点一下关注吧！！！非常感谢！！持续更新！！！
目前已经更新到了：
Hadoop（已更完）
HDFS（已更完）
MapReduce（已更完）
Hive（已更完）
Flume（已更完）
Sqoop（已更完）
Zookeeper（已更完）
HBase（已更完）
Redis （已更完）
Kafka（已更完）
Spark（已更完）
Flink（已更完）
ClickHouse（正在更新···）
章节内容
上节我们完成了如下的内容：
MergeTree 存储结构
MergeTree 数据标记
MergeTree 分区 索引 标记 压缩协同
ReplacingMergeTree
简介
这个引擎是在MergeTree的基础上，添加了处理重复数据的功能，该引擎和MergeTree的不同之处在于它会删除具有相同主键的重复项。
特点
使用ORDER BY排序键作为判断重复的唯一键
数据的去重只会在合并的过程中触发
以数据分区为单位删除重复数据，不同分区的重复数据不会被删除
找到重复数据的方式依赖数据已经ORDER BY排好顺序了
如果没有ver版本号，则保留重复数据的最后一行
如果设置ver版本号，则保留重复数据中ver版本号最大的数据
案例
创建新表
CREATE TABLE replace_table ( id String, code String, create_time DateTime ) ENGINE = ReplacingMergeTree() PARTITION BY toYYYYMM(create_time) ORDER BY (id, code) PRIMARY KEY id;
运行结果如下图所示：
插入数据
INSERT INTO replace_table VALUES ('A001', 'C1', '2024-08-01 08:00:00'); INSERT INTO replace_table VALUES ('A001', 'C1', '2024-08-02 08:00:00'); INSERT INTO replace_table VALUES ('A001', 'C8', '2024-08-03 08:00:00'); INSERT INTO replace_table VALUES ('A001', 'C9', '2024-08-04 08:00:00'); INSERT INTO replace_table VALUES ('A002', 'C2', '2024-08-05 08:00:00'); INSERT INTO replace_table VALUES ('A003', 'C3', '2024-08-06 08:00:00');
运行结果如下所示：
optimize
首先说一下，optimize的作用是：
合并数据块：ClickHouse是一个列式的数据库，它的数据是以数据块（parts）的形式存储在磁盘上，OPTIMIZE TABLE 语句通过较小的数据块来减少块的数量，从而提高查询性能和磁盘利用率。
删除标记的行：如果表中有被标记为删除的行，这些行将在优化过程中被真正删除，释放相应的空间。
分区管理：可以对表的指定分区进行优化，以减少分区内的碎片。
SELECT * FROM replace_table;
运行结果如下图所示，通过观察，去重是根据ORDER BY来的，并非 PRIMARY KEY：
继续插入一条数据：
INSERT INTO replace_table VALUES('A001', 'c1', '2024-01-01 08:00:00')
执行结果如下所示：
观察上图可以看出，不同分区的数据不会去重。
SummingMergeTree
简介
该引擎来自MergeTree，区别在于，当合并SummingMergeTree表的数据片段时，ClickHouse会把所有具有相同聚合数据的条件KEY的行合并为一行，该行包含了被合并的行中具有数值数据类型的列的汇总值。
如果聚合数据的条件KEY的组合方式使得单个键值对应于大量的行，则可以显著减少存储空间并加快数据查询的速度。对于不可加的列，会取一个最先出现的值。
特点
用ORDER BY排序键作为聚合数据的条件KEY
合并分区的时候触发汇总逻辑
以数据分区为单位聚合数据，不同分区的数据不会被汇总
如果在定义引擎时指定了Columns汇总列（非主键）则SUM汇总这些字段
如果没有指定，则汇总所有非主键的数值类型字段
SUM汇总相同的聚合KEY的数据，依赖ORDER BY排序
同一分区的SUM汇总过程，非汇总字段的数据保留第一行取值
支持嵌套结构，但列字段名称必须以Map后缀结束
案例1
创建新表
CREATE TABLE smt_table ( date Date, name String, a UInt16, b UInt16 ) ENGINE = SummingMergeTree(date, (date, name), 8192, (a));
运行的结果如下图所示：
插入数据
insert into smt_table (date, name, a, b) values ('2024-08-10', 'a', 1, 2); insert into smt_table (date, name, a, b) values ('2024-08-10', 'b', 2, 1); insert into smt_table (date, name, a, b) values ('2024-08-11', 'b', 3, 8); insert into smt_table (date, name, a, b) values ('2024-08-11', 'b', 3, 8); insert into smt_table (date, name, a, b) values ('2024-08-11', 'a', 3, 1); insert into smt_table (date, name, a, b) values ('2024-08-12', 'c', 1, 3);
运行结果如下所示：
optimize
等待一段时间，或者手动 optimize table 来触发合并，再查询信息：
OPTIMIZE TABLE smt_table; SELECT * FROM smt_table;
执行结果如下图所示：
通过观察，我们会发现，2024-08-11， b 和 a 列合并相加了，b列取了8（因为b列为8的数据最先插入的）
案例2
创建新表
CREATE TABLE summing_table( id String, city String, v1 UInt32, v2 Float64, create_time DateTime ) ENGINE = SummingMergeTree() PARTITION BY toYYYYMM(create_time) ORDER BY (id, city);
执行结果如下图：
插入数据
insert into table summing_table values('A000','beijing',10,20,'2024-08-20 08:00:00'); insert into table summing_table values('A000','beijing',20,30,'2024-08-30 08:00:00'); insert into table summing_table values('A000','shanghai',10,20,'2024-08-20 08:00:00'); insert into table summing_table values('A000','beijing',10,20,'2024-06-20 08:00:00'); insert into table summing_table values('A001','beijing',50,60,'2024-02-20 08:00:00');
执行结果如下图所示：
optimize
OPTIMIZE TABLE summing_table; SELECT * FROM summing_table;
执行结果如下图所示：
通过观察，根据ORDER BY排序键（id, city）作为聚合KEY，因为没有在建表时指定SummingMergeTree的SUM列，所以把所有非主键数值类型的列都进行了SUM处理。
案例3
SummingMergeTree支持嵌套类型的字段，但列字段名称必须以Map后缀结束。
创建新表
CREATE TABLE summing_table_nested( id String, nestMap Nested( id UInt32, key UInt32, val UInt64 ), create_time DateTime ) ENGINE = SummingMergeTree() PARTITION BY toYYYYMM(create_time) ORDER BY id;
执行的结果如下图所示：
插入数据
INSERT INTO summing_table_nested VALUES ('1', [101, 102], [201, 202], [1001, 1002], '2024-08-01 10:00:00'); INSERT INTO summing_table_nested VALUES ('2', [103, 104], [203, 204], [1003, 1004], '2024-08-01 10:00:00'); INSERT INTO summing_table_nested VALUES ('1', [105, 106], [205, 206], [1005, 1006], '2024-08-01 10:00:00'); INSERT INTO summing_table_nested VALUES ('2', [107, 108], [207, 208], [1007, 1008], '2024-08-02 10:00:00'); INSERT INTO summing_table_nested VALUES ('3', [109, 110], [209, 210], [1009, 1010], '2024-08-02 10:00:00'); INSERT INTO summing_table_nested VALUES ('4', [111, 112], [211, 212], [1011, 1012], '2024-08-02 10:00:00');
执行过程如下图所示：
执行过程如下图所示：
可以看到，我们插入了6条数据，但是查询到的只有4条，而且此外也进行计算的SUM处理。
