[1183]Clickhouse数据表&数据分区partition&数据生命周期操作

最新推荐文章于 2024-09-06 18:27:06 发布

周小董

最新推荐文章于 2024-09-06 18:27:06 发布

阅读量4.5k

点赞数 1

分类专栏：数据库&中间件文章标签： clickhouse 数据库 java

本文链接：https://blog.csdn.net/xc_zhou/article/details/128348792

版权

数据库&中间件专栏收录该内容

123 篇文章 13 订阅

订阅专栏

表操作

创建数据库

create database radar;

创建表

CREATE TABLE radar.traffic_event
(

    `time_stamp` DateTime COMMENT '雷达上报时间',

    `millisecond` Int8 COMMENT '毫秒数',

    `detector_nbr` String COMMENT '检测器id',

    `lane_nbr` String COMMENT '车道号',

    `event_status` String COMMENT '事件状态',

    `event_code` String COMMENT '事件码'
)
ENGINE = MergeTree
PARTITION BY toYYYYMMDD(time_stamp)
PRIMARY KEY(time_stamp)
ORDER BY(time_stamp, millisecond, detector_nbr)
SETTINGS index_granularity = 8192, old_parts_lifetime = 300;

ENGINE：表引擎，最常用的是MergeTree，或者说MergeTree家族的各个引擎，当然也可以选择其他引擎。但是，只有MergeTree系列的表引擎才支持主键索引，数据分区，数据副本，数据采样这样的特性，只有此系列的表引擎才支持alter操作。
PARTITION BY：指定分区键，主要根据你的业务场景和数据量大小，可以按年、按月、按天或者其他时间间隔分区，也可以按照哈希去分区。当然，若不声明分区键，则clickhouse会生成一个名为all的分区
ORDER BY：排序字段，clickhouse表会根据排序字段建索引，方便快速查找。如果没有指定主键，排序字段就是主键
PRIMARY KEY：指定主键，它必须是分区键的前缀，或者等于分区键
SETTINGS：配置项，可以把一些配置在这里设置，多个逗号分割
index_granularity：默认8192，表示索引的粒度，即MergeTree的索引在默认情况下，每间隔8192行才生成一个索引。通常不需要修改此参数，不设置就是8192。
old_parts_lifetime：已合并的分区块，多久后删除，默认8分钟

删除表

生产环境，请谨慎使用删除命令，最好做好备份再删除

DROP TABLE IF EXISTS radar.traffic_event;

清空表

TRUNCATE table radar.traffic_event ;
truncate table if exists default.alter_table_rename_test;

删除表某个分区

分区删掉了，该分区所有数据都删掉了

ALTER TABLE traffic_event drop partition '20220704';

重命名或移动数据表

rename table default.alter_table_test to default.alter_table_rename_test;

多个db.tb to db.tb用逗号分隔
如果源表与目标表数据库不一样，则表示移动数据表, 但数据表的移动只能在同一服务器
支持on cluster cluster_name操作

表字段column操作

也可以直接去看官方文档：https://clickhouse.com/docs/zh/sql-reference/statements/alter/column

ALTER TABLE [db].name [ON CLUSTER cluster] ADD|DROP|CLEAR|COMMENT|MODIFY COLUMN …

添加字段

# 集群
ALTER table traffic_event ON CLUSTER cluster_name ADD COLUMN node_id, ADD COLUMN node_name;
# 非集群
alter table alter_table_test add column if not exists score Float32 default 8.8 after city;

删除字段

ALTER table traffic_event drop column if exists node_id;

修改字段

ALTER table traffic_event modify column if exists lane_nbr Int8; 
# 修改字段数据类型、添加或修改字段默认值
alter table alter_table_test modify column if exists score Float64 default 0.0;
# 添加或修改字段备注
alter table alter_table_test comment column if exists score '分数';

修改字段名称

ALTER table signal_status RENAME COLUMN IF EXISTS green_end_time to stage_end_time;

数据分区partition的基本操作

测试表和测试数据的准备

clickhouse1 :) 
clickhouse1 :) create table partition_table_test(
:-] id UInt32,
:-] name String,
:-] city String
:-] ) engine = MergeTree()
:-] order by id
:-] partition by city;
clickhouse1 :) 
clickhouse1 :) insert into partition_table_test(id, name, city) values(1, 'name1', 'Beijing');
clickhouse1 :) insert into partition_table_test(id, name, city) values(2, 'name2', 'Shanghai');
clickhouse1 :) 
clickhouse1 :) create table partition_table_test2(
:-] id UInt32,
:-] name String,
:-] city String
:-] ) engine = ReplacingMergeTree()
:-] order by id
:-] partition by city;
clickhouse1 :)

查询数据表partition相关信息

clickhouse1 :) 
clickhouse1 :) select database, table, partition, partition_id, name, path from system.parts where database = 'default' and table = 'partition_table_test';
┌─database─┬─table────────────────┬─partition─┬─partition_id─────────────────────┬─name───────────────────────────────────┬─path────────────────────────────────────────────────────────────────────────────────────────────────────┐
│ default  │ partition_table_test │ Shanghai  │ 6a9748c898bf80cb661db240706867aa │ 6a9748c898bf80cb661db240706867aa_2_2_0 │ /root/clickhouse/store/9eb/9ebd4336-b065-48ac-9ebd-4336b06588ac/6a9748c898bf80cb661db240706867aa_2_2_0/ │
│ default  │ partition_table_test │ Beijing   │ 8d2db6c332407299b732139fd8a261c0 │ 8d2db6c332407299b732139fd8a261c0_1_1_0 │ /root/clickhouse/store/9eb/9ebd4336-b065-48ac-9ebd-4336b06588ac/8d2db6c332407299b732139fd8a261c0_1_1_0/ │
└──────────┴──────────────────────┴───────────┴──────────────────────────────────┴────────────────────────────────────────┴─────────────────────────────────────────────────────────────────────────────────────────────────────────┘
clickhouse1 :)

删除partition

clickhouse1 :) 
clickhouse1 :) alter table partition_table_test drop partition 'Beijing'
:-] ;
clickhouse1 :) 
clickhouse1 :) select * from partition_table_test;
┌─id─┬─name──┬─city─────┐
│  2 │ name2 │ Shanghai │
└────┴───────┴──────────┘
clickhouse1 :)

上面我们删除了城市为Beijing的partition，然后再通过insert插入新的数据，就间接实现了数据更新

复制partition

clickhouse1 :) 
clickhouse1 :) alter table partition_table_test2 replace partition 'Shanghai' from partition_table_test;
clickhouse1 :) 
clickhouse1 :) select * from partition_table_test2;
┌─id─┬─name──┬─city─────┐
│  2 │ name2 │ Shanghai │
└────┴───────┴──────────┘
clickhouse1 :)

将A表的数据partition，复制到B表的条件:
- 两张表字段结构完全相同
- 两张表partition by、order by一样
会删除目标表partition_table_test2原来的城市Shanghai partition

将partition中某一列的数据变为默认值

clickhouse1 :)
clickhouse1 :) alter table partition_table_test clear column name in partition 'Shanghai';
clickhouse1 :)
clickhouse1 :) select * from partition_table_test;
┌─id─┬─name─┬─city─────┐
│  2 │      │ Shanghai │
└────┴──────┴──────────┘
clickhouse1 :)

变更字段不能为primary key、order by、partition by定义的字段
如果该字段未声明默认值，则以字段数据类型的默认值为准

partition的卸载和装载

clickhouse1 :)
clickhouse1 :) alter table partition_table_test detach partition 'Shanghai';
clickhouse1 :) 
clickhouse1 :) select * from partition_table_test;

SELECT *
FROM partition_table_test

Query id: 45460933-7b2e-4389-a056-85d3d75184a8

Ok.

0 rows in set. Elapsed: 0.005 sec. 
clickhouse1 :) 
clickhouse1 :) alter table partition_table_test attach partition 'Shanghai';
clickhouse1 :) 
clickhouse1 :) select * from partition_table_test;
┌─id─┬─name─┬─city─────┐
│  2 │      │ Shanghai │
└────┴──────┴──────────┘
clickhouse1 :)

detach后，该分区目录被移动到数据表目录的detached目录下
clickhouse除了能对detached目录下的分区目录执行attach命令, 不能执行其它操作
attach则将detached目录下的分区目录重新移回去

ClickHouse表引擎–MergeTree数据生命周期

数据 TTL

TTL（Time To Live）表示数据的存活时间，在 Merge 中可以为某个字段或者整个表设置TTL。
如果设置列级别的 TTL，那么到期时会删除这一列的数据
如果设置表级别的 TTL，那么到期时会删除整个表的数据
如果同时设置了列级别和表级别的 TTL，那么会以先到期的为主。
无论是列级别还是表级别的 TTL 都要依靠 DateTime 或 Date 类型的字段，通过对这个字段的 Interval 操作，来表述 TTL 的过期时间。
INTERVAL 的完整操作包括：SECOND、MINUTE、HOUR、DAY、WEEK、MONTH、QUARTER 和 YEAR

