AggregatingMergeTree有些许数据立方体的意思,它能够在合并分区的时候,按照预先定义的条件,聚合数据。
同时,根据预先定义的聚合函数,计算数据并通过二进制的格式存入表内。
将同一分组下的多行数据,聚合成一行,既减少了数据行,又降低了后续聚合查询的开销。
-- 建表语句
CREATE TABLE agg_table(
id String,
city String,
code AggregateFunction(uniq,String),
value AggregateFunction(sum,UInt32),
create_time DateTime
)
ENGINE = AggregatingMergeTree()
PARTITION BY toYYYYMM(create_time)
ORDER BY (id,city)
PRIMARY KEY id
其中的uniq、sum是指定的聚合函数。大家可以在官网aggregate-functions 下查看更多的相关函数。
AggregateFunction是ClickHouse提供的一种特殊的数据类型,它能够以二进制的形式存储中间状态结果。
其使用方法也十分特殊,对于AggregateFunction类型的列字段,数据的写入和查询都与寻常不同。
在写入数据时,需要调用State函数。而在查询数据时,则需要调用相应的Merge函数。
例如:在写入数据时需要调用与uniq、sum对应的uniqState和sumState函数,并使用INSERT SELECT 语法:
-- 写入测试数据id = A000, code相同;
INSERT INTO TABLE agg_table SELECT 'A000','test', uniqState('code1'), sumState(toUInt32(100)), '2019-08-10 17:00:00';
INSERT INTO TABLE agg_table SELECT 'A000','test', uniqState('code1'), sumState(toUInt32(100)), '2019-08-10 17:00:00';
-- 写入测试数据id = A001, code不同;
INSERT INTO TABLE agg_table SELECT 'A001','test', uniqState('code1'), sumState(toUInt32(100)), '2019-08-10 17:00:00';
INSERT INTO TABLE agg_table SELECT 'A001','test', uniqState('code2'), sumState(toUInt32(50)), '2019-08-10 17:00:00';
而在查询数据时,如果直接使用列名访问code和value,将会是无法显示的二进制。
此时,则需要调用与uniq、sum对应的uniqMerge、sumMerge函数:
SELECT id,city,uniqMerge(code),sumMerge(value) FROM agg_table GROUP BY id,city;
┌─id───┬─city─┬─uniqMerge(code)─┬─sumMerge(value)─┐
│ A001 │ test │ 2 │ 150 │
│ A000 │ test │ 1 │ 200 │
└──────┴──────┴─────────────────┴─────────────────┘
2 rows in set. Elapsed: 0.002 sec.
可以看到id = A000 的uniqMerge(code) 为1、可见uniq函数是生效的。
但是你是否会认为AggregatingMergeTree使用起来过于繁琐呢?
连正常进行数据写入都行不通,还需要借助INSERT…SELECT的句式并调用特殊函数。如果直接像刚才示例中那样使用AggregatingMergeTree,确实会非常的麻烦。
不过各位读者并不需要忧虑,因为目前介绍的这种使用方式,并不是它的主流用法。
AggregatingMergeTree更为常⻅的应用方式,是结合物化视图使用,将它作为物化视图的表引擎。
而这里的物化视图,则是作为其他数据表上层的一种查询视图。
现在用一组示例说明它的用法,首先,建立明细数据表,也就是俗称的底表。
CREATE TABLE agg_table_basic( id String,
city String,
code String,
value UInt32
)ENGINE = MergeTree() PARTITION BY city ORDER BY (id,city)
通常会使用MergeTree作为底表,用于存储全部的明细数据,并以此对外提供实时查询。
接着,新建一张物化视图:
CREATE MATERIALIZED VIEW agg_view
ENGINE = AggregatingMergeTree()
PARTITION BY city
ORDER BY (id,city)
AS SELECT id,
city,
uniqState(code) AS code,
sumState(value) AS value
FROM agg_table_basic GROUP BY id, city;
物化视图使用AggregatingMergeTree表引擎,用于特定场景的数据查询,相比MergeTree它拥有更高的性能。
在新增数据时,面向的对象是底表MergeTree:
INSERT INTO TABLE agg_table_basic VALUES
('A000','wuhan','code1',100),
('A000','wuhan','code2',200),
('A000','zhuhai','code1',200);
数据会自动同步到物化视图,并按照AggregatingMergeTree引擎的规则处理。
在查询数据时,面向的对象则是物化视图AggregatingMergeTree:
SELECT id, sumMerge(value), uniqMerge(code) FROM agg_view GROUP BY id, city;
┌─id───┬─sumMerge(value)─┬─uniqMerge(code)─┐
│A000│ 200 │ 1 │
│A000│ 300 │ 2 │
└──────┴───────────────┴───────────────┘
接下来,简单梳理一下AggregatingMergeTree的处理逻辑:
物化视图完整语法:
CREATE [MATERIALIZED] VIEW [IF NOT EXISTS] [db.]table_name [TO[db.]name]
[ENGINE = engine] [POPULATE] AS SELECT ...
当物化视图创建之后,如果源表被写入了新数据,那么物化视图也会同步更新。
POPULATE修饰符决定了物化视图的初始化策略:
物化视图目前并不支持同步删除,如果在源表中删除了数据,物化视图的数据仍会保留。
物化视图本质上是一张特殊的数据表,例如使用SHOW TABLE查看数据表的列表:
SHOW TABLES;
┌─name────────┐
│ .inner.view_test2 │ │ .inner.view_test3 │
└───────────┘
上述的AggregateFunction底层原理是使用的预计算,也就是每写入一批数据,trigger就会触发一次计算结果更新视图。所以在海量数据的场景下这种查询效率也是非常高的。