3.44/etc/clickhouse-server/config.xml

1.把 <listen_host>::</listen_host> 的注释打开，这样的话才能让 ClickHouse 被除本
机以外的服务器访问

<listen_host>::</listen_host>

在这个文件中，有 ClickHouse 的一些默认路径配置，比较重要的
数据文件路径： /var/lib/clickhouse/
日志文件路径：/var/log/clickhouse-server/clickhouse-server.log
更改数据和日志路径

<path>/opt/home/clickhouse/data/</path>
<log>/opt/home/clickhouse/log/clickhouse-server/clickhouse-server.log</log>
<errorlog>/opt/home/clickhouse/log/clickhouse-server/clickhouse-server.err.log</errorlog>

2.2.4、启动Server

## 启动服务
systemctl start clickhouse-server
## 服务状态
systemctl status clickhouse-server
## 关闭服务
systemctl stop clickhouse-server

#### 或 ####
## 启动服务
sudo clickhouse start
## 服务状态
sudo clickhouse status
## 关闭服务
sudo clickhouse stop

## 指定配置文件启动
clickhouse-server --config-file=/opt/home/clickhouse/clickhouse-server-21.8.3.44/etc/clickhouse-server/config.xml

2.2.5、关闭开机自启

sudo systemctl disable clickhouse-server

2.2.6、使用 client 连接 server

## -m :可以在命令窗口输入多行命令
clickhouse-client -m

## 末校验
clickhouse-client --host localhost --port 9000 --database default --user default --password "123456"

通过9000端口
在这里插入图片描述

show databases;
use system;
show tables;

三、 数据类型

3.1、整型

固定长度的整型，包括有符号整型或无符号整型。

  • 整型范围（-2n-1~2n-1-1）：
    Int8 - [-128 : 127]
    Int16 - [-32768 : 32767]
    Int32 - [-2147483648 : 2147483647]
    Int64 - [-9223372036854775808 : 9223372036854775807]
  • 无符号整型范围（0~2n-1）：
    UInt8 - [0 : 255]
    UInt16 - [0 : 65535]
    UInt32 - [0 : 4294967295]
    UInt64 - [0 : 18446744073709551615]

使用场景： 个数、数量、也可以存储型 id。

3.2、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。
在这里插入图片描述
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。

3.3、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。

3.4、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。

3.5、字符串

  • 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。
  • 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。

3.6、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。

  • 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;

  • 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');

在这里插入图片描述
在这里插入图片描述

  • 如果尝试保存任何其他值，ClickHouse 抛出异常
insert into t_enum values('a');

在这里插入图片描述

  • 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;

在这里插入图片描述
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。

3.7、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.tech/docs/zh/sql-reference/data-types/

3.8、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

  • 使用 array 函数
    array(T)
    SELECT array(1, 2) AS x, toTypeName(x);在这里插入图片描述
  • 创建数组方式 2：使用方括号
    []
    SELECT [1, 2] AS x, toTypeName(x);
    在这里插入图片描述

四、表引擎

4.1、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

4.2 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。

create database java521;
use java521;
create table t_tinylog (id String, name String) engine=TinyLog;

在这里插入图片描述

4.3、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。

4.4、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。

4.4.1 partition by 分区(可选)

  • 作用
    学过 hive 的应该都不陌生，分区的目的主要是降低扫描的范围，优化查询速度
  • 如果不填
    只会使用一个分区。
  • 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。
  • 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。
  • 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;

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

select * from t_order_mt;

在这里插入图片描述
手动 optimize 之后

optimize table t_order_mt final;
select * from t_order_mt;

在这里插入图片描述

4.4.2 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：
在这里插入图片描述
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，然后再进行进行一点扫描。

4.4.3 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。order by 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)