-- 设置数据存活时间是 create_time 的三天后
TTL create_time + INTERVAL 3 DAY

-- 设置数据存活时间是 create_time 的三个月后
TTL create_time + INTERVAL 3 MONTH

列级别 TTL

设置列级别的 TTL，需要在建表时设置列的 TTL 表达式
主键不能被设置 TTL

-- 创建表并设置 TTL 字段
-- create_time 是事件类型的字段，
-- code1 和 code2 均被设置了 TTL，
-- 存活时间为create_time的基础上向后10 秒和 15 秒
CREATE TABLE merge_column_ttl
(
    `id` String,
    `create_time` DateTime,
    `code1` String TTL create_time + INTERVAL 10 SECOND,
    `code2` UInt8 TTL create_time + INTERVAL 15 SECOND
)
ENGINE = MergeTree
PARTITION BY toYYYYMM(create_time)
ORDER BY id;

-- 查看表结构

describe merge_column_ttl;

┌─name────────┬─type─────┬─default_type─┬─default_expression─┬─comment─┬─codec_expression─┬─ttl_expression─────────────────────┐
│ id          │ String   │              │                    │         │                  │                                    │
│ create_time │ DateTime │              │                    │         │                  │                                    │
│ code1       │ String   │              │                    │         │                  │ create_time + toIntervalSecond(10) │
│ code2       │ Int32    │              │                    │         │                  │ create_time + toIntervalSecond(15) │
└─────────────┴──────────┴──────────────┴────────────────────┴─────────┴──────────────────┴────────────────────────────────────┘

-- 写入测试数据
insert into table merge_column_ttl values 
('A01',now(),'A01-code1','100'),
('A02',now() + INTERVAL 3 MINUTE,'A02-code1','99');

-- 当差不多过十秒后查看数据
select * from merge_column_ttl;

┌─id──┬─────────create_time─┬─code1─────┬─code2─┐
│ A01 │ 2021-06-23 15:50:17 │           │   100 │
│ A02 │ 2021-06-23 15:53:17 │ A02-code1 │    99 │
└─────┴─────────────────────┴───────────┴───────┘

-- 强制触发 TTL 清理
optimize table merge_column_ttl final;
-- 查看测试数据
select * from merge_column_ttl;

┌─id──┬─────────create_time─┬─code1─────┬─code2─┐
│ A01 │ 2021-06-23 15:50:17 │           │     0 │
│ A02 │ 2021-06-23 15:53:17 │ A02-code1 │    99 │
└─────┴─────────────────────┴───────────┴───────┘
-- 可以看到测试数据被还原成了 每个字段类型的默认值

修改字段 TTL


alter table merge_column_ttl modify column code1 String TTL create_time + INTERVAL 10 MINUTE;

-- 查看表结构
describe merge_column_ttl;

┌─name────────┬─type─────┬─default_type─┬─default_expression─┬─comment─┬─codec_expression─┬─ttl_expression─────────────────────┐
│ id          │ String   │              │                    │         │                  │                                    │
│ create_time │ DateTime │              │                    │         │                  │                                    │
│ code1       │ String   │              │                    │         │                  │ create_time + toIntervalMinute(10) │
│ code2       │ Int32    │              │                    │         │                  │ create_time + toIntervalSecond(15) │
└─────────────┴──────────┴──────────────┴────────────────────┴─────────┴──────────────────┴────────────────────────────────────┘

表级别 TTL

想要为整张表设置 TTL，需要在建表时设置表的 TTL 表达式

-- 建表设置表的 TTL
CREATE TABLE merge_table_ttl
(
    `id` String,
    `create_time` DateTime,
    `code1` String TTL create_time + INTERVAL 10 SECOND,
    `code2` UInt8 
)
ENGINE = MergeTree
PARTITION BY toYYYYMM(create_time)
ORDER BY id
TTL create_time + INTERVAL 15 SECOND;

-- 写入测试数据

insert into table merge_table_ttl values 
('A01',now(),'A01-code1','100'),
('A02',now() + INTERVAL 3 MINUTE,'A02-code1','99');

-- 查看数据，这是还没有过期数据
select * from merge_table_ttl;

┌─id──┬─────────create_time─┬─code1─────┬─code2─┐
│ A01 │ 2021-06-23 16:26:12 │ A01-code1 │   100 │
│ A02 │ 2021-06-23 16:29:12 │ A02-code1 │    99 │
└─────┴─────────────────────┴───────────┴───────┘

-- 强制清理 TTL 数据
optimize table merge_table_ttl final;

