[ClickHouse]ClickHouseのMergeTreeとは
概要
この記事、メインはこことここを引用し、情報を忘れないために、書きました。
MergeTreeとは
公式サイトは下記のように記載しました。MergeTreeのドキュメント
その MergeTree この家族のエンジンそして他のエンジン (*MergeTree)は、最も堅牢なClickHouseテーブルエンジンです。
テーブルエンジンとするMergeTree一族
エンジン名 | 継承関係(extends) | 備考 |
---|---|---|
MergeTree | ||
ReplacingMergeTree | MergeTree | |
SummingMergeTree | MergeTree | |
ArrregatingMergeTree | MergeTree | |
CollapsingMergeTree | MergeTree | |
VersionedCollapsingMergeTree | MergeTree | |
GraphiteMergeTree | MergeTree | |
ReplicatedMergeTree | MergeTreeの分散処理できるバージョン | |
ReplicatedReplacingMergeTree | ReplicatedMergeTree | 分散処理できるバージョン |
ReplicatedSummingMergeTree | ReplicatedMergeTree | 分散処理できるバージョン |
ReplicatedArrregatingMergeTree | ReplicatedMergeTree | 分散処理できるバージョン |
ReplicatedCollapsingMergeTree | ReplicatedMergeTree | 分散処理できるバージョン |
ReplicatedVersionedCollapsingMergeTree | ReplicatedMergeTree | 分散処理できるバージョン |
ReplicatedGraphiteMergeTree | ReplicatedMergeTree | 分散処理できるバージョン |
MergeTreeを使う
特別な集計処理はない場合、MergeTreeはよく使われているらしい。
テーブルを作成する時、MergerTreeを使う
CREATE TABLE test
(
user_id String,
date Date,
group_id String
) ENGINE = MergeTree()
ORDER BY (user_id, date,group_id)
PRIMARY KEY (user_id, date)
PARTITION BY toYYYYMM(date)
SETTINGS index_granularity= 8192 ;
各パラメタの役割
-
ORDER BY
: ソートキー。各パーティション内はORDER BYで設定されているキーによって、ソートを行う、普段はORDER BY
だけを設定すれば良いらしい。 -
PRIMARY KEY
: clickhouseのPRIMARY KEY
は普段のMySQLの主キーとは違います。ここのPRIMARY KEY
は重複となっても構わなくて、インデックスとして設計されたらしい。普段は指定しなくても良いらしい。(また、主キーはソートキーのプレフィックスである必要があります)Primary key must be a prefix of the sorting key
PARTITION BY
: 公式のサイトでは下記のように記載してあるので、そのまま載せます。(clickhouseはパーティションによって、データの更新・削除を行うのは可能です。)
パーティション分割は、 メルゲツリー 家族テーブル(含む 複製 テーブル)。 実体化ビュー に基づくMergeTreeテーブル支援を分割します。
パーティションは、指定された条件によるテーブル内のレコードの論理的な組合せです。 パーティションは、月別、日別、イベントタイプ別など、任意の条件で設定できます。 各パーティションは別に保存される簡単操作のデータです。 アクセス時のデータClickHouseの最小サブセットのパーティションは可能です。
-
index_granularity
: ClickHouseはセレクトを行う場合、読み取るデータの最小サイズです。デフォルトのままでいい。8192はデフォルト値です。
ReplacingMergeTreeを使う
多分、ある人は気づいたと思いますが、ClickHouseのPRIMARY KEY
は普段のプライマリーキーとは違いますので、じゃ、ClickHouseはMySQLみたいに、主キーを設定する場合はどうなるでしょうか?ここはReplacingMergeTree
を使います。ClickHouseはORDER BY
で設定されたキーによって、ReplacingMergeTree
の処理を行い、パーティションをマージする時、同じ値をもつレコードはreplace
するらしい。データ置き換えるルールとしてはカラムにver
を設定する場合はver
最大のやつだけ保留し、ver
を設定していない場合、最後のやつだけ保留する。
SummingMergeTreeを使う
SummingMergeTree
集計したい時、設定した方が良さそう。SummingMergeTree
を使う場合、 primary key
を設定しているカラムは集計の対象ではないらしい。↓のはSummingMergeTree
を使うイメージです。
AggregatingMergeTreeを使う
AggregatingMergeTree
はちょっと複雑のfunctionを設定し、集計処理を行う可能なテーブルエンジンです。AggregateFunction
は普段AggregatingMergeTree
と一緒に使います。引用
AggregatingMergeTree is also a kind of pre aggregation engine, which is used to improve the performance of aggregation calculation. The difference with SummingMergeTree is that SummingMergeTree aggregates non primary key columns, while AggregatingMergeTree can specify various aggregation functions.
