大数据ClickHouse（八）：MergeTree系列表引擎之MergeTree（重点掌握）

MergeTree系列表引擎之MergeTree

前言

在所有的表引擎中，最为核心的当属MergeTree系列表引擎，这些表引擎拥有最为强大的性能和最广泛的使用场合。对于非MergeTree系列的其他引擎而言，主要用于特殊用途，场景相对有限。而MergeTree系列表引擎是官方主推的存储引擎，有主键索引、数据分区、数据副本、数据采样、删除和修改等功能，支持几乎所有ClickHouse核心功能。

MergeTree系列表引擎包含：MergeTree、ReplacingMergeTree、SummingMergeTree（汇总求和功能）、AggregatingMergeTree（聚合功能）、CollapsingMergeTree（折叠删除功能）、VersionedCollapsingMergeTree（版本折叠功能）引擎，在这些的基础上还可以叠加Replicated和Distributed。

一、MergeTree深入讲解

MergeTree在写入一批数据时，数据总会以数据片段的形式写入磁盘，且数据片段在磁盘上不可修改。为了避免片段过多，ClickHouse会通过后台线程，定期合并这些数据片段，属于相同分区的数据片段会被合成一个新的片段。这种数据片段往复合并的特点，也正是合并树名称的由来。

MergeTree作为家族系列最基础的表引擎，主要有以下特点：

• 存储的数据按照主键排序：创建稀疏索引加快数据查询速度。
• 支持数据分区，可以通过PARTITION BY语句指定分区字段。
• 支持数据副本。
• 支持数据采样。

MergeTree建表语句：

代码语言：javascript复制

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
    name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1] [TTL expr1],
    name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2] [TTL expr2],
    ...
    INDEX index_name1 expr1 TYPE type1(...) GRANULARITY value1,
    INDEX index_name2 expr2 TYPE type2(...) GRANULARITY value2
) ENGINE = MergeTree()
ORDER BY expr
[PARTITION BY expr]
[PRIMARY KEY expr]
[SAMPLE BY expr]
[TTL expr [DELETE|TO DISK 'xxx'|TO VOLUME 'xxx'], ...]
[SETTINGS name=value, ...]

关于以上建表语句的解释如下：

• ENGINE：ENGINE = MergeTree()，MergeTree引擎没有参数。
• ORDER BY：排序字段。比如ORDER BY (Col1, Col2)，值得注意的是，如果没有使用 PRIMARY KEY 显式的指定主键ORDER BY排序字段自动作为主键。如果不需要排序，则可以使用 ORDER BY tuple() 语法，这样的话，创建的表也就不包含主键。这种情况下，ClickHouse会按照插入的顺序存储数据。必选项。
• PARTITION BY：分区字段，例如要按月分区，可以使用表达式 toYYYYMM(date_column)，这里的date_column是一个Date类型的列，分区名的格式会是"YYYYMM"。可选。
• PRIMARY KEY：指定主键，如果排序字段与主键不一致，可以单独指定主键字段。否则默认主键是排序字段。大部分情况下不需要再专门指定一个 PRIMARY KEY 子句，注意，在MergeTree中主键并不用于去重，而是用于索引，加快查询速度。可选。另外，如果指定了PRIMARY KEY与排序字段不一致，要保证PRIMARY KEY 指定的主键是ORDER BY 指定字段的前缀，比如： --允许 ... ... ORDER BY (A,B,C) PRIMARY KEY A --报错 ... ... ORDER BY (A,B,C) PRIMARY KEY B DB::Exception: Primary key must be a prefix of the sorting key

这种强制约束保障了即便在两者定义不同的情况下，主键仍然是排序键的前缀，不会出现索引与数据顺序混乱的问题。

• SAMPLE BY：采样字段，如果指定了该字段，那么主键中也必须包含该字段。比如 SAMPLE BY intHash32(UserID) ORDER BY (CounterID, EventDate, intHash32(UserID))。可选。
• TTL：数据的存活时间。在MergeTree中，可以为某个列字段或整张表设置TTL。当时间到达时，如果是列字段级别的TTL，则会删除这一列的数据；如果是表级别的TTL，则会删除整张表的数据。可选。
• SETTINGS：额外的参数配置。可选。

