CK学习

ClickHouse简介

ClickHouse是一个用于联机分析(OLAP)的列式数据库管理系统(DBMS)。
• 列式存储。
• 向量化计算引擎。
• 数据压缩。
• 多核并行处理。
• 分布式执行。
• 稀疏索引。
受益于上述特性,常规的业务查询均在亚秒内返回。

适用场景

适用于交互式场景分析,为用户提供极速分析体验,能够支撑实时数据分析
和海量数据离线分析。
业务场景
• 用户行为分析,计算PV,UV,点击率等。
• 标签服务,人群预估, 人群圈选。
• 日志分析,全文检索。
• 电商交易分析。
• OGV内容分析。
共同特性
海量数据,大宽表,点查,聚合,交互式分析。
不太适合
• 高并发,高频次。
• JOIN(关联查询)。
• ETL Job。

建表

在查询过程使用分区键,索引,prewhere可
以有效地过滤掉不需要的数据,提升查询性
能。
• 分区键:筛选出需要读取的data part。
• 索引:筛选出需要读取的mrk(granualrity)。
• prewhere:筛选出需要读取的实际行数。

分区键怎么填写?

一般设置为天级别分区。
如果单日百万级数据量,可以设置为月份区,如果单日数十亿级数据量,可以设置为小时分区,具体需根据数据量,查询情况和数据导入来决定,常规业务设置为天级分区即可。
举例:假设时间戳字段为log_date,注意该字段必须存在column里面。
• 如果数据类型为Date,则分区键可以直接设置为log_date,或toYYYYMMDD(log_date)
• 如果数据类型为DateTime, 则分区键可以直接设置为toDate(log_date), 或toYYYYMMDD(log_date)
• 如果数据类型为String,如果是天级别,可以直接设置为log_date,如果非天级别,可以使用
substring()进行截取,比如log_date=2023-05-12 10:00:00, substring(log_date, 1, 10)=2023-05-12。
Rider离线导入overwrite模式依赖于分区键,如果想使用overwrite模式,必须设置分区键。

一级索引怎么填写?

一级索引为线性索引,建议设置为最常用的过滤条件,数量最好不超过3个,按照基数由小到大排序。
举例:
点查场景:查询最近几天某个mid的详细信息。
一级索引设置为:mid
聚合场景: 查询最近几天某个事件下某个品牌的聚合信息。
一级索引设置为:event_id,brand
聚合场景:查询最近几分钟或几个小时的聚合信息。
一级索引设置为:time
注意:查询需添加分区键过滤,上述的最近几天由分区键进行过滤。

生命周期怎么填写?

假设时间戳字段为log_date,注意该字段必须存在column里面。
如果log_date是时间数据类型,则可以直接作为TTL表达式。
比如:log_date数据类型为Date, DateTime
如果log_date是非时间数据类型,比如是String类型。
1.如果值为:yyyy-MM-dd or yyyy-MM-dd HH:mm:ss
使用自定义表达式:toDate(log_date)
2.如果值为:yyyyMMdd or yyyyMMddHHmmss
使用自定义表达式:toDate(parseDateTimeBestEffort(log_date))
3.如果值为:unix_time(秒,长度为10位,例如1627802598)
使用自定义表达式:toDate(fromUnixTimestamp(CAST(log_date, 'Int32')))
4.如果值为:unix_time(毫秒,长度为13位,例如1627802598285)
使用自定义表达式:toDate(fromUnixTimestamp64Milli(CAST(log_date, 'Int64')))

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342

推荐阅读更多精彩内容