概述
运行环境：
centos 7.6
Clickhouse> select version();
SELECT version()
┌─version()─┐
│ 20.4.4.18 │
└───────────┘
TTL即Time To Live 表示数据的存活时间。在MergeTree中，可以为某个列字段或者整张表设置TTL。当时间达到时，若列字段
级别的TTL 则会删除这一列的数据；若表级别的TTL则会删除整张表的数据；若同时设置了列级别的和表级别的TTL则以先到期的为准。
无论列级别还是表级别的TTL，都需要依托某个Datetime或者date类型的字段，通过对这个时间字段的INTERVAL操作来表述TTL的过期时间：
示例：
TTL time_column + interval 3 DAY
表示数据存活的时间为time_column 时间的3天之后。
INTERVAL支持的操作：second，minute，hour，day，week，month，quarter，year。
适用场景：
数仓建设需要考虑数据的生命周期问题，数据的生命周期包括数据最初的写入，存储，处理，查询，归档和销毁几个基本的阶段。
实际中数仓数据量的成倍增长，不但产生了巨大容量的存储,同时也造成管理的困难，更换存储方式和存储迁移对项目来讲都是需要考虑
成本和风险的。clickhouse这样的一个设计，可以有效处理解决数据有效的存储周期和销毁的问题。ck的出现对数据存储的
数仓的业务选型又添加一种选择。
概言之：
1.定期删除过期数据
2.定期移动过期数据进行归档
适用对象：
1.列
2.表
3.分区表
4.物化视图的列
列级别的TTL
若要设置列级别的TTL，则需要在定义表字段的时候，为他们声明TTL表达式，主键字段不能被声明TTL。
Clickhouse> create table t_column_ttl(id UInt64 comment 'Primary key'
,create_time Datetime
,product_desc String TTL create_time + interval 10 second
,product_type UInt8 TTL create_time + interval 10 second)
engine=MergeTree partition by toYYYYMM(create_time) order by id;
CREATE TABLE t_column_ttl
(
`id` UInt64 COMMENT 'Primary key',
`create_time` Datetime,
`product_desc` String TTL create_time + toIntervalSecond(10),
`product_type` UInt8 TTL create_time + toIntervalSecond(10)
)
ENGINE = MergeTree
PARTITION BY toYYYYMM(create_time)
ORDER BY id
Ok.
0 rows in set. Elapsed: 0.059 sec.
Clickhouse> insert into table t_column_ttl values(1,now(),'Huawei',1),(2,now()+interval 1 minute,'Apple',2);
INSERT INTO t_column_ttl VALUES
Ok.
2 rows in set. Elapsed: 0.018 sec.
Clickhouse> select * from t_column_ttl;
SELECT *
FROM t_column_ttl
┌─id─┬─────────create_time─┬─product_desc─┬─product_type─┐
│ 1 │ 2020-06-15 12:10:20 │ Huawei │ 1 │
│ 2 │ 2020-06-15 12:11:20 │ Apple │ 2 │
└────┴─────────────────────┴──────────────┴──────────────┘
2 rows in set. Elapsed: 0.003 sec.
Clickhouse> select sleep(10);
SELECT sleep(10)
↙ Progress: 0.00 rows, 0.00 B (0.00 rows/s., 0.00 B/s.) Received exception from server (version 20.4.4):
Code: 160. DB::Exception: Received from localhost:9000. DB::Exception: The maximum sleep time is 3 seconds. Requested: 10.
0 rows in set. Elapsed: 0.111 sec.
Clickhouse> select sleep(3);
SELECT sleep(3)
┌─sleep(3)─┐
│ 0 │
└──────────┘
1 rows in set. Elapsed: 3.003 sec.
Clickhouse> select * from t_column_ttl;
SELECT *
FROM t_column_ttl
┌─id─┬─────────create_time─┬─product_desc─┬─product_type─┐
│ 1 │ 2020-06-15 12:10:20 │ Huawei │ 1 │
│ 2 │ 2020-06-15 12:11:20 │ Apple │ 2 │
└────┴─────────────────────┴──────────────┴──────────────┘
2 rows in set. Elapsed: 0.002 sec.
Clickhouse> optimize table t_column_ttl final;
OPTIMIZE TABLE t_column_ttl FINAL
Ok.
0 rows in set. Elapsed: 0.004 sec.
