Chinaunix首页 | 论坛 | 博客
  • 博客访问: 267819
  • 博文数量: 127
  • 博客积分: 0
  • 博客等级: 民兵
  • 技术积分: 1013
  • 用 户 组: 普通用户
  • 注册时间: 2016-03-11 14:13
  • 认证徽章:
个人简介

狂甩酷拽吊炸天

文章分类

全部博文(127)

文章存档

2019年(25)

2018年(17)

2017年(35)

2016年(50)

分类: LINUX

2019-07-01 20:28:31

下载依赖包
   下载地址:http://repo.red-soft.biz/repos/clickhouse/stable/el6/

安装ClickHouse的依赖及其rpm包
yum -y localinstall *.rpm
yum -y install unixODBC*

如果报错: Error: Package: clickhouse-server-1.1.54236-4.el6.x86_64 (clickhouse) 
Requires: libbfd-2.20.51.0.2-5.44.el6.so()(64bit)
 
解决办法,更换binutils版本为5.44:
 rpm -e binutils-2.20.51.0.2-5.48.el6.x86_64 
wget ftp://ftp.pbone.net/mirror/ftp.scientificlinux.org/linux/scientific/6.8/x86_64/os/Packages/binutils-2.20.51.0.2-5.44.el6.x86_64.rpm 
rpm -iUv binutils-2.20.51.0.2-5.44.el6.x86_64.rpm 


配置clickhouse:

修改主机名: sed -i 's#127.0.0.1#你的主机ip#' /etc/clickhouse-server/config.xml 
 
 
修改端口号: sed -i 's#9000#9099#' /etc/clickhouse-server/config.xml 

修改/etc/clickhouse-server/users.xml配置文件的第83行,改地址改为你当前部署的服务器IP地址,不推荐使用主机名!
 
 
启动clickhouse 
 
clickhouse-server --config-file=/etc/clickhouse-server/config.xml
 
查看启动是否成功: netstat -untalp  | grep 9099 ,如果看到配置的9099端口已经启动,说明已经配置好了
 
 
用客户端链接测试: clickhouse-client  --port=9099


为clickhouse-server添加守护进程:
nohup clickhouse-server --config-file=/etc/clickhouse-server/config.xml >/var/log/clickhouse.log 2>&1 &  


			

Clickhouse是一个用于联机分析处理(OLAP)的列式数据库管理系统(columnar DBMS)。

传统数据库在数据大小比较小,索引大小适合内存,数据缓存命中率足够高的情形下能正常提供服务。但残酷的是,这种理想情形最终会随着业务的增长走到尽头,查询会变得越来越慢。你可能通过增加更多的内存,订购更快的磁盘等等来解决问题(纵向扩展),但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果,那么ClickHouse也许可以解决你的问题。 1.绝大多数请求都是用于读访问的 2.数据需要以大批次(大于1000行)进行更新,而不是单行更新;或者根本没有更新操作 3.数据只是添加到数据库,没有必要修改 4.读取数据时,会从数据库中提取出大量的行,但只用到一小部分列 5.表很“宽”,即表中包含大量的列 6.查询频率相对较低(通常每台服务器每秒查询数百次或更少) 7.对于简单查询,允许大约50毫秒的延迟 8.列的值是比较小的数值和短字符串(例如,每个URL只有60个字节) 9.在处理单个查询时需要高吞吐量(每台服务器每秒高达数十亿行) 10.不需要事务 11.数据一致性要求较低 12.每次查询中只会查询一个大表。除了一个大表,其余都是小表 13.查询结果显著小于数据源。即数据有过滤或聚合。返回结果不超过单个服务器内存大小 2.不支持二级索引 3.有限的SQL支持,join实现与众不同 4.不支持窗口功能 5.元数据管理需要人工干预维护


常用SQL语法
-- 列出数据库列表
show databases;

-- 列出数据库中表列表
show tables;

-- 创建数据库
create database test;

-- 删除一个表
drop table if exists test.t1;

-- 创建第一个表
create /*temporary*/ table /*if not exists*/ test.m1 (
 id UInt16
,name String ) ENGINE = Memory
;
-- 插入测试数据
insert into test.m1 (id, name) values (1, 'abc'), (2, 'bbbb');