示例：

代码语言：javascript复制

#在库 newdb中创建表  t_mt ,使用MergeTree引擎
node1 :) create table t_mt(
:-]  id UInt8,
:-]  name String,
:-]  age UInt8,
:-]  birthday Date,
:-]  location String
:-] ) engine = MergeTree()
:-] order by (id,age)
:-] partition by toYYYYMM(birthday);

#向表中插入数据
node1 :) insert into t_mt values (1,'张三',18,'2021-06-01','上海'),
:-] (2,'李四',19,'2021-02-10','北京'),
:-] (3,'王五',12,'2021-06-01','天津'),
:-] (1,'马六',10,'2021-06-18','上海'),
:-] (5,'田七',22,'2021-02-09','广州');

#查看表中的数据
node1 :) select * from t_mt;

SELECT *
FROM t_mt
┌─id─┬─name─┬─age─┬───birthday─┬─location─┐
│  1 │ 马六    │  10  │ 2021-06-18  │ 上海 │
│  1 │ 张三    │  18  │ 2021-06-01  │ 上海 │
│  3 │ 王五    │  12  │ 2021-06-01  │ 天津 │
└────┴─────────┴─────┴──────────┴─────────┘
┌─id─┬─name─┬─age─┬───birthday─┬─location─┐
│  2 │ 李四 │  19 │ 2021-02-10  │ 北京     │
│  5 │ 田七 │  22 │ 2021-02-09  │ 广州     │
└────┴──────┴─────┴────────────┴──────────┘
5 rows in set. Elapsed: 0.006 sec. 

继续向表 t_mt中插入以下数据条目：

代码语言：javascript复制

#向表t_mt中继续插入以下数据
node1 :) insert into t_mt values (1,'赵八',11,'2021-06-08','北京'),
:-] (2,'李九',19,'2021-02-10','天津'),
:-] (3,'郑十',12,'2021-07-01','北京');

#继续查询表 t_mt中的数据
node1 :) select * from t_mt;

SELECT *
FROM t_mt
┌─id─┬─name─┬─age─┬───birthday─┬─location─┐
│  1 │ 马六 │  10 │ 2021-06-18 │ 上海      │
│  1 │ 张三 │  18 │ 2021-06-01 │ 上海      │
│  3 │ 王五 │  12 │ 2021-06-01 │ 天津      │
└────┴──────┴─────┴────────────┴──────────┘
┌─id─┬─name─┬─age─┬───birthday─┬─location─┐
│  2 │ 李四 │  19 │ 2021-02-10 │ 北京      │
│  5 │ 田七 │  22 │ 2021-02-09 │ 广州      │
└────┴──────┴─────┴────────────┴──────────┘
┌─id─┬─name─┬─age─┬───birthday─┬─location─┐
│  1 │ 赵八 │  11 │ 2021-06-08 │ 北京      │
│  7 │ 郑十 │  17 │ 2021-06-01 │ 北京      │
└────┴──────┴─────┴────────────┴──────────┘
┌─id─┬─name─┬─age─┬───birthday─┬─location─┐
│  6 │ 李九 │  19 │ 2021-02-10 │ 天津      │
└────┴──────┴─────┴────────────┴──────────┘
8 rows in set. Elapsed: 0.008 sec. 

