数据查询

简介: 数据查询

作为一款 OLAP 分析性数据库,我相信大家在大部分时间内都在使用它的查询功能。在日常运转的过程中,数据查询也是 ClickHouse 的主要工作之一。 ClickHouse 完全使用 SQL 作为查询语言,能够以 SELECT 查询语句的形式从数据库中选取数据,这也是它具备流行潜质的重要原因。虽然 ClickHouse 拥有优秀的查询性能,但是我们也不能滥用查询,掌握 ClickHouse 所支持的各种子查询,并选择合理的查询形式是很有必要的。使用不恰当的 SQL 语句进行查询不仅会带来低性能,还可能导致不可预知的系统错误。


在绝大部分场景中,都应该避免使用 SELECT * 形式来查询数据,因为通配符 * 对于采用列式存储的 ClickHouse 而言没有任何好处。假如面对一张拥有数百个列字段的数据表,下面这两条 SELECT 语句的性能可能会相差 100 倍之多。

-- 使用通配符*与按列按需查询相比,性能可能相差100倍。
$ SELECT * FROM datasets.hits_v1;
$ SELECT WatchID FROM datasets.hits_v1;点击复制复制失败已复制


ClickHouse 对于 SQL 语句的解析是大小写敏感的,这意味着 SELECT aSELECT A 表示的语义是不相同的。 ClickHouse 目前支持的查询子句如下所示:

[WITH expr | (subquery)]
SELECT [DISTINCT] expr
[FROM [db.]table | (subquery) | table_function] [FINAL]
[SAMPLE expr]
[[LEFT] ARRAY JOIN]
[GLOBAL] [ALL|ANY|ASOF] [INNER | CROSS | [LEFT|RIGHT|FULL [OUTER]]] JOIN (subquery)|table ON|USING columns_list
[PREWHERE expr]
[WHERE expr]
[GROUP BY expr] [WITH ROLLUP|CUBE|TOTALS]
[HAVING expr]
[ORDER BY expr]
[LIMIT [n[,m]]]
[UNION ALL]
[INTO OUTFILE filename]
[FORMAT format]
[LIMIT [offset] n BY columns]点击复制复制失败已复制


其中,方括号包裹的查询子句表示其为可选项,所以只有 SELECT 子句是必须的,而 ClickHouse 对于查询语法的解析也大致是按照上面各个子句排列的顺序进行的。

目录
相关文章
|
3月前
|
SQL 存储 开发框架
2、SQL查询-简单查询
2、SQL查询-简单查询
24 0
|
3月前
|
SQL 关系型数据库 MySQL
3、SQL查询-复杂查询
3、SQL查询-复杂查询
59 0
|
4月前
|
SQL 存储 数据库
SQL查询技巧
【7月更文挑战第26天】SQL查询技巧
27 1
|
4月前
|
SQL 数据库
SQL查询
【7月更文挑战第22天】SQL查询
30 4
|
BI 索引
|
SQL 关系型数据库 OLAP
数据查询|学习笔记
快速学习数据查询
141 0
数据查询|学习笔记
基础DQL(数据查询)——基础查询
基础DQL(数据查询)——基础查询
118 0
基础DQL(数据查询)——基础查询
基础DQL(数据查询)——条件查询
基础DQL(数据查询)——条件查询
123 0
基础DQL(数据查询)——条件查询
|
数据库 Python
数据查询与统计
数据查询与统计
104 0
|
存储 SQL 关系型数据库
10_Mysql查询
10_Mysql查询
153 0