-- 查询
select * from test.m1; 
-- 列出数据库列表
show databases; -- 列出数据库中表列表
show tables; -- 创建数据库
create database test; -- 删除一个表
drop table if exists test.t1; -- 创建第一个表
create /*temporary*/ table /*if not exists*/ test.m1 (
id UInt16
,name String ) ENGINE = Memory
;
-- 插入测试数据
insert into test.m1 (id, name) values (1, 'abc'), (2, 'bbbb'); -- 查询
select * from test.m1;


默认值
字符串,空字符串
数组,空数组
日期, 0000-00-00
时间, 0000-00-00 00:00:00
注:NULLs 是不支持的
数据类型
范围U开头-2N/2~2N-1;非U开头0~2^N-1
2.枚举类型:Enum8,Enum16
Enum('hello'=1,'test'=-1),Enum是有符号的整型映射的,因此负数也是可以的
3.字符串型:FixedString(N),String
N是最大字节数,不是字符长度,如果是UTF8字符串,那么就会占3个字节,GBK会占2字节;String可以用来替换VARCHAR,BLOB,CLOB等数据类型
4.时间类型:Date
5.数组类型:Array(T)
T是一个基本类型,包括arry在内,官方不建议使用多维数组
6.元组:Tuple
7.结构:Nested(name1 Type1,name2 Type2,...)
类似一种map的结
物化列
物化列也不会出现在 select * 的结果中:
drop table if exists test.m2;
create table test.m2 (
 a MATERIALIZED (b+1)
,b UInt16
) ENGINE = Memory;
insert into test.m2 (b) values (1);
select * from test.m2;
select a, b from test.m2; 
drop table if exists test.m2;
create table test.m2 (
a MATERIALIZED (b+1)
,b UInt16
) ENGINE = Memory;
insert into test.m2 (b) values (1);
select * from test.m2;
select a, b from test.m2;


表达式列
而表达式列不会保存数据(这样查询时总是需要计算),只是在查询时返回表达式的结果。
create table test.m3 (a ALIAS (b+1), b UInt16) ENGINE = Memory;
insert into test.m3(b) values (1);
select * from test.m3;
select a, b from test.m3; 
create table test.m3 (a ALIAS (b+1), b UInt16) ENGINE = Memory;
insert into test.m3(b) values (1);
select * from test.m3;
select a, b from test.m3;

应用场景:

相应地,使用ClickHouse也有其本身的限制:

1.不支持真正的删除/更新支持 不支持事务(期待后续版本支持)


默认值 的处理方面, ClickHouse 中,默认值总是有的,如果没有显示式指定的话,会按字段类型处理:

数字类型, 0


1.整型:UInt8,UInt16,UInt32,UInt64,Int8,Int16,Int32,Int64


指定 MATERIALIZED 表达式,即将一个列作为物化列处理了,这意味着这个列的值不能从insert 语句获取,只能是自己计算出来的。同时,

ALIAS 表达式列某方面跟物化列相同,就是它的值不能从 insert 语句获取。不同的是, 物化列 是会真正保存数据(这样查询时不需要再计算),

引擎/engine


引擎是clickhouse设计的精华部分

TinyLog

最简单的一种引擎,每一列保存为一个文件,里面的内容是压缩过的,不支持索引
这种引擎没有并发控制,所以,当你需要在读,又在写时,读会出错。并发写,内容都会坏掉。

应用场景:
a. 基本上就是那种只写一次
b. 然后就是只读的场景。
c. 不适用于处理量大的数据,官方推荐,使用这种引擎的表最多 100 万行的数据

drop table if exists test.tinylog; create table test.tinylog (a UInt16, b UInt16) ENGINE = TinyLog; insert into test.tinylog(a,b) values (7,13); 

此时/var/lib/clickhouse/data/test/tinylog保存数据的目录结构:

├── a.bin ├── b.bin └── sizes.json 

a.bin 和 b.bin 是压缩过的对应的列的数据, sizes.json 中记录了每个 *.bin 文件的大小


Log

这种引擎跟 TinyLog 基本一致
它的改进点,是加了一个 __marks.mrk 文件,里面记录了每个数据块的偏移
这样做的一个用处,就是可以准确地切分读的范围,从而使用并发读取成为可能
但是,它是不能支持并发写的,一个写操作会阻塞其它读写操作
Log 不支持索引,同时因为有一个 __marks.mrk 的冗余数据,所以在写入数据时,一旦出现问题,这个表就废了

应用场景:
同 TinyLog 差不多,它适用的场景也是那种写一次之后,后面就是只读的场景,临时数据用它保存也可以

drop table if exists test.log; create table test.log (a UInt16, b UInt16) ENGINE = Log; insert into test.log(a,b) values (7,13); 

此时/var/lib/clickhouse/data/test/log保存数据的目录结构:

├── __marks.mrk ├── a.bin ├── b.bin └── sizes.json 


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
可以并行读,读写互斥锁的时间也非常短
不支持索引,简单查询下有非常非常高的性能表现

应用场景:
a. 进行测试
b. 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


Merge

一个工具引擎,本身不保存数据,只用于把指定库中的指定多个表链在一起。
这样,读取操作可以并发执行,同时也可以利用原表的索引,但是,此引擎不支持写操作
指定引擎的同时,需要指定要链接的库及表,库名可以使用一个表达式,表名可以使用正则表达式指定

create table test.tinylog1 (id UInt16, name String) ENGINE=TinyLog;
create table test.tinylog2 (id UInt16, name String) ENGINE=TinyLog;
create table test.tinylog3 (id UInt16, name String) ENGINE=TinyLog;

insert into test.tinylog1(id, name) values (1, 'tinylog1');
insert into test.tinylog2(id, name) values (2, 'tinylog2');
insert into test.tinylog3(id, name) values (3, 'tinylog3');

use test;
create table test.merge (id UInt16, name String) ENGINE=Merge(currentDatabase(), '^tinylog[0-9]+');
select _table,* from test.merge order by id desc 

┌─_table───┬─id─┬─name─────┐
│ tinylog3 │ 3 │ tinylog3 │
│ tinylog2 │ 2 │ tinylog2 │
│ tinylog1 │ 1 │ tinylog1 │
└──────────┴────┴──────────┘

注:_table 这个列,是因为使用了 Merge 多出来的一个的一个虚拟列

a. 它表示原始数据的来源表,它不会出现在 show table 的结果当中
b. select * 不会包含它


Distributed

与 Merge 类似, Distributed 也是通过一个逻辑表,去访问各个物理表,设置引擎时的样子是:

Distributed(remote_group, database, table [, sharding_key]) 

其中:

remote_group /etc/clickhouse-server/config.xml中remote_servers参数
database 是各服务器中的库名
table 是表名
sharding_key 是一个寻址表达式,可以是一个列名,也可以是像 rand() 之类的函数调用,它与 remote_servers 中的 weight 共同作用,决定在 写 时往哪个 shard 写

配置文件中的 remote_servers

<remote_servers> <log> <shard> <weight>1weight> <internal_replication>falseinternal_replication> <replica> <host>172.17.0.3host> <port>9000port> replica> shard> <shard> <weight>2weight> <internal_replication>falseinternal_replication> <replica> <host>172.17.0.4host> <port>9000port> replica> shard> log> remote_servers> 

log 是某个 shard 组的名字,就是上面的 remote_group 的值
shard 是固定标签
weight 是权重,前面说的 sharding_key 与这个有关。
简单来说,上面的配置,理论上来看:
第一个 shard “被选中”的概率是 1 / (1 + 2) ,第二个是 2 / (1 + 2) ,这很容易理解。但是, sharding_key 的工作情况,是按实际数字的“命中区间”算的,即第一个的区间是 [0, 1) 的周期,第二个区间是 [1, 1+2) 的周期。比如把 sharding_key 设置成 id ,当 id=0 或 id=3 时,一定是写入到第一个 shard 中,如果把 sharding_key 设置成 rand() ,那系统会对应地自己作一般化转换吧,这种时候就是一种概率场景了。
internal_replication 是定义针对多个 replica 时的写入行为的。
如果为 false ,则会往所有的 replica 中写入数据,但是并不保证数据写入的一致性,所以这种情况时间一长,各 replica 的数据很可能出现差异。如果为 true ,则只会往第一个可写的 replica 中写入数据(剩下的事“物理表”自己处理)。
replica 就是定义各个冗余副本的,选项有 host , port , user , password 等

看一个实际的例子,我们先在两台机器上创建好物理表并插入一些测试数据:

create table test.tinylog_d1(id UInt16, name String) ENGINE=TinyLog; insert into test.tinylog_d1(id, name) values (1, 'Distributed record 1'); insert into test.tinylog_d1(id, name) values (2, 'Distributed record 2'); 

在其中一台创建逻辑表:

create table test.tinylog_d (id UInt16, name String) ENGINE=Distributed(log, test,tinylog_d1 , id); -- 插入数据到逻辑表,观察数据分发情况 insert into test.tinylog_d(id, name) values (0, 'main'); insert into test.tinylog_d(id, name) values (1, 'main'); insert into test.tinylog_d(id, name) values (2, 'main'); select name,sum(id),count(id) from test.tinylog_d group by name; 