可以看到新插入的数据新生成了数据块，实际上这里在底层对应新的分区文件片段，那么为什么新插入的数据没有根据日期和之前的数据放入同一个分区文件呢？MergeTree引擎会在插入数据15分钟左右，将同一个分区的各个分区文件片段合并成一整个分区文件。这里也可以手动执行OPTIMIZE 语句手动触发合并。

示例：

代码语言：javascript复制

#手动触发表t_mt 的分区合并
node1 :) optimize table t_mt partition '202102';
node1 :) optimize table t_mt partition '202106'; 
注意：以上optimize 操作，也可以直接写 optimize table t_mt, 每次执行合并一个分区，如果有多个分区需要执行多次。如果想一次合并所有分区，也可以写成 optimize table t_mt final;

#查看表 t_mt表中的数据，按照相同的分区进行了合并。
node1 :) select * from t_mt;

SELECT *
FROM t_mt
┌─id─┬─name─┬─age─┬───birthday─┬─location─┐
│  1 │ 马六  │  10 │ 2021-06-18 │ 上海     │
│  1 │ 赵八  │  11 │ 2021-06-08 │ 北京     │
│  1 │ 张三  │  18 │ 2021-06-01 │ 上海     │
│  3 │ 王五  │  12 │ 2021-06-01 │ 天津     │
│  7 │ 郑十  │  17 │ 2021-06-01 │ 北京     │
└────┴──────┴─────┴────────────┴──────────┘
┌─id─┬─name─┬─age─┬───birthday─┬─location─┐
│  2 │ 李四  │  19 │ 2021-02-10 │ 北京     │
│  5 │ 田七  │  22 │ 2021-02-09 │ 广州     │
│  6 │ 李九  │  19 │ 2021-02-10 │ 天津     │
└────┴──────┴─────┴────────────┴──────────┘
8 rows in set. Elapsed: 0.004 sec. 

注意：MergeTree引擎表中主键并不用于去重，而是用于索引，加快查询速度。

二、MergeTree引擎表目录解析

下面我们介绍下MergeTree引擎表 t_mt对应到磁盘的数据目录，为了方便从零开始了解，这里我们删除t_mt表，重新创建t_mt表，并插入数据，执行命令如下：

代码语言：javascript复制

#删除表 t_mt,重新创建表t_mt,并加载数据
node1 :) drop table t_mt;

node1 :)create table t_mt(  id UInt8,  name String,  age UInt8,  birthday Date,  location String ) engine = MergeTree() order by (id,age) partition by toYYYYMM(birthday);

node1 :) insert into t_mt values (1,'张三',18,'2021-06-01','上海'), (2,'李四',19,'2021-02-10','北京'), (3,'王五',12,'2021-06-01','天津'), (1,'马六',10,'2021-06-18','上海'), (5,'田七',22,'2021-02-09','广州');

以上创建好表t_mt，当插入数据完成后，在clickhouse节点/var/lib/clickhouse/data/newdb/路径下会生成对应目录“t_mt”,进入此目录下，可以看到对应的分区目录，如图示：

以上分区目录也可以在系统表“system.parts”中查询得到：

代码语言：javascript复制

#在系统表 system.part中查询表 t_mt的分区信息：
node1 :) select table ,partition ,name ,active from system.parts where table = 't_mt';

以上表各列的解释如下：

• table代表当前表。
• partition是当前表的分区名称。
• name是对应到磁盘上数据所在的分区目录片段。例如“202102_2_2_0”中“202102”是分区名称，“2”是数据块的最小编号，“2”是数据块的最大编号，“0”代表该块在MergeTree中第几次合并得到。
• active代表当前分区片段的状态：1代表激活状态，0代表非激活状态，非激活片段是那些在合并到较大片段之后剩余的源数据片段，损坏的数据片段也表示为非活动状态。非激活片段会在合并后的10分钟左右被删除。

进入到某一个分区目录片段“202102_2_2_0”中，我们可以看到如下目录：

对以上目录的解释如下：

• checksums.txt：校验文件，使用二进制格式存储。它保存了余下各类文件(primary. idx、count.txt等)的size大小及size的哈希值，用于快速校验文件的完整性和正确性。
• columns.txt： 存储当前分区所有列信息。使用明文格式存储。

代码语言：javascript复制

[root@node1 202102_2_2_0]# cat columns.txt 
columns format version: 1
5 columns:
`id` UInt8
`name` String
`age` UInt8
`birthday` Date
`location` String

