当前位置: 首页 > news >正文

clickhouse 各个引擎适用的场景

1. MergeTree - 最常用的引擎

场景:网站访问日志分析
sqlCREATE TABLE website_logs (
date Date,
user_id UInt32,
page_url String,
visit_time DateTime
) ENGINE = MergeTree()
PARTITION BY toYYYYMM(date)
ORDER BY (user_id, date);
现实例子:就像一个图书馆的借书记录,按时间分区(每月一个文件夹),按用户ID排序,方便快速查找某个用户的借书历史。

2. ReplacingMergeTree - 去重引擎

场景:用户资料表(会更新)
sqlCREATE TABLE user_profiles (
user_id UInt32,
name String,
phone String,
updated_at DateTime
) ENGINE = ReplacingMergeTree(updated_at)
ORDER BY user_id;
现实例子:像员工档案柜,每个员工只能有一份最新的档案。如果员工信息更新了,旧的档案会被新的替换掉。

3. SummingMergeTree - 自动求和引擎

场景:销售数据统计
sqlCREATE TABLE daily_sales (
date Date,
product_id UInt32,
sales_amount Float64
) ENGINE = SummingMergeTree()
ORDER BY (date, product_id);
现实例子:像收银台的小票汇总,同一天同一商品的多次销售会自动加起来,最终得到每日每商品的总销售额。

4. AggregatingMergeTree - 聚合引擎

场景:用户行为指标统计
sqlCREATE TABLE user_metrics (
date Date,
user_id UInt32,
page_views AggregateFunction(sum, UInt64),
unique_pages AggregateFunction(uniq, String)
) ENGINE = AggregatingMergeTree()
ORDER BY (date, user_id);
现实例子:像健身房的会员运动记录统计表,自动计算每个会员每天的总运动时间、使用过的不同器械数量等指标。

5. CollapsingMergeTree - 折叠引擎

场景:订单状态变化记录
sqlCREATE TABLE order_changes (
order_id UInt32,
status String,
amount Float64,
sign Int8 – 1表示新增,-1表示撤销
) ENGINE = CollapsingMergeTree(sign)
ORDER BY order_id;
现实例子:像银行账户的交易记录,如果一笔交易被撤销,会插入一条相反的记录来抵消原交易,最终余额是正确的。

6. VersionedCollapsingMergeTree - 版本化折叠引擎

场景:商品价格变化历史
sqlCREATE TABLE product_prices (
product_id UInt32,
price Float64,
version UInt64,
sign Int8
) ENGINE = VersionedCollapsingMergeTree(sign, version)
ORDER BY (product_id, version);
现实例子:像商品价格标签的更新历史,每次改价都有版本号,可以追踪价格变化轨迹,错误的价格记录可以被正确版本覆盖。

7. GraphiteMergeTree - 时序数据引擎

场景:服务器监控指标
sqlCREATE TABLE server_metrics (
metric_name String,
timestamp UInt32,
value Float64
) ENGINE = GraphiteMergeTree(‘graphite_rollup’)
ORDER BY (metric_name, timestamp);
现实例子:像医院的心电监护仪,记录病人的心率、血压等生命体征,旧数据会按规则自动聚合(比如每分钟的数据合并成每小时的平均值)。

8. Memory - 内存引擎

场景:临时计算表
sqlCREATE TABLE temp_calculations (
id UInt32,
result Float64
) ENGINE = Memory;
现实例子:像计算器的临时结果,数据存在内存中,计算完就清空,重启后就没了。

9. Distributed - 分布式引擎

场景:大规模数据分析
sqlCREATE TABLE global_sales (
date Date,
region String,
sales Float64
) ENGINE = Distributed(cluster_name, database_name, local_table_name, rand());
现实例子:像连锁超市的总部系统,可以查询全国各个分店的销售数据,数据实际存储在各地的服务器上,但查询时像一张大表。
选择建议

日志分析、报表 → MergeTree
用户资料、配置信息 → ReplacingMergeTree
销售统计、计数器 → SummingMergeTree
复杂指标统计 → AggregatingMergeTree
状态变化追踪 → CollapsingMergeTree
监控指标 → GraphiteMergeTree
临时计算 → Memory
多机房部署 → Distributed

http://www.lryc.cn/news/583071.html

相关文章:

  • 【TCP/IP】2. 计算机网络与因特网体系结构
  • 手机文件夹隐藏工具,一键保护隐私
  • 数据库性能优化指南:解决ORDER BY导致的查询性能问题( SQL Server )
  • Dify 文本语意识别与自动补全工作流
  • MyBatisPlus-03-扩展功能
  • C#基础篇(11)泛型类与泛型方法详解
  • 1068.产品销售分析Ⅰ
  • huggingface 笔记: Trainer
  • 打造自己的组件库(二)CSS工程化方案
  • 跨服务sqlplus连接oracle数据库
  • 54页|PPT|新型数字政府综合解决方案:“一网 一云 一中台 N应用”平台体系 及“安全+运营”服务体系
  • 人工智能的基石:TensorFlow与PyTorch在图像识别和NLP中的应用
  • 影石(insta360)X4运动相机视频删除的恢复方法
  • 【视频观看系统】- 需求分析
  • 【DB2】load报错SQL3501W、SQL3109N、SQL2036N
  • Tensorflow的安装记录
  • django 一个表中包括id和parentid,如何通过parentid找到全部父爷id
  • react+ts 移动端页面分页,触底加载下一页
  • 板凳-------Mysql cookbook学习 (十一--------6)
  • 安卓设备信息查看器 - 源码编译
  • Android-重学kotlin(协程源码第二阶段)新学习总结
  • 中望CAD2026亮点速递(5):【相似查找】高效自动化识别定位
  • uniapp AndroidiOS 定位权限检查
  • Android ViewModel机制与底层原理详解
  • upload-labs靶场通关详解:第19关 条件竞争(二)
  • 池化思想-Mysql异步连接池
  • 5.注册中心横向对比:Nacos vs Eureka vs Consul —— 深度解析与科学选型指南
  • Web 前端框架选型:React、Vue 和 Angular 的对比与实践
  • 华为静态路由配置
  • 小米路由器3C刷OpenWrt,更换系统/变砖恢复 指南