一建表优化

1 数据类型

1.1 时间字段的类型

建表时能用数值型或日期时间型表示的字段就不要用字符串，全 String 类型在以 Hive 为中心的数仓建设中常见，但 ClickHouse 环境不应受此影响。
虽然 ClickHouse 底层将 DateTime 存储为时间戳 Long 类型，但不建议存储 Long 类型，因为 DateTime 不需要经过函数转换处理，执行效率高、可读性好。
create table t_type2(
   id UInt32,
    sku_id String,
    total_amount Decimal(16,2) , create_time Int32
) engine =ReplacingMergeTree(create_time)
partition by toYYYYMMDD(toDate(create_time)) –-需要转换一次，否则报错
  primary key (id)
  order by (id, sku_id);
1.2 空值存储类型

官方已经指出Nullable类型几乎总是会拖累性能，因为存储Nullable列时需要创建一个
额外的文件来存储 NULL 的标记，并且 Nullable 列无法被索引。因此除非极特殊情况，应直
接使用字段默认值表示空，或者自行指定一个在业务中无意义的值(例如用-1 表示没有商品
ID)。
CREATE TABLE t_null(
    x Int8, 
    y Nullable(Int8)
) ENGINE TinyLog;
INSERT INTO t_null VALUES (1, NULL), (2, 3);
SELECT x + y FROM t_null;
官网说明:https://clickhouse.tech/docs/zh/sql-reference/data-types/nullable/
2 分区和索引

分区粒度根据业务特点决定，不宜过粗或过细。一般选择按天分区，也可以指定为 Tuple()， 以单表一亿数据为例，分区大小控制在 10-30 个为最佳。
必须指定索引列，ClickHouse 中的索引列即排序列，通过 order by 指定，一般在查询条 件中经常被用来充当筛选条件的属性被纳入进来;可以是单一维度，也可以是组合维度的索 引;
通常需要满足高级列在前、查询频率大的在前原则;
基数特别大的不适合做索引列， 如用户表的 userid 字段;
通常筛选后的数据满足在百万以内为最佳。
比如官方案例的 hits_v1 表:
......
    PARTITION BY toYYYYMM(EventDate)
    ORDER BY (CounterID, EventDate, intHash32(UserID))
......
visits_v1 表:
......
    PARTITION BY toYYYYMM(StartDate)
    ORDER BY (CounterID, StartDate, intHash32(UserID), VisitID) 
......
3 表参数

Index_granularity 是用来控制索引粒度的，默认是 8192，如非必须不建议调整。
如果表中不是必须保留全量历史数据，建议指定 TTL(生存时间值)，可以免去手动过期 历史数据的麻烦，TTL 也可以通过 alter table 语句随时修改。
4 写入和删除优化

(1)尽量不要执行单条或小批量删除和插入操作，这样会产生小分区文件，给后台 Merge 任务带来巨大压力
 (2)不要一次写入太多分区，或数据写入太快，数据写入太快会导致 Merge 速度跟不 上而报错，一般建议每秒钟发起 2-3 次写入操作，每次操作写入 2w~5w 条数据(依服务器 性能而定)
写入过快的报错信息：
1. Code: 252, e.displayText() = DB::Exception: Too many parts(304).
Merges are processing significantly slower than inserts
2. Code: 241, e.displayText() = DB::Exception: Memory limit (for query)
exceeded:would use 9.37 GiB (attempt to allocate chunk of 301989888
bytes), maximum: 9.31 GiB
处理方式:
“ Too many parts 处理 ” :使用 WAL 预写日志，提高写入性能。
        in_memory_parts_enable_wal 默认为 true
在服务器内存充裕的情况下增加内存配额，一般通过 max_memory_usage 来实现
在服务器内存不充裕的情况下，建议将超出部分内容分配到系统硬盘上，但会降低执行速度，一般通过 max_bytes_before_external_group_by、max_bytes_before_external_sort 参数
来实现。
5 常见配置

配置项主要在 config.xml 或 users.xml 中， 基本上都在 users.xml 里
➢ config.xml的配置项
       https://clickhouse.tech/docs/en/operations/server-configuration-parameters/settings/
➢ users.xml的配置项
       https://clickhouse.tech/docs/en/operations/settings/settings/
5.1 CPU 资源

5.2 内存资源
  

5.3 存储

ClickHouse 不支持设置多数据目录，为了提升数据 io 性能，可以挂载虚拟券组，一个券
组绑定多块物理磁盘提升读写性能，多数据查询场景 SSD 会比普通机械硬盘快 2-3 倍。
 虚拟券组：将多个物理磁盘虚拟化一个磁盘组，对外提供读和写
二 CK底层语法优化
1 count优化