• count.txt：计数文件，使用明文格式存储。用于记录当前数据分区目录下数据的总行数。

代码语言：javascript复制

[root@node1 202102_2_2_0]# cat count.txt 
2

• primary.idx：一级索引文件，使用二进制格式存储。用于存放稀疏索引，一张MergeTree表只能声明一次一级索引，即通过ORDER BY或者PRIMARY KEY指定字段。借助稀疏索引，在数据查询的时能够排除主键条件范围之外的数据文件，从而有效减少数据扫描范围，加速查询速度。
• 列.bin：数据文件，使用压缩格式存储，默认为LZ4压缩格式，用于存储某一列的数据。由于MergeTree采用列式存储，所以每一个列字段都拥有独立的.bin数据文件，并以列字段名称命名。
• 列.mrk2：列字段标记文件，使用二进制格式存储。标记文件中保存了.bin文件中数据的偏移量信息
• partition.dat与minmax_Column.idx：如果指定了分区键，则会额外生成partition.dat与minmax索引文件，它们均使用二进制格式存储。partition.dat用于保存当前分区下分区表达式最终生成的值，即分区字段值；而minmax索引用于记录当前分区下分区字段对应原始数据的最小和最大值。比如当使用birthday字段对应的原始数据为2021-02-17、2021-02-23，分区表达式为PARTITION BY toYYYYMM(birthday)，即按月分区。partition.dat中保存的值将会是202102，而minmax索引中保存的值将会是2021-02-17、2021-02-23。

ClickHouse MergeTree引擎表支持分区，索引，修改，并发查询数据，当查询MergeTree表数据时，首先向primary.idx文件中获取对应的索引，根据索引找到【列.mrk2】文件获取对应的数据块偏移量，然后再根据偏移量从【列.bin】文件中读取块数据。

三、MergeTree引擎表设置分区

给表设置分区可以在查询过程中跳过不需要的数据目录，提升查询效率。在ClickHouse中并不是所有的表都支持分区，目前只有MergeTree家族系列的表引擎才支持数据分区。

通过前面的学习，我们知道向MergeTree分区表中每次插入数据时，每次都会生成对应的分区片段，不会立刻合并相同分区的数据，需要等待15分钟左右，ClickHouse会自动合并相同的分区片段，并删除合并之前的源数据片段，当然这里我们也可以手动执行OPTIMIZE 语句手动触发合并分区表中的分区片段。通过下面案例来学习分区表中分区片段合并的规则。

代码语言：javascript复制

#创建表 login_info ,设置MergeTree引擎
node1 :) create table login_info(
:-]  id UInt8,
:-]  name String,
:-]  log_time Date
:-] ) engine = MergeTree()
:-] order by (id)
:-] partition by toYYYYMM(log_time);

#向表 login_info中插入以下数据
node1 :) insert into login_info values (1,'zs','2021-06-01'),
:-] (2,'ls','2021-06-01'),
:-] (3,'ww','2021-07-01'),
:-] (4,'ml','2021-07-01');

#查看表 login_info 中数据
node1 :) select * from login_info;

SELECT *
FROM login_info
┌─id─┬─name─┬───log_time─┐
│  3 │ ww   │ 2021-07-01 │
│  4 │ ml   │ 2021-07-01 │
└────┴──────┴────────────┘
┌─id─┬─name─┬───log_time─┐
│  1 │ zs   │ 2021-06-01 │
│  2 │ ls   │ 2021-06-01 │
└────┴──────┴────────────┘
4 rows in set. Elapsed: 0.008 sec.

