详解 ClickHouse 的查询优化

news/2024/6/30 19:06:33 标签: clickhouse, 数据库, 大数据

一、单表查询

1. 使用 prewhere 替代 where

  • prewhere 和 where 语句的作用相同，都是用来过滤数据
  • prewhere 和 where 语句的不同在于：
    • prewhere 只支持 MergeTree 族系列引擎的表
    • prewhere 首先会读取指定的列数据来判断数据过滤，等待数据过滤之后再读取 select 声明的列字段来补全其余属性
    • prewhere 会自动优化执行过滤阶段的数据读取方式，降低 io 操作
  • 当查询列明显多于筛选列时使用 prewhere 可十倍提升查询性能
  • prewhere 默认是开启的，但下面这些情况需要手动指定 prewhere
    • 使用常量表达式
    • 使用默认值为 alias 类型的字段
    • 包含了 arrayJOIN，globalIn，globalNotIn 或者 indexHint 的查询
    • select 查询的列字段和 where 的谓词相同
    • 使用了主键字段
--先关闭 where 自动转 prewhere(默认情况下， where 条件会自动优化成 prewhere)
set optimize_move_to_prewhere=0;

--使用 where 语句
select WatchID,
 JavaEnable,
 Title,
 GoodEvent,
 EventTime,
 EventDate,
 CounterID,
 ClientIP,
 ClientIP6,
 RegionID,
 UserID,
 CounterClass,
 OS,
 UserAgent,
 URL,
 Referer,
 URLDomain,
 RefererDomain,
 Refresh,
 IsRobot,
 RefererCategories,
 URLCategories,
 URLRegions,
 RefererRegions,
 ResolutionWidth,
 ResolutionHeight,
 ResolutionDepth,
 FlashMajor,
 FlashMinor,
 FlashMinor2
from datasets.hits_v1 where UserID='3198390223272470366';

--使用 prewhere 关键字
select WatchID,
 JavaEnable,
 Title,
 GoodEvent,
 EventTime,
 EventDate,
 CounterID,
 ClientIP,
 ClientIP6,
 RegionID,
 UserID,
 CounterClass,
 OS,
 UserAgent,
 URL,
 Referer,
 URLDomain,
 RefererDomain,
 Refresh,
 IsRobot,
 RefererCategories,
 URLCategories,
 URLRegions,
 RefererRegions,
 ResolutionWidth,
 ResolutionHeight,
 ResolutionDepth,
 FlashMajor,
 FlashMinor,
 FlashMinor2
from datasets.hits_v1 prewhere UserID='3198390223272470366';

2. 数据采样

  • 采样修饰符只有在 MergeTree engine 表中才有效，且在创建表时需要指定采样策略
  • 通过采样运算可极大提升数据分析的性能
SELECT 
	Title,
	count(*) AS PageViews
FROM hits_v1
SAMPLE 0.1 --表示进行where过滤后再采样其中 10% 的数据，也可以是具体的条数
WHERE CounterID =57
GROUP BY Title
ORDER BY PageViews DESC 
LIMIT 1000

3. 列裁剪和分区裁剪

  • 列裁剪：查询时避免使用 select * ，应该直接 select 要查询的具体字段名，字段越少，消耗的 io 资源越少，性能就会越高
  • 分区裁剪：查询时使用 prewhere 筛选对应分区字段条件的数据，避免全表扫描

4. order by 结合 where 和 limit

  • 避免全局的 order by 排序
  • 搭配 where 条件和 limit 语句进行 order by 会提升性能和减少数据扫描量
--正例：
SELECT 
	UserID,
	Age
FROM hits_v1
WHERE CounterID=57
ORDER BY Age DESC 
LIMIT 1000

--反例：
SELECT 
	UserID,
	Age
FROM hits_v1
ORDER BY Age DESC

5. 避免构建虚拟列

  • 虚拟列：不是表中实际的字段，而是通过表中字段计算转换出来的列
  • 如非必须，不要在结果集上构建虚拟列，虚拟列非常消耗资源浪费性能，可以考虑在前端进行处理，或者在表中构造实际字段进行额外存储
--反例：IncRate 为虚拟列
SELECT Income,Age,Income/Age as IncRate FROM datasets.hits_v1;