4.4.4 二级索引

目前在 ClickHouse 的官网上二级索引的功能在 v20.1.2.4 之前是被标注为实验性的，在这个版本之后默认是开启的。
1、老版本使用二级索引前需要增加设置
是否允许使用实验性的二级索引（v20.1.2.4 开始，这个参数已被删除，默认开启）

set allow_experimental_data_skipping_indices=1;

2、创建测试表

create table t_order_mt2(
 id UInt32,
 sku_id String,
 total_amount Decimal(16,2),
 create_time Datetime,
INDEX a total_amount TYPE minmax GRANULARITY 5
) engine =MergeTree
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id, sku_id);

其中 GRANULARITY N 是设定二级索引对于一级索引粒度的粒度。
3、插入数据

insert into t_order_mt2 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');

4、对比效果
那么在使用下面语句进行测试，可以看出二级索引能够为非主键字段的查询发挥作用。

clickhouse-client --send_logs_level=trace <<< 'select * from t_order_mt2 where total_amount > toDecimal32(900., 2)';

4.4.5 数据 TTL

TTL 即 Time To Live，MergeTree 提供了可以管理数据表或者列的生命周期的功能。
1、列级别 TTL
（1）创建测试表

create table t_order_mt3(
 id UInt32,
 sku_id String,
 total_amount Decimal(16,2) TTL create_time+interval 10 SECOND,
 create_time Datetime
) engine =MergeTree
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id, sku_id);

（2）插入数据（注意：根据实际时间改变）

insert into t_order_mt3 values
(106,'sku_001',1000.00,'2021-09-01 15:09:10'),
(107,'sku_002',2000.00,'2021-09-01 15:09:20'),
(110,'sku_003',600.00,'2021-09-01 15:09:30');

（3）手动合并，查看效果 到期后，指定的字段数据归 0

optimize table t_order_mt3 final;
select * from t_order_mt3;

## 根据条件删除
alter table java521.t_order_mt3 delete where id ='106';

2、表级 TTL
下面的这条语句是数据会在 create_time 之后 10 秒丢失

alter table t_order_mt3 MODIFY TTL create_time + INTERVAL 10 SECOND;

涉及判断的字段必须是 Date 或者 Datetime 类型，推荐使用分区的日期字段。

能够使用的时间周期：

  • SECOND
  • MINUTE
  • HOUR
  • DAY
  • WEEK
  • MONTH
  • QUARTER
  • YEAR

4.5 ReplacingMergeTree

ReplacingMergeTree 是 MergeTree 的一个变种，它存储特性完全继承 MergeTree，只是多了一个去重的功能。 尽管 MergeTree 可以设置主键，但是 primary key 其实没有唯一约束的功能。如果你想处理掉重复的数据，可以借助这个 ReplacingMergeTree。

1、去重时机
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。

2、去重范围
如果表经过了分区，去重只会在分区内部进行去重，不能执行跨分区的去重。所以 ReplacingMergeTree 能力有限， 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。

3、案例演示
（1）创建表

create table t_order_rmt(
 id UInt32,
 sku_id String,
 total_amount Decimal(16,2) ,
 create_time Datetime
) engine =ReplacingMergeTree(create_time)
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id, sku_id);

ReplacingMergeTree() 填入的参数为版本字段，重复数据保留版本字段值最大的。
如果不填版本字段，默认按照插入顺序保留最后一条。
（2）向表中插入数据

insert into t_order_rmt 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');

（3）执行第一次查询

select * from t_order_rmt;

在这里插入图片描述
（4）手动合并

OPTIMIZE TABLE t_order_rmt FINAL;

（5）再执行一次查询

select * from t_order_rmt;

4）通过测试得到结论

  • 实际上是使用 order by 字段作为唯一键
  • 去重不能跨分区
  • 只有同一批插入（新版本）或合并分区时才会进行去重
  • 认定重复的数据保留，版本字段值最大的
  • 如果版本字段相同则按插入顺序保留最后一笔