经过以上步骤，在clickhouse节点上查看表login_info数据目录/var/lib/clickhouse/data/newdb/login_info，如下图示：

继续向表 login_info中插入以下数据：

代码语言：javascript复制

#继续向表login_info中插入以下数据
node1 :) insert into login_info values (5,'zs1','2021-06-01'),
:-] (6,'ls1','2021-06-01'),
:-] (7,'ww1','2021-07-01'),
:-] (8,'ml1','2021-07-01');

#查看表 login_info数据
node1 :) select * from login_info;

SELECT *
FROM login_info
┌─id─┬─name─┬───log_time─┐
│  3 │ ww   │ 2021-07-01 │
│  4 │ ml   │ 2021-07-01 │
└────┴──────┴────────────┘
┌─id─┬─name─┬───log_time─┐
│  1 │ zs   │ 2021-06-01 │
│  2 │ ls   │ 2021-06-01 │
└────┴──────┴────────────┘
┌─id─┬─name─┬───log_time─┐
│  5 │ zs1  │ 2021-06-01 │
│  6 │ ls1  │ 2021-06-01 │
└────┴──────┴────────────┘
┌─id─┬─name─┬───log_time─┐
│  7 │ ww1  │ 2021-07-01 │
│  8 │ ml1  │ 2021-07-01 │
└────┴──────┴────────────┘
8 rows in set. Elapsed: 0.006 sec. 

通过插入数据之后再次查询发现，相同分区的数据展示在不同的数据块中。在clickhouse节点上再次查看表login_info数据目录/var/lib/clickhouse/data/newdb/login_info，如下图示：

“202106_3_3_0”为例，“202006”为分区，“3”代表数据块的最小编号，“3”代表数据块的最大编号，“0”代表合并的第几次（合并树中块的级别）。

手动执行OPTIMIZE 语句手动触发合并分区表中的分区片段:

代码语言：javascript复制

#执行如下命令，手动合并分区片段
node1 :) optimize table login_info partition '202106' ;
node1 :) optimize table login_info partition '202107' ;

#查看表 login_info中的数据：
node1 :) select * from login_info;

SELECT *
FROM login_info
┌─id─┬─name─┬───log_time─┐
│  3 │ ww   │ 2021-07-01 │
│  4 │ ml   │ 2021-07-01 │
│  7 │ ww1  │ 2021-07-01 │
│  8 │ ml1  │ 2021-07-01 │
└────┴──────┴────────────┘
┌─id─┬─name─┬───log_time─┐
│  1 │ zs   │ 2021-06-01 │
│  2 │ ls   │ 2021-06-01 │
│  5 │ zs1  │ 2021-06-01 │
│  6 │ ls1  │ 2021-06-01 │
└────┴──────┴────────────┘
8 rows in set. Elapsed: 0.006 sec. 

通过合并分区片段之后，在clickhouse节点上再次查看表login_info数据目录/var/lib/clickhouse/data/newdb/login_info，如下图示：

经过一段时间再次查询当前目录数据，只剩余合并最后的两个分区片段，如下图所示：

MergeTree分区表合并分区规则如下：获取相同分区片段中最小编号和最大编号，组合成新的分区片段，同时修改合并的次数（合并树中块的级别），合并示意图如下：

继续向表login_info中插入数据：

代码语言：javascript复制

#继续向表login_info中插入以下数据
node1 :) insert into login_info values (9,'zs1','2021-06-01'),
:-] (10,'ls1','2021-06-01'),
:-] (11,'ww1','2021-07-01'),
:-] (12,'ml1','2021-07-01');

#查看表 login_info数据
node1 :) select * from login_info;
SELECT *
FROM login_info
┌─id─┬─name─┬───log_time─┐
│  3 │ ww   │ 2021-07-01 │
│  4 │ ml   │ 2021-07-01 │
│  7 │ ww1  │ 2021-07-01 │
│  8 │ ml1  │ 2021-07-01 │
└────┴──────┴────────────┘
┌─id─┬─name─┬───log_time─┐
│ 11 │ ww1  │ 2021-07-01 │
│ 12 │ ml1  │ 2021-07-01 │
└────┴──────┴────────────┘
┌─id─┬─name─┬───log_time─┐
│  1 │ zs   │ 2021-06-01 │
│  2 │ ls   │ 2021-06-01 │
│  5 │ zs1  │ 2021-06-01 │
│  6 │ ls1  │ 2021-06-01 │
└────┴──────┴────────────┘
┌─id─┬─name─┬───log_time─┐
│  9 │ zs1  │ 2021-06-01 │
│ 10 │ ls1  │ 2021-06-01 │
└────┴──────┴────────────┘
12 rows in set. Elapsed: 0.006 sec