注:逻辑表中的写入操作是异步的,会先缓存在本机的文件系统上,并且,对于物理表的不可访问状态,并没有严格控制,所以写入失败丢数据的情况是可能发生的


Null

空引擎,写入的任何数据都会被忽略,读取的结果一定是空。

但是注意,虽然数据本身不会被存储,但是结构上的和数据格式上的约束还是跟普通表一样是存在的,同时,你也可以在这个引擎上创建视图


Buffer

1.Buffer 引擎,像是Memory 存储的一个上层应用似的(磁盘上也是没有相应目录的)
2.它的行为是一个缓冲区,写入的数据先被放在缓冲区,达到一个阈值后,这些数据会自动被写到指定的另一个表中
3.和Memory 一样,有很多的限制,比如没有索引
4.Buffer 是接在其它表前面的一层,对它的读操作,也会自动应用到后面表,但是因为前面说到的限制的原因,一般我们读数据,就直接从源表读就好了,缓冲区的这点数据延迟,只要配置得当,影响不大的
5.Buffer 后面也可以不接任何表,这样的话,当数据达到阈值,就会被丢弃掉

一些特点:

  • 如果一次写入的数据太大或太多,超过了 max 条件,则会直接写入源表。
  • 删源表或改源表的时候,建议 Buffer 表删了重建。
  • “友好重启”时, Buffer 数据会先落到源表,“暴力重启”, Buffer 表中的数据会丢失。
  • 即使使用了 Buffer ,多次的小数据写入,对比一次大数据写入,也 慢得多 (几千行与百万行的差距)
-- 创建源表 create table test.mergetree (sdt Date, id UInt16, name String, point UInt16) ENGINE=MergeTree(sdt, (id, name), 10); -- 创建 Buffer表 -- Buffer(database, table, num_layers, min_time, max_time, min_rows, max_rows, min_bytes, max_bytes) create table test.mergetree_buffer as test.mergetree ENGINE=Buffer(test, mergetree, 16, 3, 20, 2, 10, 1, 10000); insert into test.mergetree (sdt, id, name, point) values ('2017-07-10', 1, 'a', 20); insert into test.mergetree_buffer (sdt, id, name, point) values ('2017-07-10', 1, 'b', 10); select * from test.mergetree; select '------'; select * from test.mergetree_buffer; 

database 数据库
table 源表,这里除了字符串常量,也可以使用变量的。
num_layers 是类似“分区”的概念,每个分区的后面的 min / max 是独立计算的,官方推荐的值是 16 。
min / max 这组配置荐,就是设置阈值的,分别是 时间(秒),行数,空间(字节)。

阈值的规则: 是“所有的 min 条件都满足, 或 至少一个 max 条件满足”。

如果按上面我们的建表来说,所有的 min 条件就是:过了 3秒,2条数据,1 Byte。一个 max 条件是:20秒,或 10 条数据,或有 10K


Set

Set 这个引擎有点特殊,因为它只用在 IN 操作符右侧,你不能对它 select

create table test.set(id UInt16, name String) ENGINE=Set; insert into test.set(id, name) values (1, 'hello'); -- select 1 where (1, 'hello') in test.set; -- 默认UInt8 需要手动进行类型转换 select 1 where (toUInt16(1), 'hello') in test.set; 

注: Set 引擎表,是全内存运行的,但是相关数据会落到磁盘上保存,启动时会加载到内存中。所以,意外中断或暴力重启,是可能产生数据丢失问题的


Join

TODO


MergeTree

这个引擎是 ClickHouse 的重头戏,它支持一个日期和一组主键的两层式索引,还可以实时更新数据。同时,索引的粒度可以自定义,外加直接支持采样功能

MergeTree(EventDate, (CounterID, EventDate), 8192)
MergeTree(EventDate, intHash32(UserID), (CounterID, EventDate, intHash32(UserID)), 8192) 

EventDate 一个日期的列名
intHash32(UserID) 采样表达式
(CounterID, EventDate) 主键组(里面除了列名,也支持表达式),也可以是一个表达式
8192 主键索引的粒度

drop table if exists test.mergetree1; create table test.mergetree1 (sdt Date, id UInt16, name String, cnt UInt16) ENGINE=MergeTree(sdt, (id, name), 10); -- 日期的格式,好像必须是 yyyy-mm-dd insert into test.mergetree1(sdt, id, name, cnt) values ('2018-06-01', 1, 'aaa', 10); insert into test.mergetree1(sdt, id, name, cnt) values ('2018-06-02', 4, 'bbb', 10); insert into test.mergetree1(sdt, id, name, cnt) values ('2018-06-03', 5, 'ccc', 11); 