AggregatingMergeTree
を使うイメージ↓
DROP TABLE IF EXISTS requests;
CREATE TABLE requests (
request_date Date,
request_time DateTime,
response_time Int,
request_uri String)
ENGINE = MergeTree(request_date, (request_time, request_uri), 8192);
CREATE MATERIALIZED VIEW requests_graph
ENGINE = AggregatingMergeTree(request_date, (request_hour,request_uri), 8192)
AS SELECT
request_date,
toStartOfHour(request_time) request_hour,
request_uri,
avgState(response_time) avg_response_time,
maxState(response_time) max_response_time,
minState(response_time) min_response_time,
countState() request_count
FROM requests
GROUP BY request_date, request_hour, request_uri;
insert into requests values (today(), now(), 10, 'ya.ru');
insert into requests values (today(), now(), 20, 'ya.ru');
insert into requests values (today(), now(), 10, 'google.ru');
insert into requests values (today(), now()+7200, 20, 'google.ru');
SELECT request_date,
request_hour,
request_uri,
avgMerge(avg_response_time) avg_response_time,
maxMerge(max_response_time) max_response_time,
minMerge(min_response_time) min_response_time,
countMerge(request_count) request_cnt
FROM requests_graph
GROUP BY request_date, request_hour, request_uri;
AggregateFunction
とAggregatingMergeTree
を使うイメージ↓(このサンプルはここ引用した)
CREATE TABLE agg_table(
id String,
city String,
code AggregateFunction(uniq,String),
value AggregateFunction(sum,UInt32),
create_time DateTime
)
ENGINE = AggregatingMergeTree()
PARTITION BY toYYYYMM(create_time)
ORDER BY (id,city)
PRIMARY KEY id
INSERT INTO TABLE agg_table SELECT 'A000','test', uniqState('code1'), sumState(toUInt32(100)), '2019-08-10 17:00:00';
INSERT INTO TABLE agg_table SELECT 'A000','test', uniqState('code1'), sumState(toUInt32(100)), '2019-08-10 17:00:00';
INSERT INTO TABLE agg_table SELECT 'A001','test', uniqState('code1'), sumState(toUInt32(100)), '2019-08-10 17:00:00';
INSERT INTO TABLE agg_table SELECT 'A001','test', uniqState('code2'), sumState(toUInt32(50)), '2019-08-10 17:00:00';
SELECT id,city,uniqMerge(code),sumMerge(value) FROM agg_table GROUP BY id,city;
ちなみに、PRIMARY KEY
は一般的にAggregatingMergeTree
、SummingMergeTree
を使う場合、設定する感じ。
感想
ClickHouseは色んなテーブルエンジンがあるので、今後まだ調査や勉強する必要がある
Author And Source
この問題について([ClickHouse]ClickHouseのMergeTreeとは), 我々は、より多くの情報をここで見つけました https://qiita.com/xymmk/items/40f79a81d75dd53d5c06著者帰属:元の著者の情報は、元のURLに含まれています。著作権は原作者に属する。
Content is automatically searched and collected through network algorithms . If there is a violation . Please contact us . We will adjust (correct author information ,or delete content ) as soon as possible .