--正例：拿到 Income 和 Age 后，考虑在前端进行处理，或者在表中构造实际字段进行额外存储
SELECT Income,Age FROM datasets.hits_v1;

6. 使用 uniqCombined 替代 distinct

  • uniqCombined 底层采用类似 HyperLogLog 算法实现，性能可提升 10 倍以上，但有 2% 左右的数据误差
  • distinct 会使用 uniqExact 精确去重
select count(distinct UserID) from datasets.hits_v1;

SELECT uniqCombined(UserID) from datasets.hits_v1;

7. 其他注意事项

  • 查询熔断：为了避免因个别慢查询引起的服务雪崩的问题，除了可以为单个查询设置超时以外，还可以配置周期熔断，在一个查询周期内，如果用户频繁进行慢查询操作超出规定阈值后将无法继续进行查询操作
  • 关闭虚拟内存：物理内存和虚拟内存的数据交换，会导致查询变慢，资源允许的情况下关闭虚拟内存
  • 配置 join_use_nulls：为每一个账户添加 join_use_nulls 配置，左表中的一条记录在右表中不存在，右表的相应字段会返回该字段相应数据类型的默认值，而不是标准 SQL 中的 Null 值
  • 批量写入时先排序：批量写入数据时，必须控制每个批次的数据中涉及到的分区的数量，在写入之前最好对需要导入的数据进行排序。无序的数据或者涉及的分区太多，会导致 ClickHouse 无法及时对新导入的数据进行合并，从而影响查询性能
  • 关注 CPU：CPU 一般在 50%左右会出现查询波动，达到 70%会出现大范围的查询超时，CPU 是最关键的指标，要非常关注

二、多表关联

1. 数据准备

--创建小表
CREATE TABLE visits_v2
ENGINE = CollapsingMergeTree(Sign)
PARTITION BY toYYYYMM(StartDate)
ORDER BY (CounterID, StartDate, intHash32(UserID), VisitID)
SAMPLE BY intHash32(UserID)
SETTINGS index_granularity = 8192
as select * from visits_v1 limit 10000;

--创建 join 结果表：避免控制台疯狂打印数据
CREATE TABLE hits_v2
ENGINE = MergeTree()
PARTITION BY toYYYYMM(EventDate)
ORDER BY (CounterID, EventDate, intHash32(UserID))
SAMPLE BY intHash32(UserID)
SETTINGS index_granularity = 8192
as select * from hits_v1 where 1=0; --不取数据只取表结构

2. 用 in 代替 join

ClickHouse 的 join 是将右表(无论 left join、right join 还是 inner join)的数据全部加载到内存(可能 OOM)，然后左表的每一条数据都去内存中查询能否匹配

--正例：使用 in
insert into table hits_v2
select a.* from hits_v1 a where a.CounterID in (select CounterID from visits_v1);

--反例：使用 join
insert into table hits_v2
select a.* from hits_v1 a join visits_v1 b on a.CounterID=b.CounterID;

3. 大小表 join

因为 ClickHouse 进行 join 的底层特性，所以必须要满足小表在右的原则

--正例：小表在右
insert into table hits_v2
select a.* from hits_v1 a left join visits_v2 b on a.CounterID=b.CounterID;

--反例：大表在右
insert into table hits_v2
select a.* from visits_v2 b left join hits_v1 a on a.CounterID=b.CounterID;

4. 注意谓词下推

ClickHouse 在 join 查询时不会主动发起谓词下推的操作，需要每个子查询提前完成过滤操作

Explain syntax
select a.* from hits_v1 a left join visits_v2 b on a. CounterID=b.
CounterID
having a.EventDate = '2014-03-17';

Explain syntax
select a.* from hits_v1 a left join visits_v2 b on a. CounterID=b.
CounterID
having b.StartDate = '2014-03-17';

insert into hits_v2
select a.* from hits_v1 a left join visits_v2 b on a. CounterID=b.
CounterID
where a.EventDate = '2014-03-17';

insert into hits_v2
select a.* from (
 select * from
 hits_v1
 where EventDate = '2014-03-17'
) a left join visits_v2 b on a. CounterID=b. CounterID;

