《Clickhouse原理解析与应用实践》1～6章重点回顾章节-读书笔记

《Clickhouse原理解析与应用实践》1～6章重点回顾章节-读书笔记

个人github笔记链接

这里只列举前6章节的内容，因为后面章节的内容，需要对前面的知识内容有一定的熟悉后，才好理解，这里列出来无意义。

前6章节就能够大致了解ClickHouse整体的存储、读取、写入相关的设计实现。

---

基于下面的笔记，个人觉得比较重要的几个知识点概述：

1. ClickHouse采用多主架构，集群内节点角色对等，天然规避单点问题
2. ClickHouse支持物理视图，源表的更新会同步到物理视图（除了删除操作，物理视图会保留源表被删除的数据）
3. ClickHouse的RENAME只支持单个节点内的数据表移动（集群间节点不支持）
4. ClickHouse仅MergeTree系列表索引支持数据分区
5. ClickHouse以分区目录为单位进行数据删除与修改（Mutation），该异步操作不支持事务，无法回滚。被删除的数据在下次合并动作被触发时才会真正物理删除。
6. ClickHouse每次INSERT都会生成新的分区目录（写入同一个分区也会生成不同的分区目录），后台任务会定时对多个相同分区的分区目录进行合并（或手动执行optimize指令）
7. ClickHouse的一级索引是稀疏索引实现，常驻内存
8. ClickHouse的二级索引是跳数索引，由数据的聚合信息构建而成
9. ClickHouse的写入过程大致流程，先生成分区目录，后按照index_granularity索引粒度，生成primary.idx一级索引（如果声明了二级索引，还会创建二级索引文件），每一列字段的.mrk数据标记和.bin压缩数据文件。
10. ClickHouse的查询过程大致流程，先通过minmax.idx分区索引寻找需查询的分区，再通过primary.idx一级索引、skip_idx.idx 二级索引筛选数据查询的范围，然后通过.mrk数据标记查找索引对应的.bin数据压缩文件，解压后读取数据。

2.1.1 完备的DBMS功能

• 大致了解ClickHouse的能力，判断业务中是否适用ClickHouse

---

ClickHouse拥有完备的管理功能，所以它称得上是一个DBMS（Database Management System，数据库管理系统），而不仅是一个数据库。作为一个DBMS，它具备了一些基本功能，如下所示。

• DDL（数据定义语言）：可以动态地创建、修改或删除数据库、表和视图，而无须重启服务。
• DML（数据操作语言）：可以动态查询、插入、修改或删除数据。
• 权限控制：可以按照用户粒度设置数据库或者表的操作权限，保障数据的安全性。
• 数据备份与恢复：提供了数据备份导出与导入恢复机制，满足生产环境的要求。
• 分布式管理：提供集群模式，能够自动管理多个数据库节点。

2.1.3 向量化执行引擎

• ClickHouse通过硬件支持的向量化指令，实现数据并行操作。

---

数据库计算引擎的优化技术：向量化执行与代码生成 - 知乎 (zhihu.com)

一个实用的经验告诉我们，存储媒介距离CPU越近，则访问数据的速度越快。

ClickHouse利用SSE4.2指令集实现向量化执行。

2.1.6 多线程与分布式

相比基于底层硬件实现的向量化执行SIMD，线程级并行通常由更高层次的软件层面控制。现代计算机系统早已普及了多处理器架构，所以现今市面上的服务器都具备良好的多核心多线程处理能力。由于SIMD不适合用于带有较多分支判断的场景，ClickHouse也大量使用了多线程技术以实现提速，以此和向量化执行形成互补。

在各服务器之间，通过网络传输数据的成本是高昂的，所以相比移动数据，更为聪明的做法是预先将数据分布到各台服务器，将数据的计算查询直接下推到数据所在的服务器。

​ ClickHouse在数据存取方面，既支持分区（纵向扩展，利用多线程原理），也支持分片（横向扩展，利用分布式原理），可以说是将多线程和分布式的技术应用到了极致。

2.1.7 多主架构

​ HDFS、Spark、HBase和Elasticsearch这类分布式系统，都采用了Master-Slave主从架构，由一个管控节点作为Leader统筹全局。

​ 而ClickHouse则采用Multi-Master多主架构，集群中的每个节点角色对等，客户端访问任意一个节点都能得到相同的效果。

这种多主的架构有许多优势，例如对等的角色使系统架构变得更加简单，不用再区分主控节点、数据节点和计算节点，集群中的所有节点功能相同。所以它天然规避了单点故障的问题，非常适合用于多数据中心、异地多活的场景。

2.2 ClickHouse的架构设计

篇幅较长，建议阅读书籍原文。该章节大致介绍了ClickHouse代码的数据结构设计。

ClickHouse按列存储数据，内存中的一列数据由一个Column对象表示。

下图中从下到上，

• Columns：ClickHouse数据存储结构
• DataTypes：负责数据的序列化/反序列化，读取数据前需将其转换成Column或Field对象
• Functions：普通函数和聚合函数，函数执行同样采用向量化方式直接作用一列数据
• Storages：数据表底层实现中没有Table对象，取而代之的是IStorage接口，代指数据表
• Interperters：解释器，解释AST，构造查询执行通道
• Parsers：分析器，创建AST（抽象语法树）对象
• Server：ClickHouse服务实例
  

4.2.4 临时表

CREATE TEMPORARY TABLE [IF