clickhouse 优化ClickHouse 的一些优化参数clickhouse SQL优化技巧

1. max_table_size_to_drop

   • 此参数在 /etc/clickhouse-server/config.xml 中, 应用于需要删除表或分区的情况, 默认 50GB。

   • 如果你要删除的分区或表, 数据量达到了此参数值大小, 会删除失败。

   • 建议修改为 0, 代表无论数据多大, 都可以删除。

2. max_memory_usage

   • 在 /etc/clickhouse-server/user.xml中, 表示单次查询占用内存最大值

   • 超过此值, 则请求失败, 建议在资源足够的情况下尽量调大。

3. 删除多个节点上的同一张表

   • 使用on cluster 关键字指定集群

     drop table t on cluster clickhouse_cluster
     

4. 自动数据备份

   • 只有 MergeTree 系列里的表可支持副本, 在表引擎名称上加上 Replicated 前缀。

   • 要实现数据备份, 需要配置Zookeeper, 在metrika.xml 中添加即可

   • 副本设置: metrika.xml中添加:

     <macros>
     	<shard>01</shard>
     	<replica>01</shard>
     </macros>
     <macros>
     	<shard>01</shard>
     	<replica>02</shard>
     </macros>
     <macros>
     	<shard>02</shard>
     	<replica>01</shard>
     </macros>
     <macros>
     	<shard>02</shard>
     	<replica>02</shard>
     </macros>
     <macros>
     	<shard>03</shard>
     	<replica>01</shard>
     </macros>
     <macros>
     	<shard>03</shard>
     	<replica>02</shard>
     </macros>

 

==========================================================

clickhouse SQL优化技巧

sql慢查大部分主要体现在cpu 负载过高，io过高，或者查询的列中无索引导致的；注意；clickhouse本身不太支持高并发的场景，qps过高会导致clickhouse服务器cpu过高，导致慢查

在这些情况下;常见的考虑的是 sql中是否有复杂的运算，查询的数量量是否过大，查询的列中索引是否有效；

sql 查询特点：数量大，且分区跨度大

data表格中有8亿多条数据，data表按照p_data_day 分区；

select sn,COUNT(1) as valueQt from data WHERE   sn='70A0600018109' and p_day >= '2017-01-01' and p_data_day < '2020-08-13'
group by sn;

数据会遍历整个分区，数据平均在1s左右分钟返回 ;

优化思路：减少不必要数据的遍历（分区）；充分利用clickhouse 索引（group by 索引）

• 针对sn的查询，建立物化视图；将8亿条数据按照sn号以及device_id（mac_code）建立256个分区；

create MATERIALIZED VIEW IF NOT EXISTS data_sn_materialized
engine = ReplicatedMergeTree('/clickhouse/tables/{ck_cluster}/data_sn_materialized', '{replica}')
PARTITION BY sn_sort_key ORDER BY (sn_sort_key,sn,p_day)
AS select halfMD5(_sn) % 256 as sn_sort_key,sn,p_day,count() as cnt
 from data group by sn_sort_key,sn,p_day;

优化后

查询语句；保持原来的出参和入参不变，数据能够在200ms以内返回，

sql 查询特点：数量大，且分区跨度大

data 表格数据量在10亿多条，建表语句如下

CREATE TABLE data (
`data_day` Date,
 `flow_type` UInt32 DEFAULT CAST(0,
 'UInt32'),
.....
) ENGINE = ReplicatedMergeTree('/clickhouse/tables/{ck_cluster}/data', '{replica}') PARTITION BY data_day ORDER BY (flow_type, data_day) SETTINGS index_granularity = 8192;

查询语句

select ... from data where data_day = '2020-09-11'

我们观察到查询数据的时候，总是会具体到昨天；而且历史的数据不会再使用；

优化思路： 使用clickhouse的TTL，减少表容量，

CREATE TABLE dwrt.lc_order_flow (
`data_day` Date,
 .....
 `flow_type` UInt32 DEFAULT CAST(0,
 'UInt32'),
....
) ENGINE = ReplicatedMergeTree('/clickhouse/tables/{ck_cluster}/data', '{replica}') PARTITION BY data_day ORDER BY (data_day, flow_type) TTL data_day + toIntervalDay(7) SETTINGS index_granularity = 8192;