在调用 count 函数时，如果使用的是 count() 或者 count(*)，且没有 where 条件，则
会直接使用 system.tables 的 total_rows，
EXPLAIN SELECT count()FROM datasets.hits_v1;
Union
  Expression (Projection)
   Expression (Before ORDER BY and SELECT)
     MergingAggregated
       ReadNothing (Optimized trivial count)
 注意 Optimized trivial count ，这是对 count 的优化。
如果 count 具体的列字段，则不会使用此项优化:
EXPLAIN SELECT count(CounterID) FROM datasets.hits_v1;
Union
  Expression (Projection)
   Expression (Before ORDER BY and SELECT)
     Aggregating
       Expression (Before GROUP BY)
        ReadFromStorage (Read from MergeTree)
2消除子查询重复字段
下面语句子查询中有两个重复的 id 字段，会被去重:

EXPLAIN SYNTAX SELECT
  a.UserID,
  b.VisitID,
  a.URL,
  b.UserIDFROM
  hits_v1 AS a
  LEFT JOIN (
   SELECT
     UserID,
     UserID as HaHa,
     VisitID
   FROM visits_v1) AS b
  USING (UserID)
  limit 3;
//返回优化语句: 
SELECT
   UserID,
   VisitID,
   b.UserID
FROM hits_v1 AS a
ALL LEFT JOIN
   SELECT
       UserID,
       VisitID
   FROM visits_v1
) AS b USING (UserID)
LIMIT 3
3 谓词下推

当 group by 有 having 子句，但是没有 with cube、with rollup 或者 with totals 修饰的时 候，having 过滤会下推到 where 提前过滤。例如下面的查询，HAVING name 变成了 WHERE name，在 group by 之前过滤:
EXPLAIN SYNTAX SELECT UserID FROM hits_v1 
GROUP BY UserID HAVING UserID = '8585742290196126178';
//返回优化语句
SELECT UserID
FROM hits_v1
WHERE UserID = \'8585742290196126178\' GROUP BY UserID
子查询也支持谓词下推:
EXPLAIN SYNTAX
SELECT *
   SELECT UserID
   FROM visits_v1
WHERE UserID = '8585742290196126178'
//返回优化后的语句 SELECT UserID FROM
   SELECT UserID
   FROM visits_v1WHERE UserID = \'8585742290196126178\'
WHERE UserID = \'8585742290196126178\'
4 聚合计算外推
聚合函数内的计算，会外推，例如:

EXPLAIN SYNTAX
SELECT sum(UserID * 2)
FROM visits_v1
//返回优化后的语句 
SELECT sum(UserID) * 2 FROM visits_v1
5 聚合函数消除
如果对聚合键，也就是 group by key 使用 min、max、any 聚合函数，则将函数消除

EXPLAIN SYNTAX
SELECT
   sum(UserID * 2),
   max(VisitID),
   max(UserID)
FROM visits_v1
GROUP BY UserID
//返回优化后的语句
SELECT
   sum(UserID) * 2,
   max(VisitID),
        UserID
FROM visits_v1
GROUP BY UserID
6 删除重复的 order by key
重复的聚合键 id 字段会被去重:

EXPLAIN SYNTAX
SELECT *
FROM visits_v1
ORDER BY
   UserID ASC,
   UserID ASC,
   VisitID ASC,
   VisitID ASC
//返回优化后的语句: select
    ......
FROM visits_v1
ORDER BY
   UserID ASC,
   VisitID ASC
7 删除重复的 limit by key
重复声明的 name 字段会被去重:

EXPLAIN SYNTAX
SELECT *
FROM visits_v1
LIMIT 3 BY
        VisitID,
      VisitID
LIMIT 10
//返回优化后的语句:select ......
FROM visits_v1
LIMIT 3 BY VisitID
LIMIT 10
8 删除重复的 USING Key
重复的关联键 id 字段会被去重:

EXPLAIN SYNTAX
SELECT
   a.UserID,
   a.UserID,
   b.VisitID,
   a.URL,
   b.UserID
FROM hits_v1 AS a
LEFT JOIN visits_v1 AS b USING (UserID, UserID)
//返回优化后的语句: 
SELECT
   UserID,
   UserID,
   VisitID,
   b.UserID
FROM hits_v1 AS a
ALL LEFT JOIN visits_v1 AS b USING (UserID)
注意：如果USING里是不同表相同字段是不会被删除的比如：a.id b.id
9 标量替换
如果子查询只返回一行数据，在被引用的时候用标量替换，例如下面语句中的total_disk_usage 字段:

EXPLAIN SYNTAX
       SELECT sum(bytes)
       FROM system.parts
       WHERE active
   ) AS total_disk_usage
SELECT
   (sum(bytes) / total_disk_usage) * 100 AS table_disk_usage,
   table
FROM system.parts
GROUP BY table
ORDER BY table_disk_usage DESC
LIMIT 10;
//返回优化后的语句:
WITH CAST(0, \'UInt64\') AS total_disk_usage SELECT
   (sum(bytes) / total_disk_usage) * 100 AS table_disk_usage,
   table
FROM system.parts
GROUP BY tableORDER BY table_disk_usage DESC
LIMIT 10
10 三元运算优化
如果开启了 optimize_if_chain_to_multiif 参数，三元运算符会被替换成 multiIf 函数，例如:

EXPLAIN SYNTAX
SELECT number = 1 ? 'hello' : (number = 2 ? 'world' : 'atguigu') FROM numbers(10)
settings optimize_if_chain_to_multiif = 1;
//返回优化后的语句:
SELECT multiIf(number = 1, \'hello\', number = 2, \'world\', \'atguigu\') FROM numbers(10)
SETTINGS optimize_if_chain_to_multiif = 1;
在此次查询语句加上settings optimize_if_chain_to_multiif = 1;只是影响本次查询，并不会影响其他查询
一 建表优化
1 数据类型
1.1 时间字段的类型

建表时能用数值型或日期时间型表示的字段就不要用字符串，全 String 类型在以 Hive 为中心的数仓建设中常见，但 ClickHouse 环境不应受此影响。
虽然 ClickHouse 底层将 DateTime 存储为时间戳 Long 类型，但不建议存储 Long 类型， 因为 DateTime 不需要经过函数转换处理，执行效率高、可读性好。
create table t_type2(
   id UInt32,
    sku_id String,
    total_amount Decimal(16,2) , create_time Int32
) engine =ReplacingMergeTree(create_time)
partition by toYYYYMMDD(toDate(create_time)) –-需要转换一次，否则报错
  primary key (id)
  order by (id, sku_id);
1.2 空值存储类型

官方已经指出Nullable类型几乎总是会拖累性能，因为存储Nullable列时需要创建一个
额外的文件来存储 NULL 的标记，并且 Nullable 列无法被索引。因此除非极特殊情况，应直
接使用字段默认值表示空，或者自行指定一个在业务中无意义的值(例如用-1 表示没有商品
ID)。
CREATE TABLE t_null(
    x Int8, 
    y Nullable(Int8)
) ENGINE TinyLog;
INSERT INTO t_null VALUES (1, NULL), (2, 3);
SELECT x + y FROM t_null;
官网说明:https://clickhouse.tech/docs/zh/sql-reference/data-types/nullable/
2 分区和索引

分区粒度根据业务特点决定，不宜过粗或过细。一般选择按天分区，也可以指定为 Tuple()， 以单表一亿数据为例，分区大小控制在 10-30 个为最佳。
必须指定索引列，ClickHouse 中的索引列即排序列，通过 order by 指定，一般在查询条 件中经常被用来充当筛选条件的属性被纳入进来;可以是单一维度，也可以是组合维度的索 引;
通常需要满足高级列在前、查询频率大的在前原则;
基数特别大的不适合做索引列， 如用户表的 userid 字段;
通常筛选后的数据满足在百万以内为最佳。
比如官方案例的 hits_v1 表:
......
    PARTITION BY toYYYYMM(EventDate)
    ORDER BY (CounterID, EventDate, intHash32(UserID))
......
visits_v1 表:
......
    PARTITION BY toYYYYMM(StartDate)
    ORDER BY (CounterID, StartDate, intHash32(UserID), VisitID) 
......
3 表参数

Index_granularity 是用来控制索引粒度的，默认是 8192，如非必须不建议调整。
如果表中不是必须保留全量历史数据，建议指定 TTL(生存时间值)，可以免去手动过期 历史数据的麻烦，TTL 也可以通过 alter table 语句随时修改。
4 写入和删除优化

