ClickHouse--05--MergeTree 表引擎

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

MergeTree 系列表引擎

前言

ClickHouse 提供了大约 28 种表引擎，各有各的用途 纷繁复杂。ClickHouse 表引擎一共分为四个系列，分别是 Log 系列、MergeTree 系列、Integration 系列、Special 系列。其中包含了两种特殊的表引擎 Replicated、Distributed，功能上与其他表引擎正交，根据场景组合使用

• Log 系列用来做小表数据分析
• MergeTree 系列用来做大数据量分析
• Integration 系列则多用于外表数据集成。
• 再复制表 Replicated 系列
• 分布式表 Distributed 等，

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。

MergeTree 系列表引擎 --功能

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 --种类

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。

1.MergeTree

• 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。
  

1.1MergeTree 建表语句：

• 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 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。

• 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：

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

1.2 MergeTree 引擎表目录解析

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：

查询过程

1.3 MergeTree 引擎表设置分区

案例