4.6 SummingMergeTree

对于不查询明细，只关心以维度进行汇总聚合结果的场景。如果只使用普通的MergeTree的话，无论是存储空间的开销，还是查询时临时聚合的开销都比较大。ClickHouse 为了这种场景，提供了一种能够“预聚合”的引擎 SummingMergeTree

1、案例演示
（1）创建表

create table t_order_smt(
 id UInt32,
 sku_id String,
 total_amount Decimal(16,2) ,
 create_time Datetime
) engine =SummingMergeTree(total_amount)
 partition by toYYYYMMDD(create_time)
 primary key (id)
 order by (id,sku_id );

（2）插入数据

insert into t_order_smt 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');

（3）执行第一次查询

select * from t_order_smt;

（4）手动合并

OPTIMIZE TABLE t_order_smt FINAL;

（5）再执行一次查询

select * from t_order_smt;

2、通过结果可以得到以下结论

  • 以 SummingMergeTree（）中指定的列作为汇总数据列
  • 可以填写多列必须数字列，如果不填，以所有非维度列且为数字列的字段为汇总数据列
  • 以 order by 的列为准，作为维度列
  • 其他的列按插入顺序保留第一行
  • 不在一个分区的数据不会被聚合
  • 只有在同一批次插入(新版本)或分片合并时才会进行聚合

3、开发建议
设计聚合表的话，唯一键值、流水号可以去掉，所有字段全部是维度、度量或者时间戳。

4、问题
能不能直接执行以下 SQL 得到汇总值

select total_amount from XXX where province_name=’’ and create_date=’xxx’

不行，可能会包含一些还没来得及聚合的临时明细，如果要是获取汇总值，还是需要使用 sum 进行聚合，这样效率会有一定的提高，但本身 ClickHouse 是列式存储的，效率提升有限，不会特别明显。

select sum(total_amount) from province_name=’’ and create_date=‘xxx’

五、SQL 操作

基本上来说传统关系型数据库（以 MySQL 为例）的 SQL 语句，ClickHouse 基本都支持，这里不会从头讲解 SQL 语法只介绍 ClickHouse 与标准 SQL（MySQL）不一致的地方。

5.1 Insert

基本与标准 SQL（MySQL）基本一致
（1）标准
insert into [table_name] values(…),(….)
（2）从表到表的插入
insert into [table_name] select a,b,c from [table_name_2]

5.2 Update 和 Delete

ClickHouse 提供了 Delete 和 Update 的能力，这类操作被称为 Mutation 查询，它可以看做 Alter 的一种。虽然可以实现修改和删除，但是和一般的 OLTP 数据库不一样，Mutation 语句是一种很“重”的操作，而且不支持事务。

“重”的原因主要是每次修改或者删除都会导致放弃目标数据的原有分区，重建新分区。所以尽量做批量的变更，不要进行频繁小数据的操作。
1、删除操作

alter table t_order_smt delete where sku_id ='sku_001';

2、修改操作

alter table t_order_smt update total_amount=toDecimal32(2000.00,2) where id
=102;

由于操作比较“重”，所以 Mutation 语句分两步执行，同步执行的部分其实只是进行
新增数据新增分区和并把旧分区打上逻辑上的失效标记。直到触发分区合并的时候，才会删
除旧数据释放磁盘空间，一般不会开放这样的功能给用户，由管理员完成。

5.3 查询操作

ClickHouse 基本上与标准 SQL 差别不大

  • 支持子查询
  • 支持 CTE(Common Table Expression 公用表表达式 with 子句)
  • 支持各种 JOIN，但是 JOIN 操作无法使用缓存，所以即使是两次相同的 JOIN 语句，ClickHouse 也会视为两条新 SQL
  • 窗口函数(官方正在测试中…)
  • 不支持自定义函数
  • GROUP BY 操作增加了 with rollup\with cube\with total 用来计算小计和总计。