Clickhouse> select * from t_column_ttl;
SELECT *
FROM t_column_ttl
┌─id─┬─────────create_time─┬─product_desc─┬─product_type─┐
│ 1 │ 2020-06-15 12:10:20 │ │ 0 │
│ 2 │ 2020-06-15 12:11:20 │ │ 0 │
└────┴─────────────────────┴──────────────┴──────────────┘
2 rows in set. Elapsed: 0.003 sec.
执行optimize命令会强制触发TTL清理，若再次查询可以看到满足TTL条件之后，定义了TTL操作的字段列会被还原为数据类型的默认值。
修改列字段的TTL或者修改已有字段的TTL：：
Clickhouse> alter table t_column_ttl MODIFY COLUMN product_desc String TTL create_time + INTERVAL 2 DAY;
添加字段的TTL:
Clickhouse> alter table t_column_ttl add column product_name String comment '产品名称' ttl create_time + interval 3 month;
-- 查看TTL的信息：
Clickhouse> desc t_column_ttl;
DESCRIBE TABLE t_column_ttl
┌─name─────────┬─type─────┬─default_type─┬─default_expression─┬─comment─────┬─codec_expression─┬─ttl_expression─────────────────────┐
│ id │ UInt64 │ │ │ Primary key │ │ │
│ create_time │ DateTime │ │ │ │ │ │
│ product_desc │ String │ │ │ │ │ create_time + toIntervalDay(2) │
│ product_type │ UInt8 │ │ │ │ │ create_time + toIntervalSecond(10) │
│ product_name │ String │ │ │ 产品名称 │ │ create_time + toIntervalMonth(3) │
└──────────────┴──────────┴──────────────┴────────────────────┴─────────────┴──────────────────┴────────────────────────────────────┘
5 rows in set. Elapsed: 0.003 sec.
表级别的TTL
可以在MergeTree的表参数中增加TTL表达式 为整张表设置TTL。
-- 设置之前需要查找配置的 disk和volume：
Clickhouse> select * from system.disks
:-] ;
SELECT *
FROM system.disks
┌─name─────────┬─path──────────────────────┬──free_space─┬─total_space─┬─keep_free_space─┐
│ default │ /var/lib/clickhouse/ │ 7788174336 │ 16095640576 │ 1024 │
│ disk_archive │ /data/clickhouse_archive/ │ 213757952 │ 10724835328 │ 0 │
│ disk_cold │ /data/clickhouse_cold/ │ 213757952 │ 10724835328 │ 0 │
│ disk_hot1 │ /opt/clickhouse_hot1/ │ 16288342016 │ 26830438400 │ 0 │
│ disk_hot2 │ /opt/clickhouse_hot2/ │ 16288342016 │ 26830438400 │ 0 │
└──────────────┴───────────────────────────┴─────────────┴─────────────┴─────────────────┘
5 rows in set. Elapsed: 0.004 sec.
Clickhouse> select * from system.storage_policies;
SELECT *
FROM system.storage_policies
┌─policy_name──────┬─volume_name─┬─volume_priority─┬─disks─────────────────────┬─max_data_part_size─┬─move_factor─┐
│ JBOD_default │ disk_group │ 1 │ ['disk_hot1','disk_hot2'] │ 0 │ 0.1 │
│ default │ default │ 1 │ ['default'] │ 0 │ 0 │
│ default_hot_cold │ hot │ 1 │ ['disk_hot1','disk_hot2'] │ 1048576 │ 0.2 │
│ default_hot_cold │ cold │ 2 │ ['disk_cold'] │ 10737418240 │ 0.2 │
│ default_hot_cold │ archive │ 3 │ ['disk_archive'] │ 0 │ 0.2 │
└──────────────────┴─────────────┴─────────────────┴───────────────────────────┴────────────────────┴─────────────┘
5 rows in set. Elapsed: 0.006 sec.
表的定义：
create table t_table_ttl(id UInt64 comment '主键',create_time Datetime comment '创建时间',product_desc String comment '产品描述' TTL create_time + interval 10 minute,product_type UInt8 )
engine=MergeTree partition by toYYYYMM(create_time) order by create_time
TTL create_time + INTERVAL 1 MONTH ,
create_time + INTERVAL 1 WEEK TO VOLUME 'default',
create_time + INTERVAL 2 WEEK TO DISK 'default';
可以看到t_table_ttl 整张表被设置为TTL，当触发TTL清理的时候，哪些满足过期时间的数据行将会被正行删除。
表级别的TTL修改：
Clickhouse> alter table t_table_ttl modify ttl create_time + interval 2 month;
查看信息：
Clickhouse> select database,name,engine,data_paths,metadata_path,metadata_modification_time,partition_key,sorting_key from system.tables where name='t_table_ttl';
SELECT
database,
name,
engine,
data_paths,
metadata_path,
metadata_modification_time,
partition_key,
sorting_key
FROM system.tables
WHERE name = 't_table_ttl'
┌─database─┬─name────────┬─engine────┬─data_paths──────────────────────────────────────┬─metadata_path──────────────────────────────────────┬─metadata_modification_time─┬─partition_key─────────┬─sorting_key─┐
│ study │ t_table_ttl │ MergeTree │ ['/var/lib/clickhouse/data/study/t_table_ttl/'] │ /var/lib/clickhouse/metadata/study/t_table_ttl.sql │ 2020-06-15 13:01:32 │ toYYYYMM(create_time) │ create_time │
└──────────┴─────────────┴───────────┴─────────────────────────────────────────────────┴────────────────────────────────────────────────────┴────────────────────────────┴───────────────────────┴─────────────┘
1 rows in set. Elapsed: 0.010 sec.
查看表的结构：
Clickhouse> desc t_table_ttl;
DESCRIBE TABLE t_table_ttl
┌─name─────────┬─type─────┬─default_type─┬─default_expression─┬─comment──┬─codec_expression─┬─ttl_expression─────────────────────┐
│ id │ UInt64 │ │ │ 主键 │ │ │
│ create_time │ DateTime │ │ │ 创建时间 │ │ │
│ product_desc │ String │ │ │ 产品描述 │ │ create_time + toIntervalMinute(10) │
│ product_type │ UInt8 │ │ │ │ │ │
└──────────────┴──────────┴──────────────┴────────────────────┴──────────┴──────────────────┴────────────────────────────────────┘
4 rows in set. Elapsed: 0.002 sec.
注意：列级别或者表级别的TTL 目前暂不支持取消操作。
3.TTL的运行原理
若一张MergeTree表被设置为TTL 则在写入数据时候会以数据分区为单位，在每个分区目录内生成一个ttl.txt的文件。
写入数据：
Clickhouse> insert into t_table_ttl(id,create_time,product_desc,product_type)values(10,now(),'Huawei',1),(20,now()+ interval 10 minute,'Apple',2);
[root@hadoop101 ~]# ls -l /var/lib/clickhouse/data/study/t_table_ttl/202006_1_1_0/
total 60
-rw-r----- 1 clickhouse clickhouse 465 Jun 15 13:14 checksums.txt
-rw-r----- 1 clickhouse clickhouse 115 Jun 15 13:14 columns.txt
-rw-r----- 1 clickhouse clickhouse 1 Jun 15 13:14 count.txt
-rw-r----- 1 clickhouse clickhouse 34 Jun 15 13:14 create_time.bin
-rw-r----- 1 clickhouse clickhouse 48 Jun 15 13:14 create_time.mrk2
-rw-r----- 1 clickhouse clickhouse 39 Jun 15 13:14 id.bin
-rw-r----- 1 clickhouse clickhouse 48 Jun 15 13:14 id.mrk2
-rw-r----- 1 clickhouse clickhouse 8 Jun 15 13:14 minmax_create_time.idx
-rw-r----- 1 clickhouse clickhouse 4 Jun 15 13:14 partition.dat
-rw-r----- 1 clickhouse clickhouse 8 Jun 15 13:14 primary.idx
-rw-r----- 1 clickhouse clickhouse 39 Jun 15 13:14 product_desc.bin
-rw-r----- 1 clickhouse clickhouse 48 Jun 15 13:14 product_desc.mrk2
-rw-r----- 1 clickhouse clickhouse 28 Jun 15 13:14 product_type.bin
-rw-r----- 1 clickhouse clickhouse 48 Jun 15 13:14 product_type.mrk2
-rw-r----- 1 clickhouse clickhouse 137 Jun 15 13:14 ttl.txt
可以看到在分区目录下有ttl.txt 文件，文件的内容为：
# cat ttl.txt
ttl format version: 1
{"columns":[{"name":"product_desc","min":1592198679,"max":1592199279}],"table":{"min":1597468479,"max":1597469079}}
可以看到MergeTree是通过一串JSON配置保存了TTL的相关信息。
columns 用于保存列级别的TTL信息
tables 用于保存表级别的TTL信息
min和max则保存了当前数据分区内TTL指定的日期字段的最小值和最大值分别与INTERVAL表达式计算后的时间戳。
Clickhouse> select now();
SELECT now()
┌───────────────now()─┐
│ 2020-06-15 13:28:02 │
└─────────────────────┘
1 rows in set. Elapsed: 0.004 sec.
列的：
Clickhouse> select toDateTime('1592198679') ttl_min,toDateTime('1592199279') ttl_max,ttl_min - min(create_time) expire_min,ttl_max - max(create_time) expire_max from t_table_ttl;
SELECT
toDateTime('1592198679') AS ttl_min,
toDateTime('1592199279') AS ttl_max,
ttl_min - min(create_time) AS expire_min,
ttl_max - max(create_time) AS expire_max
FROM t_table_ttl
┌─────────────ttl_min─┬─────────────ttl_max─┬─expire_min─┬─expire_max─┐
│ 2020-06-15 13:24:39 │ 2020-06-15 13:34:39 │ 600 │ 600 │
└─────────────────────┴─────────────────────┴────────────┴────────────┘
1 rows in set. Elapsed: 0.026 sec.
表值:
Clickhouse> select toDateTime('1597468479') ttl_min,toDateTime('1597469079') ttl_max,ttl_min - min(create_time) expire_min,ttl_max - max(create_time) expire_max from t_table_ttl;
SELECT
toDateTime('1597468479') AS ttl_min,
toDateTime('1597469079') AS ttl_max,
ttl_min - min(create_time) AS expire_min,
ttl_max - max(create_time) AS expire_max
FROM t_table_ttl
┌─────────────ttl_min─┬─────────────ttl_max─┬─expire_min─┬─expire_max─┐
│ 2020-08-15 13:14:39 │ 2020-08-15 13:24:39 │ 5270400 │ 5270400 │
└─────────────────────┴─────────────────────┴────────────┴────────────┘
1 rows in set. Elapsed: 0.006 sec.
可以看ttl.txt 记录的极值区间恰好等于当前数据分区内create_time的最大值和最小值，和TTL的表达式的预期相符合。
通过TTL的信息记录方式 可以推断大体的处理逻辑：
1.MergeTree 是以分区目录为单位，通过ttl.txt 记录过期时间，并以此作为判断标准。
2.每当写入一批数据时候，都会基于interval 表达式的计算结果为这个分区生成ttl.txt 文件
3.只有在MergeTree合并分区才会触发TTL过期数据的逻辑
4.在删除分区的时候，选择使用了贪婪算法，算法规则即尽可能找到会最早过期，同时时间最早的分区。
5.若一个分区内某一列因为TTL到期则全部删除，在合并之后生成的新分区目录中将不会包含这个列字段的数据文件（.bin 和.mrk）
注意：
1.TTL默认的合并频率有MergeTree的参数merge_with_ttl_timeout 控制，默认周期未86400秒。
它专门维护一个专有的TTL任务队列。有别于MergeTree的常规合并任务，若这个值设置的过小则可能会带来性能损耗。
此设置意味着仅在一个分区上或发生后台合并时，每24小时执行一次TTL删除。因此，在最坏的情况下，ClickHouse现在最多每24小时删除一个与TTL delete表达式匹配的分区。
此行为可能并不理想，因此，如果您希望TTL删除表达式更快地执行删除操作，则可以修改表的merge_with_ttl_timeout设置
alter table t_table_ttl MODIFY SETTING merge_with_ttl_timeout = 3600;
设置为一个小时。
2.除了触发TTL合并外，optimize 命令可以强制触发合并。
触发一个分区合并：
optimize table t;
触发所有分区合并：
optimize table t final;
3.目前没有删除ttl的声明方法，但是提供了全局控制TTL合并任务的启动和关停方法：
system stop/start TTL MERGE
相关参数：
以下是参数及其当前默认值的列表：
background_move_pool_size：8
background_move_processing_pool_thread_sleep_seconds：10
background_move_processing_pool_thread_sleep_seconds_random_part：1.0
background_move_processing_pool_thread_sleep_seconds_if_nothing_to_do：0.1
background_move_processing_pool_task_sleep_seconds_when_no_work_min：10
background_move_processing_pool_task_sleep_seconds_when_no_work_max：600
background_move_processing_pool_task_sleep_seconds_when_no_work_multiplier：1.1
background_move_processing_pool_task_sleep_seconds_when_no_work_random_part：1.0
参考：
https://clickhouse.tech/docs/en/engines/table-engines/mergetree-family/mergetree/#mergetree-table-ttl
https://www.altinity.com/blog/2020/3/23/putting-things-where-they-belong-using-new-ttl-moves
最后
以上就是淡淡冬瓜为你收集整理的Clickhouse TTL的全部内容，希望文章能够帮你解决Clickhouse TTL所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复