此时/var/lib/clickhouse/data/test/mergetree1的目录结构:

├── 20180601_20180601_1_1_0
│   ├── checksums.txt │   ├── columns.txt │   ├── id.bin │   ├── id.mrk │   ├── name.bin │   ├── name.mrk │   ├── cnt.bin │   ├── cnt.mrk │   ├── cnt.idx │   ├── primary.idx │   ├── sdt.bin │   └── sdt.mrk -- 保存一下块偏移量
├── 20180602_20180602_2_2_0
│   └── ...
├── 20180603_20180603_3_3_0
│   └── ...
├── format_version.txt └── detached 
ReplacingMergeTree

1.在 MergeTree 的基础上,添加了“处理重复数据”的功能=>实时数据场景
2.相比 MergeTree ,ReplacingMergeTree 在最后加一个"版本列",它跟时间列配合一起,用以区分哪条数据是"新的",并把旧的丢掉(这个过程是在 merge 时处理,不是数据写入时就处理了的,平时重复的数据还是保存着的,并且查也是跟平常一样会查出来的)
3.主键列组用于区分重复的行

-- 版本列 允许的类型是, UInt 一族的整数,或 Date 或 DateTime create table test.replacingmergetree (sdt Date, id UInt16, name String, cnt UInt16) ENGINE=ReplacingMergeTree(sdt, (name), 10, cnt); insert into test.replacingmergetree (sdt, id, name, cnt) values ('2018-06-10', 1, 'a', 20); insert into test.replacingmergetree (sdt, id, name, cnt) values ('2018-06-10', 1, 'a', 30); insert into test.replacingmergetree (sdt, id, name, cnt) values ('2018-06-11', 1, 'a', 20); insert into test.replacingmergetree (sdt, id, name, cnt) values ('2018-06-11', 1, 'a', 30); insert into test.replacingmergetree (sdt, id, name, cnt) values ('2018-06-11', 1, 'a', 10); select * from test.replacingmergetree; -- 如果记录未执行merge,可以手动触发一下 merge 行为 optimize table test.replacingmergetree; 

┌────────sdt─┬─id─┬─name─┬─cnt─┐
│ 2018-06-11 │ 1 │ a │ 30 │
└────────────┴────┴──────┴─────┘


SummingMergeTree

1.SummingMergeTree 就是在 merge 阶段把数据sum求和
2.sum求和的列可以指定,不可加的未指定列,会取一个最先出现的值

create table test.summingmergetree (sdt Date, name String, a UInt16, b UInt16) ENGINE=SummingMergeTree(sdt, (sdt, name), 8192, (a)); insert into test.summingmergetree (sdt, name, a, b) values ('2018-06-10', 'a', 1, 20); insert into test.summingmergetree (sdt, name, a, b) values ('2018-06-10', 'b', 2, 11); insert into test.summingmergetree (sdt, name, a, b) values ('2018-06-11', 'b', 3, 18); insert into test.summingmergetree (sdt, name, a, b) values ('2018-06-11', 'b', 3, 82); insert into test.summingmergetree (sdt, name, a, b) values ('2018-06-11', 'a', 3, 11); insert into test.summingmergetree (sdt, name, a, b) values ('2018-06-12', 'c', 1, 35); -- 手动触发一下 merge 行为 optimize table test.summingmergetree; select * from test.summingmergetree; 

┌────────sdt─┬─name─┬─a─┬──b─┐
│ 2018-06-10 │ a │ 1 │ 20 │
│ 2018-06-10 │ b │ 2 │ 11 │
│ 2018-06-11 │ a │ 3 │ 11 │
│ 2018-06-11 │ b │ 6 │ 18 │
│ 2018-06-12 │ c │ 1 │ 35 │
└────────────┴──────┴───┴────┘
注: 可加列不能是主键中的列,并且如果某行数据可加列都是 null ,则这行会被删除


AggregatingMergeTree

AggregatingMergeTree 是在 MergeTree 基础之上,针对聚合函数结果,作增量计算优化的一个设计,它会在 merge 时,针对主键预处理聚合的数据
应用于AggregatingMergeTree 上的聚合函数除了普通的 sum, uniq等,还有 sumState , uniqState ,及 sumMerge , uniqMerge 这两组

