ClickHouse简介
ClickHouse是一个用于联机分析(OLAP)的列式数据库管理系统(DBMS)。
• 列式存储。
• 向量化计算引擎。
• 数据压缩。
• 多核并行处理。
• 分布式执行。
• 稀疏索引。
受益于上述特性，常规的业务查询均在亚秒内返回。
适用场景
适用于交互式场景分析，为用户提供极速分析体验，能够支撑实时数据分析
和海量数据离线分析。
业务场景
• 用户行为分析，计算PV,UV,点击率等。
• 标签服务，人群预估, 人群圈选。
• 日志分析，全文检索。
• 电商交易分析。
• OGV内容分析。
共同特性
海量数据，大宽表，点查，聚合，交互式分析。
不太适合
• 高并发，高频次。
• JOIN(关联查询)。
• ETL Job。
建表
在查询过程使用分区键，索引，prewhere可
以有效地过滤掉不需要的数据，提升查询性
能。
• 分区键：筛选出需要读取的data part。
• 索引：筛选出需要读取的mrk(granualrity)。
• prewhere：筛选出需要读取的实际行数。
分区键怎么填写？
一般设置为天级别分区。
如果单日百万级数据量，可以设置为月份区，如果单日数十亿级数据量，可以设置为小时分区，具体需根据数据量，查询情况和数据导入来决定，常规业务设置为天级分区即可。
举例：假设时间戳字段为log_date，注意该字段必须存在column里面。
• 如果数据类型为Date，则分区键可以直接设置为log_date，或toYYYYMMDD(log_date)
• 如果数据类型为DateTime, 则分区键可以直接设置为toDate(log_date), 或toYYYYMMDD(log_date)
• 如果数据类型为String，如果是天级别，可以直接设置为log_date，如果非天级别，可以使用
substring()进行截取，比如log_date=2023-05-12 10:00:00, substring(log_date, 1, 10)=2023-05-12。
Rider离线导入overwrite模式依赖于分区键，如果想使用overwrite模式，必须设置分区键。
一级索引怎么填写？
一级索引为线性索引，建议设置为最常用的过滤条件，数量最好不超过3个，按照基数由小到大排序。
举例：
点查场景：查询最近几天某个mid的详细信息。
一级索引设置为：mid
聚合场景: 查询最近几天某个事件下某个品牌的聚合信息。
一级索引设置为：event_id，brand
聚合场景：查询最近几分钟或几个小时的聚合信息。
一级索引设置为：time
注意：查询需添加分区键过滤，上述的最近几天由分区键进行过滤。
生命周期怎么填写？
假设时间戳字段为log_date，注意该字段必须存在column里面。
如果log_date是时间数据类型，则可以直接作为TTL表达式。
比如：log_date数据类型为Date, DateTime
如果log_date是非时间数据类型，比如是String类型。
1.如果值为：yyyy-MM-dd or yyyy-MM-dd HH:mm:ss
使用自定义表达式：toDate(log_date)
2.如果值为：yyyyMMdd or yyyyMMddHHmmss
使用自定义表达式：toDate(parseDateTimeBestEffort(log_date))
3.如果值为：unix_time(秒，长度为10位，例如1627802598)
使用自定义表达式：toDate(fromUnixTimestamp(CAST(log_date, 'Int32')))
4.如果值为：unix_time(毫秒，长度为13位，例如1627802598285)
使用自定义表达式：toDate(fromUnixTimestamp64Milli(CAST(log_date, 'Int64')))
