clickhouse 优化

最新推荐文章于 2024-06-24 08:05:05 发布

木鱼-

最新推荐文章于 2024-06-24 08:05:05 发布

阅读量4.2k

点赞数 1

分类专栏： ClickHouse

原文链接：https://www.sohu.com/a/436871389_120928761

版权

ClickHouse 专栏收录该内容

7 篇文章 1 订阅

订阅专栏

clickhouse SQL优化技巧

sql慢查大部分主要体现在cpu 负载过高，io过高，或者查询的列中无索引导致的；注意；clickhouse本身不太支持高并发的场景，qps过高会导致clickhouse服务器cpu过高，导致慢查
在这些情况下;常见的考虑的是 sql中是否有复杂的运算，查询的数量量是否过大，查询的列中索引是否有效；
sql 查询特点：数量大，且分区跨度大
data表格中有8亿多条数据，data表按照p_data_day 分区；
数据会遍历整个分区，数据平均在1s左右分钟返回 ;
优化思路：减少不必要数据的遍历（分区）；充分利用clickhouse 索引（group by 索引）
针对sn的查询，建立物化视图；将8亿条数据按照sn号以及device_id（mac_code）建立256个分区；
create MATERIALIZED VIEW IF NOT EXISTS data_sn_materialized
engine = ReplicatedMergeTree('/clickhouse/tables/{ck_cluster}/data_sn_materialized', '{replica}')
PARTITION BY sn_sort_key ORDER BY (sn_sort_key,sn,p_day)
AS select halfMD5(_sn) % 256 as sn_sort_key,sn,p_day,count() as cnt
from data group by sn_sort_key,sn,p_day;
优化后

查询语句；保持原来的出参和入参不变，数据能够在200ms以内返回，

================================================================

ClickHouse 的一些优化参数

max_table_size_to_drop
- 此参数在 /etc/clickhouse-server/config.xml 中, 应用于需要删除表或分区的情况, 默认 50GB。
- 如果你要删除的分区或表, 数据量达到了此参数值大小, 会删除失败。
- 建议修改为 0, 代表无论数据多大, 都可以删除。
max_memory_usage
- 在 /etc/clickhouse-server/user.xml中, 表示单次查询占用内存最大值
- 超过此值, 则请求失败, 建议在资源足够的情况下尽量调大。
删除多个节点上的同一张表
- 使用on cluster 关键字指定集群
```
drop table t on cluster clickhouse_cluster
```

自动数据备份

只有 MergeTree 系列里的表可支持副本, 在表引擎名称上加上 Replicated 前缀。
要实现数据备份, 需要配置Zookeeper, 在metrika.xml 中添加即可

副本设置: metrika.xml中添加:

<macros>
	<shard>01</shard>
	<replica>01</shard>
</macros>
<macros>
	<shard>01</shard>
	<replica>02</shard>
</macros>
<macros>
	<shard>02</shard>
	<replica>01</shard>
</macros>
<macros>
	<shard>02</shard>
	<replica>02</shard>
</macros>
<macros>
	<shard>03</shard>
	<replica>01</shard>
</macros>
<macros>
	<shard>03</shard>
	<replica>02</shard>
</macros>

==========================================================

clickhouse SQL优化技巧

sql慢查大部分主要体现在cpu 负载过高，io过高，或者查询的列中无索引导致的；注意；clickhouse本身不太支持高并发的场景，qps过高会导致clickhouse服务器cpu过高，导致慢查

在这些情况下;常见的考虑的是 sql中是否有复杂的运算，查询的数量量是否过大，查询的列中索引是否有效；

sql 查询特点：数量大，且分区跨度大

data表格中有8亿多条数据，data表按照p_data_day 分区；

select sn,COUNT(1) as valueQt from data WHERE   sn='70A0600018109' and p_day >= '2017-01-01' and p_data_day < '2020-08-13'
group by sn;

数据会遍历整个分区，数据平均在1s左右分钟返回 ;

优化思路：减少不必要数据的遍历（分区）；充分利用clickhouse 索引（group by 索引）

针对sn的查询，建立物化视图；将8亿条数据按照sn号以及device_id（mac_code）建立256个分区；

create MATERIALIZED VIEW IF NOT EXISTS data_sn_materialized
engine = ReplicatedMergeTree('/clickhouse/tables/{ck_cluster}/data_sn_materialized', '{replica}')
PARTITION BY sn_sort_key ORDER BY (sn_sort_key,sn,p_day)
AS select halfMD5(_sn) % 256 as sn_sort_key,sn,p_day,count() as cnt
 from data group by sn_sort_key,sn,p_day;

优化后

查询语句；保持原来的出参和入参不变，数据能够在200ms以内返回，

sql 查询特点：数量大，且分区跨度大

data 表格数据量在10亿多条，建表语句如下

CREATE TABLE data (
`data_day` Date,
 `flow_type` UInt32 DEFAULT CAST(0,
 'UInt32'),
.....
) ENGINE = ReplicatedMergeTree('/clickhouse/tables/{ck_cluster}/data', '{replica}') PARTITION BY data_day ORDER BY (flow_type, data_day) SETTINGS index_granularity = 8192;

查询语句

select ... from data where data_day = '2020-09-11'

我们观察到查询数据的时候，总是会具体到昨天；而且历史的数据不会再使用；

优化思路：使用clickhouse的TTL，减少表容量，

CREATE TABLE dwrt.lc_order_flow (
`data_day` Date,
 .....
 `flow_type` UInt32 DEFAULT CAST(0,
 'UInt32'),
....
) ENGINE = ReplicatedMergeTree('/clickhouse/tables/{ck_cluster}/data', '{replica}') PARTITION BY data_day ORDER BY (data_day, flow_type) TTL data_day + toIntervalDay(7) SETTINGS index_granularity = 8192;

====================================

ClickHouse 性能优化

似梦似意境 2020-08-12 23:40:52 1075 已收藏 1
分类专栏： # ClickHouse
版权
1. max_table_size_to_drop

此参数在 /etc/clickhouse-server/config.xml 中，应用于需要删除表或分区的情况，默认是50GB，意思是如果删除50GB以上的分区表会失败。建议修改为0，这样不管多大的分区表都可以删除。

2. max_memory_usage

此参数在 /etc/clickhouse-server/config.xml 中,表示单次Query占用内存最大值，超过的话会查询失败。建议尽量调大一些。

3.删除多个节点的同一张表

drop table 表名 on cluster clickhouse集群名称

4.自动数据备份

只有MergeTree系列里的表可支持副本，在表引擎名称上加上Replicated前缀，例如ReplicatedMergeTree。

同时必须配置zookeeper，在/etc/metrika.xml中加入相应配置即可。

5.尽量在ClickHouse少进行Join 操作