Clickhouse表引擎ReplacingMergeTree

我们都知道，clickhouse不支持直接更新，而是通过merge的方式实现的，上次说了CollapsingMergeTree，它是通过主键，还有一个标识字段，进行数据的折叠，来删除老的数据，今天来说下另外一种删除老的数据的策略：替换，ReplacingMergeTree。

ReplacingMergeTree

该引擎与MergeTree的区别在于，它会删除排序键值相同的重复项。

数据的去重只会在合并期间进行。合并会在后台一个不确定的时间进行，因此你无法预先做出计划。有一些数据可能仍未被处理。尽管你可以调用OPTIMIZE语句发起计划之外的合并，但请不要依靠它，因为OPTIMIZE操作会引发大量的数据读写操作。

因此，ReplacingMergeTree适用于在后台清理重复数据，以节省空间。但是它不保证没有重复的数据出现。

建表

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
    name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1],
    name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2],
    ...
) ENGINE = ReplacingMergeTree([ver])
[PARTITION BY expr]
[ORDER BY expr]
[SAMPLE BY expr]
[SETTINGS name=value, ...]

ReplacingMergeTree的参数

1. ver - 版本列，类型为UInt*、Date、DateTime。可选参数
   在数据合并的时候，ReplacingMergeTree从所有具有相同排序键的行中，选择一行留下：
   a. 如果ver列未指定，保留最后一条
   b. 如果ver列已指定，保留ver值最大的版本

实例

建表

CREATE TABLE emp_replacingmergetree
(
    emp_id UInt16 COMMENT '员工id',
    name String COMMENT '姓名',
    work_place String COMMENT '工作地点',
    age UInt8 COMMENT '员工年龄',
    depart String COMMENT '部门',
    salary Decimal32(2) COMMENT '薪水',
    ver UInt8 comment '版本号'
) ENGINE = ReplacingMergeTree(ver)
ORDER BY (emp_id, name)
PARTITION BY work_place
;

插入相同主键的两个版本数据

INSERT INTO emp_replacingmergetree VALUES (1, 'zhangsan', 'beijing', 25, 'tech', 20000, 1);
INSERT INTO emp_replacingmergetree VALUES (1, 'zhangsan', 'beijing', 29, 'tech', 30000, 2);

查看表中数据

localhost :) select * from emp_replacingmergetree;

SELECT *
FROM emp_replacingmergetree

Query id: d8e24f75-c83d-4e57-9ee7-291c0f4b7578

┌─emp_id─┬─name─────┬─work_place─┬─age─┬─depart─┬─salary─┬─ver─┐
│      1 │ zhangsan │ beijing    │  29 │ tech   │  30000 │   2 │
└────────┴──────────┴────────────┴─────┴────────┴────────┴─────┘
┌─emp_id─┬─name─────┬─work_place─┬─age─┬─depart─┬─salary─┬─ver─┐
│      1 │ zhangsan │ beijing    │  25 │ tech   │  20000 │   1 │
└────────┴──────────┴────────────┴─────┴────────┴────────┴─────┘

2 rows in set. Elapsed: 0.005 sec.

手动合并

optimize table emp_replacingmergetree;

-- 再次执行查询
localhost :) select * from emp_replacingmergetree;

SELECT *
FROM emp_replacingmergetree

Query id: bbc56bfb-6c78-4d4c-9c04-0e60803fb397

┌─emp_id─┬─name─────┬─work_place─┬─age─┬─depart─┬─salary─┬─ver─┐
│      1 │ zhangsan │ beijing    │  29 │ tech   │  30000 │   2 │
└────────┴──────────┴────────────┴─────┴────────┴────────┴─────┘

1 rows in set. Elapsed: 0.003 sec.

总结

所以，ReplacingMergeTree表引擎会删除排序键重复的数据，留下版本最大的一条，实现删除和更新的操作。
而上次介绍的CollapsingMergeTree会通过数据的新增和删除标记来实现，实现数据的更新会多插入一条数据。

---

Keep reading, Keep writing, Keep coding.

欢迎关注我的微信公众号，比较喜欢分享知识，也喜欢宠物，所以做了这2个公众号：

喜欢宠物的朋友可以关注：【电巴克宠物Pets】

一起学习，一起进步。