1、插入数据

alter table t_order_mt delete where 1=1;

insert into t_order_mt values
(101,'sku_001',1000.00,'2020-06-01 12:00:00'),
(101,'sku_002',2000.00,'2020-06-01 12:00:00'),
(103,'sku_004',2500.00,'2020-06-01 12:00:00'),
(104,'sku_002',2000.00,'2020-06-01 12:00:00'),
(105,'sku_003',600.00,'2020-06-02 12:00:00'),
(106,'sku_001',1000.00,'2020-06-04 12:00:00'),
(107,'sku_002',2000.00,'2020-06-04 12:00:00'),
(108,'sku_004',2500.00,'2020-06-04 12:00:00'),
(109,'sku_002',2000.00,'2020-06-04 12:00:00'),
(110,'sku_003',600.00,'2020-06-01 12:00:00');

2、with rollup：从右至左去掉维度进行小计

select id , sku_id,sum(total_amount) from t_order_mt group by
id,sku_id with rollup;

在这里插入图片描述
3、with cube : 从右至左去掉维度进行小计，再从左至右去掉维度进行小计

select id , sku_id,sum(total_amount) from t_order_mt group by id,sku_id with cube;

在这里插入图片描述

4、with totals: 只计算合计

select id , sku_id,sum(total_amount) from t_order_mt group by id,sku_id with totals;

在这里插入图片描述

5.4 alter 操作

同 MySQL 的修改字段基本一致
1、新增字段

alter table tableName add column newcolname String after col1;

2、修改字段类型

alter table tableName modify column newcolname String;

3、删除字段

alter table tableName drop column newcolname;

5.5 导出数据

clickhouse-client --query "select * from t_order_mt where
create_time='2020-06-01 12:00:00'" --format CSVWithNames>
/opt/module/data/rs1.csv

