Clickhouse_Table_Engine_总结

Clickhouse_Table_Engine_总结

Clickhouse表引擎决定了:

  • 数据如何存储,如何读取
  • 支持何种查询
  • 并发数据访问能力
  • 索引的使用
  • 是否支持多线程请求执行
  • 数据如何同步

当读取数据时, 引擎只需要抽取必要的列簇. 然而,在一些场景下,引擎可以半处理数据

对于大多数场合下,应该使用 MergeTree家族 引擎

以下包括官方介绍的17种表引擎的介绍:


Clickhouse Dictionaries 使用样例

Clickhouse Dictionaries 字典使用

clickhouse支持从各种数据源添加自己的字典。字典的数据源可以是本地文本、可执行文件
、HTTP(s)资源或其他DBMS。有关更多信息,请参阅“外部词典的来源”。

  • 完全或部分将字典存储在RAM中。
  • 定期更新字典并动态加载缺失值。换句话说,可以动态加载字典。

外部词典的配置位于一个或多个文件中。 配置的路径在dictionaries_config参数中指定。

字典配置:

1
<dictionaries_config>*_dictionary.xml</dictionaries_config>

当前配置文件目录下,以_dictionary.xml结尾的均作为字典配置文件进行字典加载。

字典可以在服务器启动时或首次使用时加载,具体取决于dictionaries_lazy_load设置。


Clickhouse Dictionaries 外部字典的数据源配置

Clickhouse Dictionaries - Sources of External Dictionaries

Clickhouse允许从不同的源构造外部字典,配置文件通常像这样:

1
2
3
4
5
6
7
8
9
10
11
12
<yandex>
<dictionary>
...
<source>
<source_type>
<!-- Source configuration -->
</source_type>
</source>
...
</dictionary>
...
</yandex>

数据源则是通过source项进行配置

其中支持的数据源的类型有(source_type):

  • Local file
  • Executable file
  • HTTP(s)
  • DBMS
    • MySQL
    • ClickHouse
    • MongoDB
    • ODBC

Clickhouse Dictionaries 在内存中的存储方式

Clickhouse Dictionaries -Storing Dictionaries in Memory

Clickhouse支持多种方式将字典存储在内存中

一般推荐flathashedcomplex_key_hashed,这些提供了最佳的处理速度,但是不推荐使用cache,因为可能会出现性能差且难以选择最佳参数的问题。

有以下几种方式提升字典的使用性能:

  • 在使用Group By之后再调用函数处理字典
  • 将属性标记为单射(injective).如果不同的属性值对应不同的键,则属性被称为单射。因此,当group by 中使用通过key获取字典value的函数时,此函数将自动从group by中取出。

Clickhouse Dictionaries 键值配置说明

Clickhouse_Dictionary Key and Fields

字典键值配置说明

字典键、值的配置是在配置文件中的structure节点

整体的配置结构

1
2
3
4
5
6
7
8
9
10
11
<dictionary>
<structure>
<id>
<name>Id</name>
</id>
<attribute>
<!-- Attribute parameters -->
</attribute>
...
</structure>
</dictionary>

Columns are described in the structure:

  • <id> - key column.
  • <attribute> - data column. 这里可以配置很多数据列

Clickhouse聚合函数速记图

Clickhouse 聚合函数

Clickhouse 聚合函数速查图:

Clickhouse函数速记图

Clickhouse 函数

Clickhouse 函数速查图:

clickhouse_参数配置(持续更新)

clickhouse 参数配置(持续更新)

  • 远程访问
  • 内存限制
  • 设置数据目录

https://clickhouse.yandex/docs/en/operations/configuration_files/


Centos7源码编译安装Clickhouse

Centos7 编译安装Clickhouse

  1. 检查是否支持SSE4.2
  2. 安装依赖项
  3. 安装高版本 gcc
  4. 安装cmake 3
  5. 源码安装Clickhouse
  6. 启动服务

转化漏斗的基本实现

转化漏斗的基本实现

参照 clickhouse-presentation funnel 实现:
https://github.com/yandex/clickhouse-presentations/blob/master/meetup9/funnels.pdf

测试环境:单机 Intel Xeon L5520,内存16G(配置是不是很穷呢😭)
样本数据:易观OLAP大赛Demo数据,官方说6亿,17年1月和2月的数据,我实际下载数据总条数3亿左右,只有1月的数据,可能下载过程丢了。。。

测试项

  • 计算2017年1月份中,依次有序触发“搜索商品”、“查看商品”、“生成订单”的用户转化情况,且时间窗口为1天
  • 计算2017年1月和2月份中,依次有序触发“登陆”、“搜索商品”、“查看商品”、“生成订单”、“订单付款”的用户转化情况, 且时间窗口为7天,“搜索商品”事件的content属性为Apple,“浏览商品”事件的price属性大于5000。

原题中,有时间窗口概念,clickhouse现有原生聚合函数无法支持,所以到后面实现;下载的数据没有二月份的,而且机器配置有点低,测试的时候好几次内存不够分配


Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×