(1)尽量不要执行单条或小批量删除和插入操作，这样会产生小分区文件，给后台 Merge 任务带来巨大压力
 (2)不要一次写入太多分区，或数据写入太快，数据写入太快会导致 Merge 速度跟不 上而报错，一般建议每秒钟发起 2-3 次写入操作，每次操作写入 2w~5w 条数据(依服务器 性能而定)
写入过快的报错信息：
1. Code: 252, e.displayText() = DB::Exception: Too many parts(304).
Merges are processing significantly slower than inserts
2. Code: 241, e.displayText() = DB::Exception: Memory limit (for query)
exceeded:would use 9.37 GiB (attempt to allocate chunk of 301989888
bytes), maximum: 9.31 GiB
处理方式:
“ Too many parts 处理 ” :使用 WAL 预写日志，提高写入性能。
        in_memory_parts_enable_wal 默认为 true
在服务器内存充裕的情况下增加内存配额，一般通过 max_memory_usage 来实现
在服务器内存不充裕的情况下，建议将超出部分内容分配到系统硬盘上，但会降低执行速度，一般通过 max_bytes_before_external_group_by、max_bytes_before_external_sort 参数
来实现。
5 常见配置

配置项主要在 config.xml 或 users.xml 中， 基本上都在 users.xml 里
➢ config.xml的配置项
       https://clickhouse.tech/docs/en/operations/server-configuration-parameters/settings/
➢ users.xml的配置项
       https://clickhouse.tech/docs/en/operations/settings/settings/
5.1 CPU 资源

5.2 内存资源
  

5.3 存储

ClickHouse 不支持设置多数据目录，为了提升数据 io 性能，可以挂载虚拟券组，一个券
组绑定多块物理磁盘提升读写性能，多数据查询场景 SSD 会比普通机械硬盘快 2-3 倍。
 虚拟券组：将多个物理磁盘虚拟化一个磁盘组，对外提供读和写
二 CK底层语法优化
1 count优化

在调用 count 函数时，如果使用的是 count() 或者 count(*)，且没有 where 条件，则
会直接使用 system.tables 的 total_rows，
EXPLAIN SELECT count()FROM datasets.hits_v1;
Union
  Expression (Projection)
   Expression (Before ORDER BY and SELECT)
     MergingAggregated
       ReadNothing (Optimized trivial count)
 注意 Optimized trivial count ，这是对 count 的优化。
如果 count 具体的列字段，则不会使用此项优化:
EXPLAIN SELECT count(CounterID) FROM datasets.hits_v1;
Union
  Expression (Projection)
   Expression (Before ORDER BY and SELECT)
     Aggregating
       Expression (Before GROUP BY)
        ReadFromStorage (Read from MergeTree)
2消除子查询重复字段
下面语句子查询中有两个重复的 id 字段，会被去重:

EXPLAIN SYNTAX SELECT
  a.UserID,
  b.VisitID,
  a.URL,
  b.UserIDFROM
  hits_v1 AS a
  LEFT JOIN (
   SELECT
     UserID,
     UserID as HaHa,
     VisitID
   FROM visits_v1) AS b
  USING (UserID)
  limit 3;
//返回优化语句: 
SELECT
   UserID,
   VisitID,
   b.UserID
FROM hits_v1 AS a
ALL LEFT JOIN
   SELECT
       UserID,
       VisitID
   FROM visits_v1
) AS b USING (UserID)
LIMIT 3
3 谓词下推

当 group by 有 having 子句，但是没有 with cube、with rollup 或者 with totals 修饰的时 候，having 过滤会下推到 where 提前过滤。例如下面的查询，HAVING name 变成了 WHERE name，在 group by 之前过滤:
EXPLAIN SYNTAX SELECT UserID FROM hits_v1 
GROUP BY UserID HAVING UserID = '8585742290196126178';
//返回优化语句
SELECT UserID
FROM hits_v1
WHERE UserID = '8585742290196126178' GROUP BY UserID
子查询也支持谓词下推:
EXPLAIN SYNTAX
SELECT *
   SELECT UserID
   FROM visits_v1
WHERE UserID = '8585742290196126178'
//返回优化后的语句 SELECT UserID FROM
   SELECT UserID
   FROM visits_v1WHERE UserID = '8585742290196126178'
WHERE UserID = '8585742290196126178'
4 聚合计算外推
聚合函数内的计算，会外推，例如:

EXPLAIN SYNTAX
SELECT sum(UserID * 2)
FROM visits_v1
//返回优化后的语句 
SELECT sum(UserID) * 2 FROM visits_v1
5 聚合函数消除
如果对聚合键，也就是 group by key 使用 min、max、any 聚合函数，则将函数消除

EXPLAIN SYNTAX
SELECT
   sum(UserID * 2),
   max(VisitID),
   max(UserID)
FROM visits_v1
GROUP BY UserID
//返回优化后的语句
SELECT
   sum(UserID) * 2,
   max(VisitID),
        UserID
FROM visits_v1
GROUP BY UserID
6 删除重复的 order by key
重复的聚合键 id 字段会被去重:

EXPLAIN SYNTAX
SELECT *
FROM visits_v1
ORDER BY
   UserID ASC,
   UserID ASC,
   VisitID ASC,
   VisitID ASC
//返回优化后的语句: select
    ......
FROM visits_v1
ORDER BY
   UserID ASC,
   VisitID ASC
7 删除重复的 limit by key
重复声明的 name 字段会被去重:

EXPLAIN SYNTAX
SELECT *
FROM visits_v1
LIMIT 3 BY
        VisitID,
      VisitID
LIMIT 10
//返回优化后的语句:select ......
FROM visits_v1
LIMIT 3 BY VisitID
LIMIT 10
8 删除重复的 USING Key
重复的关联键 id 字段会被去重:

EXPLAIN SYNTAX
SELECT
   a.UserID,
   a.UserID,
   b.VisitID,
   a.URL,
   b.UserID
FROM hits_v1 AS a
LEFT JOIN visits_v1 AS b USING (UserID, UserID)
//返回优化后的语句: 
SELECT
   UserID,
   UserID,
   VisitID,
   b.UserID
FROM hits_v1 AS a
ALL LEFT JOIN visits_v1 AS b USING (UserID)
注意：如果USING里是不同表相同字段是不会被删除的比如：a.id b.id
9 标量替换
如果子查询只返回一行数据，在被引用的时候用标量替换，例如下面语句中的total_disk_usage 字段:

EXPLAIN SYNTAX
       SELECT sum(bytes)
       FROM system.parts
       WHERE active
   ) AS total_disk_usage
SELECT
   (sum(bytes) / total_disk_usage) * 100 AS table_disk_usage,
   table
FROM system.parts
GROUP BY table
ORDER BY table_disk_usage DESC
LIMIT 10;
//返回优化后的语句:
WITH CAST(0, 'UInt64') AS total_disk_usage SELECT
   (sum(bytes) / total_disk_usage) * 100 AS table_disk_usage,
   table
FROM system.parts
GROUP BY tableORDER BY table_disk_usage DESC
LIMIT 10
10 三元运算优化
如果开启了 optimize_if_chain_to_multiif 参数，三元运算符会被替换成 multiIf 函数，例如:

EXPLAIN SYNTAX
SELECT number = 1 ? 'hello' : (number = 2 ? 'world' : 'atguigu') FROM numbers(10)
settings optimize_if_chain_to_multiif = 1;
//返回优化后的语句:
SELECT multiIf(number = 1, 'hello', number = 2, 'world', 'atguigu') FROM numbers(10)
SETTINGS optimize_if_chain_to_multiif = 1;
在此次查询语句加上settings optimize_if_chain_to_multiif = 1;只是影响本次查询，并不会影响其他查询
                                                本文作者：Java技术债务
                                                原文链接：
                                                    https://cuizb.top/myblog/article/1639667835
                                                
版权声明： 本博客所有文章除特别声明外，均采用 CC BY 3.0 CN协议进行许可。转载请署名作者且注明文章出处。
                                            
MySQL数据库被攻击，被删库勒索，逼迫我使出洪荒之力进行恢复数据2022-05-06
                                                    Java技术债务：@capture 一起探讨学习，服务器被黑很正常，及时做好备份以及做好防护
                                            
MySQL数据库被攻击，被删库勒索，逼迫我使出洪荒之力进行恢复数据2022-04-13
                                                    capture：我的刚上线两天，网站里就两篇文章也被攻击了，纳闷
                                            
Java常用集合List、Map、Set介绍以及一些面试问题2022-01-18
                                                    Java技术债务：HashSet和TreeSet
                                                    相同点：数据不能重复
                                                    1、底层存储结构不同；
                                                    HashSet底层使用HashMap哈希表存储
                                                    TreeSet底层使用TreeMap树结构存储
                                                    2、唯一性方式不同
                                                    HashSet底层使用hashcode()和equal()方法判断
                                                    TreeSet底层使用Comparable接口的compareTo判断的
                                                    3、HashSet无序，TreeSet有序
                                            
undefined2021-12-14
                                                    Java技术债务：如果不指定线程池，CompletableFuture会默认使用ForkJoin线程池，如果同一时间出现大量请求的话，会出现线程等待问题，建议使用自定义线程池。。。
                                            
undefined2021-12-02
                                                    you：很好，对于小白相当不错了，谢谢