点一下关注吧!!!非常感谢!!持续更新!!!
目前已经更新到了:
- Hadoop(已更完)
- HDFS(已更完)
- MapReduce(已更完)
- Hive(已更完)
- Flume(已更完)
- Sqoop(已更完)
- Zookeeper(已更完)
- HBase(已更完)
- Redis (已更完)
- Kafka(已更完)
- Spark(已更完)
- Flink(已更完)
- ClickHouse(正在更新···)
章节内容
上节我们完成了如下的内容:
- 测试连接集群
- 数据类型学习
- 整型 浮点型 Decimal 等等
简单介绍
表引擎(即表的类型)决定了:
- 数据的存储方式和位置,写到哪里以及从哪里读取数据
- 支持哪些查询以及如何支持
- 并发数据访问
- 索引的使用(如果存在)
- 是否可以执行多线程请求
- 数据复制参数
ClickHouse 是一个列式数据库管理系统,支持多种表引擎,每种表引擎都有其特定的功能和用途。以下是一些常用的 ClickHouse 表引擎:
MergeTree 系列
- MergeTree:最常用的表引擎,支持高效的分区、排序、索引等功能,适合处理大量写入和查询场景。支持主键和索引。
- ReplicatedMergeTree:基于 MergeTree,但增加了复制功能,适用于分布式集群环境。
- ReplacingMergeTree:允许以最新的记录覆盖旧的记录,对于需要根据特定列去重的场景非常适用。
- SummingMergeTree:支持对数值列的聚合,适用于需要进行聚合计算的场景。
- AggregatingMergeTree:支持更加复杂的聚合操作,适合需要预计算汇总的场景。
- CollapsingMergeTree:用于处理日志式数据,通过将 “begin” 和 “end” 记录合并,以减少存储空间。
- VersionedCollapsingMergeTree:在 CollapsingMergeTree 基础上,增加了版本号,用于更好地控制数据合并。
Log 系列
- Log:简单的表引擎,不支持索引和分区,适合小数据量或日志式的存储场景。
- TinyLog:适合嵌入式场景或测试,性能更简单,不能处理大规模数据。
- StripeLog:适合 SSD 场景,按行写入,但会将数据按块组织,适合某些特定读写模式。
- Memory:数据只存储在内存中,适用于需要快速读写但不需要持久化的场景。
- Distributed:在分布式集群中使用,将查询分发到多个节点,适合大规模数据和高并发查询场景。
- Merge:将多个表作为一个虚拟表进行查询,适合需要联合多个表进行读取的场景。
- Join:预加载并存储 Join 表,用于提高连接操作的效率。
View 系列
- MaterializedView:物化视图,允许通过预计算来加速查询。
- View:普通视图,不会存储数据,只是查询的定义。
- Buffer:将数据暂时存储在内存中,并定期批量写入到基础表中,适合需要优化写入性能的场景。
- Null:将数据写入时直接丢弃,适合测试场景。
日志
TinyLog
最简单的表引擎,用于将数据存储在磁盘上,每列都存储在单独的压缩文件上,写入时,数据将附加到文件末尾。该引擎没有并发控制。
- 如果同时从表中读取或者写入数据,则读取操作将抛出异常
- 如果同时写入多个查询中的表,则数据将被破坏
这种表的引擎的典型用法 write-once:首先只写入一次数据,然后根据需要多次读取。此引擎适用于相对较小的表(建议最多1,000,000行)。如果有许多小表,则使用此表引擎是适合的,因为它需要打开的文件更少,当拥有大量小表时,可能会导致性能低下,不支持索引。
测试1
创建一个TinyLog引擎的表并插入一条数据
CREATE table t (a UInt16, b String) ENGINE = TinyLog;
INSERT INTO t (a, b) VALUES (1, 'abc');
运行结果如下所示:
此时我们去保存数据的目录下查看:
cd /var/lib/clickhouse/data/default/t
ls
运行结果如下图:
文件列表的解释:
- a.bin 和 b.bin 是压缩过的对应列的数据
- sizes.json 中记录了 每个 bin 的大小
Log
Log 与 TinyLog 不同的是,标记的小文件与列文件存在一起,这些标记写在每个数据块上,并且包含偏移量,这些偏移量指示从哪里开始读取文件以便跳过指定的行数。这使得可以在多个线程中读取表数据,对于并发数据访问,可以同时执行读取操作,而写入操作则阻塞读取和其他写入。
Log引擎不支持索引。
同样,如果写入表事变,则该表会被破坏,并且从该表中读取将会返回错误。Log引擎适合于临时数据,write-once表以及测试或演示目的。
StripeLog
该引擎属于日志引擎系列,在你需要写入许多小数据量(小于100百万行)的表的场景下使用这个引擎。
写数据
StripeLog引擎将所有的列存储在一个文件中,对每一个INSERT请求,ClickHouse将数据块追加在表文件的末尾,逐列写入。
ClickHouse为每张表写入如下文件:
- data.bin 数据文件
- index.mrk 标记文件,标记包含了已插入的每个数据块中每列的偏移量。
StripeLog引擎不支持 ALTER、UPDATE、ALTER DELETE操作。
读数据
带标记文件使得ClickHouse可以并行的读取数据,这意味着SELECT请求返回行的顺序是不可预测的,使用ORDER BY子句对行进行排练。
新增表
CREATE TABLE stripe_log_table (
timestamp DateTime,
message_type String,
message String
) ENGINE = StripeLog;
执行结果如下图所示:
插入数据
INSERT INTO stripe_log_table VALUES (now(), 'REGULAR', 'The first reqular message');
INSERT INTO stripe_log_table VALUES
(now(), 'REGULAR', 'The second regular message'),
(now(), 'WARNING', 'The first warning message');
我们使用两次 INSERT 请求从而在 data.bin 文件中创建两个数据块。
查询数据
ClickHouse 在查询数据时使用多线程,每个线程读取单独的数据并在完成后独立的返回结果行,这样的结果是,大多数情况下,输出中的块的顺序和输入时相应块的顺序是不同的,例如:
SELECT * FROM stripe_log_table;
# 对结果排序(默认增序)
SELECT * FROM stripe_log_table ORDER BY timestamp;
执行的结果如下图:
Memory
内存引擎,数据以未压缩的原始形式直接保存在内存中,服务器重启数据就会丢失。
读写操作不会互相阻塞,不支持索引。
简单查询下有非常高的性能表现:超过10G/s
一般用到的地方不多,除了用来测试,就是需要非常高的性能,但是数据量又不能太大(上限大概1亿行)的场景。
Merge
Merge引擎(不要与MergeTree搞混)本身不存储数据,但可以用于同时从任意多个其他的表中读取数据,读是自动并行的,不支持写入。
读取时,那些被真正读取到数据的表的引擎(如果有的话)会被使用。
Merge参数:
- 数据库名
- 匹配表名的正则表达式
创建新标
CREATE table t1 (id UInt16, name String) ENGINE = TinyLog;
CREATE table t2 (id UInt16, name String) ENGINE = TinyLog;
CREATE table t3 (id UInt16, name String) ENGINE = TinyLog;
执行结果如下图所示:
插入数据
INSERT INTO t1 (id, name) VALUES (1, 'first');
INSERT INTO t2 (id, name) VALUES (2, 'second');
INSERT INTO t3 (id, name) VALUES (3, 'i am in t3');
执行结果如下图:
建立链接
CREATE TABLE t (id UInt16, name String) ENGINE = Merge(currentDatabase(), '^t');
执行结果如下图所示: