ClickHouse实战--ClickHouse的主键

ClickHouse实战–ClickHouse的主键

在ClickHouse中，存储的数据会按主键进行排序。这其实是创建了一个稀疏索引，从而可以加快数据的查询。本文介绍ClickHouse主键的作用，和排序键的关系。

主键的作用

定义主键时，列的数量并没有明确的限制，主键可以包含一列或多列。主键的作用主要有：

• 改善索引的性能

  如果当前主键是 (a, b) ，在下列情况下添加另一个 c 列会提升性能：

• 查询会使用 c 列作为条件

• 很长的数据范围（ index_granularity 的数倍）里 (a, b) 都是相同的值，并且这样的情况很普遍。也就是说，就是加入另一列后，可以让您的查询跳过很长的数据范围。

• 改善数据压缩

  ClickHouse 以主键排序片段数据，所以，数据的一致性越高，压缩越好。

• 在CollapsingMergeTree 和 SummingMergeTree 引擎里进行数据合并时会提供额外的处理逻辑

  在这种情况下，指定与主键不同的 排序键 也是有意义的。

• 长的主键会对插入性能和内存消耗有影响，但主键中额外的列并不影响 SELECT 查询的性能。

• 可以使用 ORDER BY tuple() 语法创建没有主键的表。在这种情况下 ClickHouse 根据数据插入的顺序存储。如果在使用 INSERT ... SELECT 时希望保持数据的排序，可以设置 max_insert_threads = 1。

主键的创建

主键是在创建表时，通过PRIMARY KEY指定的，可以通过两种方式指定主键：

• 在列表内指定

CREATE TABLE db.table_name
(
    name1 type1, name2 type2, ...,
    PRIMARY KEY(expr1[, expr2,...])]
)
ENGINE = engine;

• 在列表外指定

CREATE TABLE db.table_name
(
    name1 type1, name2 type2, ...
)
ENGINE = engine
PRIMARY KEY(expr1[, expr2,...]);

注意：

• 创建主键会自动为主键的列创建索引；
• ClickHouse 不要求主键唯一，所以可以插入多条具有相同主键的行；
• 使用索引通常会比全表描述要高效。

主键和排序键(oder by)

• 创建表时，一般不需要指定主键，只要指定排序键即可。当没有指定主键(primary key)时，会把order by后面的列作为主键。
• 可以同时指定排序键(order by)和主键(primary key)，但主键最好是排序键的前缀。

当指定的主键和排序键不同时：

• 此时排序键用于在数据片段中进行排序，主键用于在索引文件中进行标记的写入。
• 主键表达式元组必须是排序键表达式元组的前缀，即主键为(a,b)，排序列必须为(a,b,******)。

小结

通过以上分析可知：

• 在创建表时指定主键，会根据主键创建索引；
• 主键可以是多个列，不会影响查询性能，而且主键相同的数据可以重复；
• 一般不指定主键（primary key），而是指定排序键（order by），此时会把排序键作为主键；
• 排序键和主键可以不同，但此时主键必须时排序键的前缀。