5. 分布式表使用 global

两张分布式表上的 IN 和 JOIN 之前必须加上 GLOBAL 关键字，右表只会在接收查询请求的那个节点查询一次，并将其分发到其他节点上。如果不加 GLOBAL 关键字的话，每个节点都会单独发起一次对右表的查询，而右表又是分布式表，就导致右表一共会被查询 N²次（N是该分布式表的分片数量），这就是查询放大，会带来很大开销。

6. 使用字典表

将一些需要关联分析的业务创建成字典表进行 join 操作，前提是字典表不宜太大，因为字典表会常驻内存


http://www.niftyadmin.cn/n/5534616.html

相关文章

GD32 串口接受异常的几个原因

GD32 串口接受异常的几个原因

前面我们介绍过GD32 485发送时出现异常的最常见原因，有小伙伴反馈想要知道GD32 串口接受异常的可能原因，今天我们就来安排。 一、波特率异常导致收发出错 我们知道，串口是异步通讯接口，通讯双方或者多方都需要工作在相同波特率下…
阅读更多...
Kotlin基础——Typeclass

Kotlin基础——Typeclass

高阶类型 如在Iterable新增泛型方法时 interface Iterable<T> {fun filter(p: (T) -> Boolean): Iterable<T>fun remove(p: (T) -> Boolean): Iterable<T> filter { x -> !p(x) } }对应的List、Set实现上述方法时仍需要返回具体的类型 interfac…
阅读更多...
Java中的反射编程实用指南

Java中的反射编程实用指南

Java中的反射编程实用指南 大家好&#xff0c;我是免费搭建查券返利机器人省钱赚佣金就用微赚淘客系统3.0的小编&#xff0c;也是冬天不穿秋裤&#xff0c;天冷也要风度的程序猿&#xff01;今天&#xff0c;我们将深入探讨Java中的反射编程。反射是Java提供的一种强大机制&am…
阅读更多...
DDei在线设计器-API-DDeiFile

DDei在线设计器-API-DDeiFile

DDeiFile DDeiFile是代表一个设计文件&#xff0c;一个文件含有多个DDeiSheet(页签)。   DDeiFile实例包含了一个文件的所有数据&#xff0c;在获取后可以通过它访问其他内容。DDeiEditor中的files属性记录了当前打开的文件列表。 一个DDeiEditor实例至少包含一个DDeiFile实例…
阅读更多...
创客项目秀|基于XIAO ESP32S3 sense 的小型相机

创客项目秀|基于XIAO ESP32S3 sense 的小型相机

在这个科技飞速发展的时代&#xff0c;DIY&#xff08;Do It Yourself&#xff09;文化正成为连接创新与日常生活的桥梁&#xff0c;今天小编给大家带来了来自麻省理工学院的Arnov Sharma 的基于XIAO ESP32S3 sense的小型相机项目&#xff0c;该相机拥有一个圆形的触摸屏幕可以…
阅读更多...
uni-app与原生插件混合开发调试3-安卓原生插件开发调试和打包

uni-app与原生插件混合开发调试3-安卓原生插件开发调试和打包

安卓原生插件开发调试和打包 上面已经介绍了怎么安装开发和调试环境&#xff0c;接下来就是安卓原生插件的具体开发和调试步骤&#xff1a; 将uniapp前端项目的index.vue文件新增代码。代码如图所示&#xff1a; <template><view><view><text>{{titl…
阅读更多...
【问题记录】Ubuntu提示: “E: 软件包 gcc 没有可安装候选“

【问题记录】Ubuntu提示: “E: 软件包 gcc 没有可安装候选“

Ubuntu提示: "E: 软件包 gcc 没有可安装候选" 一&#xff0c;问题现象二&#xff0c;问题原因&解决方法 一&#xff0c;问题现象 在虚拟机Ubuntu中进行安装gcc命令时报错&#xff1a;“E: 软件包 gcc 没有可安装候选”: 二&#xff0c;问题原因&解决方法 …
阅读更多...
计算机组成原理笔记-第4章 存储器

计算机组成原理笔记-第4章 存储器

第4章 存储器 笔记PDF版本已上传至Github个人仓库&#xff1a;CourseNotes&#xff0c;欢迎fork和star&#xff0c;拥抱开源&#xff0c;一起完善。 该笔记是最初是没打算发网上的&#xff0c;所以很多地方都为了自我阅读方便&#xff0c;我理解了的地方就少有解释&#xff1b…
阅读更多...
最新文章

Copyright @ 2022~2023