（05） 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是被标注为 实验性 的。

(1)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

set allow_experimental_data_skipping_indices=1;

(2)创建测试表

 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

 

 (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。

 

4.4.5 数据 TTL

TTL 即 Time To Live，MergeTree 提供了可以管理数据或者列的生命周期的功能。

(1)列级别 TTL

➢ 创建测试表

 ➢ 插入数据（注意：根据实际时间改变）

 ➢ 手动合并，查看效果 到期后，指定的字段数据归 0

 

(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。

➢ 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。

➢ 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。

➢

案例演示

◼

创建表

 

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。

◼ 向表中插入数据

 

◼ 执行第一次查询

hadoop202 :) select * from t_order_rmt;

 

◼ 手动合并

OPTIMIZE TABLE t_order_rmt FINAL;

◼ 再执行一次查询

hadoop202 :) select * from t_order_rmt;

 

➢ 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

◼

只有合并分区才会进行去重

◼

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