更多支持格式参照：https://clickhouse.tech/docs/en/interfaces/formats/

用生命研发技术
关注
  • 2
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【Flink】基于Flink构建全场景实时数仓
菜鸟叔叔的博客
06-12 3730
虽然实时计算在最近几年才火起来，但是在早期也有部分公司有实时计算的需求，但是数据量比较少，所以在实时方面形成不了完整的体系，基本所有的开发都是具体问题具体分析，来一个需求做一个，基本不考虑它们之间的关系，开发形式如下：早期实时计算如上图所示，拿到数据源后，会经过数据清洗，扩维，通过Flink进行业务逻辑处理，最后直接进行业务输出。把这个环节拆开来看，数据源端会重复引用相同的数据源，后面进行清洗、过滤、扩维等操作，都要重复做一遍，唯一不同的是业务的代码逻辑是不一样的。随着产品和业务人员对实时数据需求的不断增多
基于Flink+ClickHouse打造轻量级点击流实时数仓
LittleMagic's Blog
09-27 2112
前言 今天事情又比较多，写得言简意赅一些，看官勿怪。 Flink和ClickHouse分别是实时计算和（近实时）OLAP领域的翘楚，也是近些年非常火爆的开源框架，很多大厂都在将两者结合使用来构建各种用途的实时平台，效果很好。关于两者的优点就不再赘述，本文来简单介绍笔者团队在点击流实时数仓方面的一点实践经验。 点击流及其维度建模 所谓点击流（click stream），就是指用户访问网站、App等W...
基于 Flink + ClickHouse 打造轻量级点击流实时数仓
Ververica的博客
10-09 1604
Flink 和 ClickHouse 分别是实时计算和（近实时）OLAP 领域的翘楚，也是近些年非常火爆的开源框架，很多大厂都在将两者结合使用来构建各种用途的实时平台，效果很好。关于两者...
基于 Flink+Clickhouse 构建实时数仓
hellozhxy的博客
01-22 589
快速变化维度（如用户信息）则不太适合打进宽表，我们采用MySQL表引擎将快变维度表直接映射到ClickHouse中，而ClickHouse支持异构查询，也能够支撑规模较小的维表join场景。当前我们仅实现了DataStream API风格的Flink-ClickHouse Sink，随着Flink作业SQL化的大潮，在未来还计划实现SQL风格的ClickHouse Sink，打磨健壮后会适时回馈给社区。点击流实时数仓的分层设计仍然可以借鉴传统数仓的方案，以扁平为上策，尽量减少数据传输中途的延迟。
Flink 实时数仓（一）【实时数仓&离线数仓对比】
最新发布
功不唐捐，玉汝于成
04-24 2931
实时数仓和离线数仓的对比
01_尚硅谷大数据技术之ClickHouse入门V1.01
08-04
【尚硅谷大数据技术之ClickHouse入门V1.01】主要介绍了ClickHouse的基本概念、特点、功能、存储引擎、写入能力以及数据分区与并行处理能力。ClickHouse是一款由Yandex开发的列式存储数据库管理系统（DBMS），主要...
03_尚硅谷大数据技术之ClickHouse监控及备份V1.01
08-04
【尚硅谷大数据技术之ClickHouse监控及备份V1.01】主要讲解了如何使用Prometheus和Grafana对ClickHouse进行监控以及备份的相关知识。监控ClickHouse的重要性在于能够及时了解其运行状态，确保数据库的稳定性和高效性...
02_尚硅谷大数据技术之ClickHouse高级V1.01
08-04
《尚硅谷大数据技术之ClickHouse高级V1.01》主要介绍了ClickHouse数据库中的Explain功能，这是一个用于查看SQL查询执行计划的重要工具。在ClickHouse的20.6版本之前，用户需要将日志级别设置为trace才能查看执行计划...
大数据技术之ClickHouse视频教程
07-08
ClickHouse是一个真正面向列的DBMS，采用列式存储，提供超高压缩比的压缩算法，轻松存储海量数据。多样化的引擎方案、类LSM Tree的结构、极致的并行处理能力，可以为用户提供高吞吐实时数据处理，其单表查询能力更是...
大数据资料之ClickHouse.pdf
11-11
总的来说，ClickHouse是一个强大的列式存储数据库，特别适用于大数据实时分析。其列式存储的特性、高效的查询性能和对SQL的支持，使得它在大数据领域具有很高的应用价值。通过正确配置和安装，可以充分利用...
flink-clickhouse-sink:Flink水槽的Clickhouse
05-17
Flink-ClickHouse-Sink 描述 用于数据库的器。 由。 用于将数据加载到ClickHouse的高性能库。 它有两个触发器来加载数据：超时和缓冲区大小。 版本图 闪烁 flink-clickhouse-sink 1.3。* 1.0.0 1.9。* 1.3.1 安装 Maven中央 < dependency> < groupId>ru.ivi.opensource</ groupId> < artifactId>flink-clickhouse-sink</ artifactId> < version>1.3.1</ version> </ dependency> 用法 特性 flink-clickhouse-sink使用配置属性的两个部分：common和操作员链中的每个接收器。 共同的部分（像全局一样使用）： clickhouse
