欢迎来到尧图网

客户服务 关于我们

您的位置:首页 > 教育 > 锐评 > 详解 ClickHouse 的数据一致性

详解 ClickHouse 的数据一致性

2024/10/24 12:21:20 来源:https://blog.csdn.net/weixin_44480009/article/details/139941393  浏览:    关键词:详解 ClickHouse 的数据一致性

ClickHouse 的 ReplacingMergeTree 等引擎只能保证数据的最终一致性,在查询时可能会出现短暂数据不一致的情况(有些企业业务为了性能可以容忍一些小的不一致)

一、数据准备

--建表
CREATE TABLE test_a(user_id UInt64,score String,deleted UInt8 DEFAULT 0,create_time DateTime DEFAULT toDateTime(0)
)ENGINE= ReplacingMergeTree(create_time)
ORDER BY user_id;--user_id 是数据去重更新的标识
--create_time 是版本号字段,每组数据中 create_time 最大的一行表示最新的数据
--deleted 是自定的一个标记位,比如 0 代表未删除,1 代表删除数据--插入1000万测试数据
INSERT INTO TABLE test_a(user_id, score)
WITH(SELECT ['A','B','C','D','E','F','G']
) AS dict
SELECT number AS user_id, dict[number%7+1] FROM numbers(10000000);--修改前 50 万 行数据,修改内容包括 name 字段和 create_time 版本号字段
INSERT INTO TABLE test_a(user_id, score, create_time)
WITH(SELECT ['AA','BB','CC','DD','EE','FF','GG']
)AS dict
SELECT number AS user_id, dict[number%7+1], now() AS create_time FROM
numbers(500000);--查询数据条数
SELECT COUNT() FROM test_a; --存在重复数据

二、手动 optimize

生产上不建议

--语法:OPTIMIZE TABLE [db.]name [ON CLUSTER cluster] [PARTITION partition | PARTITION ID 'partition_id'] [FINAL] [DEDUPLICATE [BY expression]]OPTIMIZE TABLE test_a FINAL;SELECT COUNT() FROM test_a; --重复数据去除了

三、通过 group by 去重

--使用 group by 语法进行去重查询
SELECTuser_id ,argMax(score, create_time) AS score,argMax(deleted, create_time) AS deleted,max(create_time) AS ctime
FROM test_a
GROUP BY user_id
HAVING deleted = 0;--argMax(field1, field2):取 field2 最大值的那条数据的 field1 字段值--把上述语句创建为视图,方便测试
CREATE VIEW view_test_a AS
SELECTuser_id ,argMax(score, create_time) AS score,argMax(deleted, create_time) AS deleted,max(create_time) AS ctime
FROM test_a
GROUP BY user_id
HAVING deleted = 0;--插入重复数据测试
INSERT INTO TABLE test_a(user_id,score,create_time) VALUES(0,'AAAA',now());SELECT * FROM view_test_a WHERE user_id = 0;  --返回最新插入的数据--删除数据测试
INSERT INTO TABLE test_a(user_id,score,deleted,create_time) VALUES(0,'AAAA',1,now());SELECT * FROM view_test_a WHERE user_id = 0;  --无数据--最终可以结合表级别的 TTL 将物理数据真正删除

四、通过 final 查询

在查询语句后增加 final 修饰符,这样在查询的过程中将会执行 Merge 的特殊逻辑(例如数据去重,预聚合等),但在 20.5 及以后的版本 final 才支持多线程

1. 老版本测试

select * from visits_v1 WHERE StartDate = '2014-03-17' limit 100;select * from visits_v1 final WHERE StartDate = '2014-03-17' limit 100;

2. 新版本测试

explain pipeline select * from visits_v1 WHERE StartDate = '2014-03-17' limit 100 settings max_threads = 2;(Expression)
ExpressionTransform × 2(SettingQuotaAndLimits)(Limit)Limit 22(ReadFromMergeTree) MergeTreeThread × 2 01explain pipeline select * from visits_v1 final WHERE StartDate = '2014-03-17' limit 100 settings max_final_threads = 2;(Expression)
ExpressionTransform × 2(SettingQuotaAndLimits)(Limit)Limit 22(ReadFromMergeTree)ExpressionTransform × 2CollapsingSortedTransform × 2Copy 12AddingSelectorExpressionTransformMergeTree 01    --但是读取 part 部分的动作还是串行

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com