在clickhouse节点上再次查看表login_info数据目录/var/lib/clickhouse/data/newdb/login_info，如下图示：

再次执行合并分区命令，合并表login_info分区片段：

代码语言：javascript复制

#执行如下命令，手动合并分区片段
node1 :) optimize table login_info partition '202106' ;
node1 :) optimize table login_info partition '202107' ;

#查看表 login_info中的数据：
node1 :) select * from login_info;
SELECT *
FROM login_info
┌─id─┬─name─┬───log_time─┐
│  3  │ ww   │ 2021-07-01 │
│  4  │ ml   │ 2021-07-01 │
│  7  │ ww1  │ 2021-07-01 │
│  8  │ ml1  │ 2021-07-01 │
│ 11  │ ww1  │ 2021-07-01 │
│ 12  │ ml1  │ 2021-07-01 │
└────┴──────┴────────────┘
┌─id─┬─name─┬───log_time─┐
│  1  │ zs   │ 2021-06-01 │
│  2  │ ls   │ 2021-06-01 │
│  5  │ zs1  │ 2021-06-01 │
│  6  │ ls1  │ 2021-06-01 │
│  9  │ zs1  │ 2021-06-01 │
│ 10  │ ls1  │ 2021-06-01 │
└────┴──────┴────────────┘
12 rows in set. Elapsed: 0.008 sec. 

通过合并分区片段之后，在clickhouse节点上再次查看表login_info数据目录/var/lib/clickhouse/data/newdb/login_info，如下图示：

经过一段时间再次查询当前目录数据，只剩余合并最后的两个分区片段，如下图所示：

此外，表设置分区字段时，分区健不仅可以指定成时间列，也可以是表中任意列或者列的表达式。下面案例使用表中的地区列当做分区：

代码语言：javascript复制

#创建表 emp_info ，使用MergeTree分区
node1 :) create table emp_info (
:-] id UInt8,
:-] name String,
:-] age UInt8,
:-] loc String,
:-] salary Decimal32(2)  
:-] )engine = MergeTree()
:-] order by id
:-] partition by loc;

# 向表中插入以下数据
node1 :) insert into emp_info values (1,'张三',18,'上海',10.11),
:-] (2,'李四',19,'北京',100.123),
:-] (3,'王五',20,'上海',200.2),
:-] (4,'马六',21,'上海',300.456),
:-] (5,'田七',22,'北京',400.78),
:-] ;

#查看表中的数据，可以观察到所有数据都是按照地区合并在一起。
node1 :) select * from emp_info;

SELECT *
FROM emp_info
┌─id─┬─name─┬─age─┬─loc──┬─salary─┐
│  2 │ 李四 │  19 │ 北京  │ 100.12 │ 
│  5 │ 田七 │  22 │ 北京  │ 400.78 │
└────┴──────┴─────┴──────┴────────┘
┌─id─┬─name─┬─age─┬─loc──┬─salary─┐
│  1 │ 张三 │  18 │ 上海  │  10.11 │
│  3 │ 王五 │  20 │ 上海  │ 200.20 │
│  4 │ 马六 │  21 │ 上海  │ 300.45 │
└────┴──────┴─────┴──────┴────────┘
5 rows in set. Elapsed: 0.006 sec. 

注意：如果按照字符串字段来进行分区，在底层/var/lib/clickhouse/data/newdb/目录下对应的表emp_info中的分区片段名称是使用字符串的hashcode 编码的形式来命名。

云数据仓库ClickHouseclickHouse

0 人点赞