1.聚合数据的预计算
是一种“空间换时间”的权衡,并且是以减少维度为代价的

dim1 dim2 dim3 measure1
aaaa a 1 1
aaaa b 2 1
bbbb b 3 1
cccc b 2 1
cccc c 1 1
dddd c 2 1
dddd a 1 1

假设原始有三个维度,一个需要 count 的指标

dim1 dim2 dim3 measure1
aaaa a 1 1
aaaa b 2 1
bbbb b 3 1
cccc b 2 1
cccc c 1 1
dddd c 2 1
dddd a 1 1

通过减少一个维度的方式,来以 count 函数聚合一次 M

dim2 dim3 count(measure1)
a 1 3
b 2 2
b 3 1
c 1 1
c 2 1

2.聚合数据的增量计算

对于 AggregatingMergeTree 引擎的表,不能使用普通的 INSERT 去添加数据,可以用:
a. INSERT SELECT 来插入数据
b. 更常用的,是可以创建一个物化视图

drop table if exists test.aggregatingmergetree; create table test.aggregatingmergetree(
sdt Date , dim1 String , dim2 String , dim3 String , measure1 UInt64
) ENGINE=MergeTree(sdt, (sdt, dim1, dim2, dim3), 8192); -- 创建一个物化视图,使用 AggregatingMergeTree drop table if exists test.aggregatingmergetree_view; create materialized view test.aggregatingmergetree_view ENGINE = AggregatingMergeTree(sdt,(dim2, dim3), 8192) as select sdt,dim2, dim3, uniqState(dim1) as uv from test.aggregatingmergetree group by sdt,dim2, dim3; insert into test.aggregatingmergetree (sdt, dim1, dim2, dim3, measure1) values ('2018-06-10', 'aaaa', 'a', '10', 1); insert into test.aggregatingmergetree (sdt, dim1, dim2, dim3, measure1) values ('2018-06-10', 'aaaa', 'a', '10', 1); insert into test.aggregatingmergetree (sdt, dim1, dim2, dim3, measure1) values ('2018-06-10', 'aaaa', 'b', '20', 1); insert into test.aggregatingmergetree (sdt, dim1, dim2, dim3, measure1) values ('2018-06-10', 'bbbb', 'b', '30', 1); insert into test.aggregatingmergetree (sdt, dim1, dim2, dim3, measure1) values ('2018-06-10', 'cccc', 'b', '20', 1); insert into test.aggregatingmergetree (sdt, dim1, dim2, dim3, measure1) values ('2018-06-10', 'cccc', 'c', '10', 1); insert into test.aggregatingmergetree (sdt, dim1, dim2, dim3, measure1) values ('2018-06-10', 'dddd', 'c', '20', 1); insert into test.aggregatingmergetree (sdt, dim1, dim2, dim3, measure1) values ('2018-06-10', 'dddd', 'a', '10', 1); -- 按 dim2 和 dim3 聚合 count(measure1) select dim2, dim3, count(measure1) from test.aggregatingmergetree group by dim2, dim3; -- 按 dim2 聚合 UV select dim2, uniq(dim1) from test.aggregatingmergetree group by dim2; -- 手动触发merge OPTIMIZE TABLE test.aggregatingmergetree_view; select * from test.aggregatingmergetree_view; -- 查 dim2 的 uv select dim2, uniqMerge(uv) from test.aggregatingmergetree_view group by dim2 order by dim2; 
CollapsingMergeTree

是专门为 OLAP 场景下,一种“变通”存数做法而设计的,在数据是不能改,更不能删的前提下,通过“运算”的方式,去抹掉旧数据的影响,把旧数据“减”去即可,从而解决"最终状态"类的问题,比如 当前有多少人在线?

“以加代删”的增量存储方式,带来了聚合计算方便的好处,代价却是存储空间的翻倍,并且,对于只关心最新状态的场景,中间数据都是无用的

CollapsingMergeTree 在创建时与 MergeTree 基本一样,除了最后多了一个参数,需要指定 Sign 位(必须是 Int8 类型)

create table test.collapsingmergetree(sign Int8, sdt Date, name String, cnt UInt16) ENGINE=CollapsingMergeTree(sdt, (sdt, name), 8192, sign); 


阅读(300) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~
评论热议
请登录后评论。

登录 注册