-- 查看数据，这时 code1 有一行数据过期，被还原成默认值
select * from merge_table_ttl;

┌─id──┬─────────create_time─┬─code1─────┬─code2─┐
│ A01 │ 2021-06-23 16:26:12 │           │   100 │
│ A02 │ 2021-06-23 16:29:12 │ A02-code1 │    99 │
└─────┴─────────────────────┴───────────┴───────┘

-- 强制清理 TTL 数据
optimize table merge_table_ttl final;

-- 查看数据，这时 A01 这行数据过期已经被删掉
select * from merge_table_ttl;

┌─id──┬─────────create_time─┬─code1─────┬─code2─┐
│ A02 │ 2021-06-23 16:29:12 │ A02-code1 │    99 │
└─────┴─────────────────────┴───────────┴───────┘

修改表级别的 TTL

alter table merge_table_ttl modify ttl create_time + INTERVAL 15 MINUTE;

TTL 运行原理

如果一张表被设置了 TTL，在写入数据时，会以数据分区为单位，在每个分区目录中生成一个 ttl.txt 的文件，如 merge_table_ttl 表即被设置了列级别的 TTL 也被设置了表级别的 TTL，那么每个分区目录都会生成 ttl.txt 文件

cd /var/lib/clickhouse/data/db_merge/merge_table_ttl/202106_1_1_3

[root@node3 202106_1_1_3]# cat ttl.txt
ttl format version: 1
{"columns":[{"name":"code1","min":1624436962,"max":1624436962}],"table":{"min":1624436967,"max":1624436967}}

# 将上面的 json 格式化 并加上描述
# MergeTree 通过 json 结构的数据保存 ttl 的相关信息：
{
    "columns": [ # 用于保存 列级别的 TTL 信息
        {
            "name": "code1",
            "min": 1624436962,
            "max": 1624436962
        }
    ],
    "table": {# 用于保存 表级别的 TTL 信息
        "min": 1624436967,
        "max": 1624436967
    }
}

min 与 max 保存了当前分区内，TTL 指定日期字段的最大值，最小值分别与 INTERVAL 表达式计算后的时间戳。

如果将table 属性中的min 和 max 时间戳格式化，并分别与 create_time 的最大，最小取值作对比。

SELECT
    toDateTime('1624436967') AS ttl_min,
    toDateTime('1624436967') AS ttl_max,
    ttl_min - MIN(create_time) AS expire_min,
    ttl_max - MAX(create_time) AS expire_max
FROM merge_table_ttl

Query id: ad5dc6af-1f8c-41a2-829a-802ad702cfbe

┌─────────────ttl_min─┬─────────────ttl_max─┬─expire_min─┬─expire_max─┐
│ 2021-06-23 16:29:27 │ 2021-06-23 16:29:27 │         15 │         15 │
└─────────────────────┴─────────────────────┴────────────┴────────────┘

ttl.txt记录的 min，max 值恰好对应 create_time + INTERVAL 15 SECOND 的值。

MergeTree 处理 TTL 的大致逻辑如下：

MergeTree 以分区目录为单位，通过 ttl.txt 文件记录过期时间，并将其作为后续判断依据
每当写入一批数据时，都会基于 INTERVAL 表达式的计算结果为这个分区生成 ttl.txt文件
只有在 MergeTree 分区合并时，才会触发删除过期数据的逻辑。
在删除数据时，会使用贪婪算法，算法规则是尽可能找到会最早过期的，同时年纪又最老的分区（合并次数最多，MaxBlockNum最大）
如果一个分区的某个字段因为 TTL 到期，导致数据被全部删除，那么合并分区时在生成新分区将不会创建该字段的数据文件（.mrk、.bin）

MergeTree 处理 TTL 的其他事项：

TTL 的默认合并频率由MergeTree 的 merge_with_ttl_timeout 参数控制，默认 86400 秒，即 1 天，它维护一个专门的 TTL 队列。如果这个时间设置的过小会带来性能损耗。
除了被动触发 TTL，还可以使用optimize 命令强制触发合并。

--  触发一个分区的合并
optimize table table_name

-- 触发所有分区的合并
optimize table table_name final

Clickhouse 提供了控制全局 TTL 任务合并的方法，但是不能按照数据表停起

SYSTEM STOP/START MERGES

参考：https://blog.csdn.net/web15286201346/article/details/126801683
https://blog.csdn.net/yy8623977/article/details/119460424
https://blog.csdn.net/qq_21383435/article/details/122813582
https://www.hnbian.cn/posts/d6a89710.html
https://www.saoniuhuo.com/question/detail-2092298.html