大数据项目之Flink实时数仓(数据采集/ODS层)
wenqi
01-25 8263
高价值实战项目 Flink实时数仓+实时大屏搭建！
实时数仓入门训练营：实时计算 Flink 版 SQL 实践
阿里云云栖号
07-15 1262
简介：《实时数仓入门训练营》由阿里云研究员王峰、阿里云资深技术专家金晓军、阿里云高级产品专家刘一鸣等实时计算 Flink 版和 Hologres 的多名技术/产品一线专家齐上阵，合力搭建此次训练营的课程体系，精心打磨课程内容，直击当下同学们所遇到的痛点问题。由浅入深全方位解析实时数仓的架构、场景、以及实操应用，7 门精品课程帮助你 5 天时间从小白成长为大牛！ 本文整理自直播《实时计算 Flink 版 SQL 实践-李麟（海豹）》 视频链接:https://c.tb.cn/F3.0dBssY 内容简.
Flink 实时数仓-思考与总结
qq_31866793的博客
02-12 7454
1，什么是Flink实时数仓。 大家做离线开发是的时候数据存储在hdfs或者hive，基于此，不管用什么组件，数据源都是hive，然后定时执行脚本，跑离线任务啥的。 实时数仓大家可以理解为数据都存储在kafka，Flink消费kafka的数据然后进行逻辑处理，然后再下发到kafka，这么延迟是秒或者分钟级别的，对于不同的业务效果更好，更实时。 2，为什么要做实时数仓呢？ 我的理...
Flink实时数仓同步：实时表、流水表、快照表整合实战详解
探索大数据世界 - 深入解析数据存储、分布式计算与人工智能
03-11 2730
Flink实时数仓同步：实时表、流水表、快照表整合实战详解
c++在csv写入汉字_Flink系列 实时数仓之Flink实时写入ClickHouse并实时大屏（四）...
weixin_39929646的博客
11-26 395
分享嘉宾：lbship编辑整理：仙子紫霞出品平台：数据仓库与Python大数据正文整体架构图工具Flink 1.11.2Scala 2.11Tableau 2020.2一、模拟发送数据新建一个类KafkaProducer用来模拟产生消费数据，代码如下:package TopNitemsimport java.text.SimpleDateFormatimport java.time.{L...
Flink实时数仓：MySQL 关联 HBase维表数据到写入ClickHouse
.
08-10 1712
本文介绍了结合 MySQL 数据库、Flink、HBase 以及clickhouse来构建实时数仓，并通过流计算 Flink读取 MySQL 数据、关联 HBase 中的维表，最终将数据存入clickhouse进行指标分析，实现完整实时数仓的全流程操作指导。
Flink实时数仓 | 美团点评实战
微信搜：import_bigdata，大数据领域硬核原创作者
09-10 511
来源: Apache FlinkCommunity China 作者:黄伟伦 声明: 本文中所有技术文档版权归作者本人及Flink中文社区所有，严禁商用！ By大数据技术与架构 场景描述：本文介绍了美团点评使用Flink建设实时数据仓库的经验。 关键词：Flink 实时数仓 ...
Flink 实时数仓 (一) --------- 数据采集层
在森林里麋了鹿
04-22 3817
Flink 实时数仓数据采集层
【尚硅谷】大数据技术之clickhouse文档
01-01
《尚硅谷》大数据技术之clickhouse文档详细介绍了clickhouse这一大数据存储和分析工具的原理、特点、安装部署、基本操作、高级功能及性能优化等内容。文档首先对clickhouse的背景和优势进行了介绍，阐述了其在大数据领域的重要性和应用场景。接着对clickhouse的安装部署进行了详细的步骤说明，包括单机和集群的安装配置方式，帮助读者快速上手使用clickhouse。 在基本操作部分，文档对clickhouse的数据类型、表的创建、插入和查询操作进行了详细的讲解，帮助读者了解clickhouse的基本使用方法。同时，文档还介绍了clickhouse的高级功能，如分布式表、引擎参数、物化视图等，帮助读者进一步深入了解和使用clickhouse。 此外，文档还对clickhouse的性能优化进行了全面的介绍，包括数据分区策略、索引优化、查询优化等方面，帮助读者更好地利用clickhouse进行大数据存储和分析。文档内容全面，结构严谨，适合初学者和有一定基础的技术人员阅读学习。通过学习该文档，读者可以全面了解clickhouse的原理与应用，从而能够更好地利用clickhouse进行大数据处理和分析工作。【尚硅谷】大数据技术之clickhouse文档为大数据领域的学习者提供了一份全面而详细的学习资料，对于进一步深入学习和应用clickhouse具有很高的参考价值。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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