跳到主要内容
跳到主要内容

AggregatingMergeTree

该引擎继承自 MergeTree,改变了数据部分合并的逻辑。 ClickHouse 用单行(在单个数据部分内)替换所有具有相同主键(更准确地说,具有相同的 排序键)的行,该行存储聚合函数状态的组合。

您可以使用 AggregatingMergeTree 表进行增量数据聚合,包括用于聚合物化视图。

您可以在下面的视频中查看如何使用 AggregatingMergeTree 和聚合函数的示例:

该引擎处理所有类型的列:

如果 AggregatingMergeTree 可以将行数减少几个数量级,则使用它是合适的。

创建表

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
    name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1],
    name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2],
    ...
) ENGINE = AggregatingMergeTree()
[PARTITION BY expr]
[ORDER BY expr]
[SAMPLE BY expr]
[TTL expr]
[SETTINGS name=value, ...]

有关请求参数的描述,请参见 请求描述

查询子句

创建 AggregatingMergeTree 表时,所需的 子句 与创建 MergeTree 表时相同。

创建表的弃用方法
备注

在新项目中请勿使用此方法,并且如果可能,请将旧项目切换到上述描述的方法。

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
    name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1],
    name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2],
    ...
) ENGINE [=] AggregatingMergeTree(date-column [, sampling_expression], (primary, key), index_granularity)

所有参数的含义与 MergeTree 中相同。

SELECT 和 INSERT

要插入数据,请使用带有聚合状态函数的 INSERT SELECT 查询。 从 AggregatingMergeTree 表中选择数据时,请使用 GROUP BY 子句和与插入数据时相同的聚合函数,但使用 -Merge 后缀。

SELECT 查询的结果中,AggregateFunction 类型的值具有特定实现的二进制表示,适用于所有 ClickHouse 输出格式。 例如,如果您使用 SELECT 查询将数据转储为 TabSeparated 格式,则可以使用 INSERT 查询将此转储加载回。

聚合物化视图示例

以下示例假设您有一个名为 test 的数据库。 如果尚不存在,请使用以下命令创建它:

CREATE DATABASE test;

现在创建包含原始数据的表 test.visits

CREATE TABLE test.visits
 (
    StartDate DateTime64 NOT NULL,
    CounterID UInt64,
    Sign Nullable(Int32),
    UserID Nullable(Int32)
) ENGINE = MergeTree ORDER BY (StartDate, CounterID);

接下来,您需要一个 AggregatingMergeTree 表,该表将存储 AggregationFunction,以跟踪访问总数和唯一用户数。

创建一个监控 test.visits 表的 AggregatingMergeTree 物化视图,并使用 AggregateFunction 类型:

CREATE TABLE test.agg_visits (
    StartDate DateTime64 NOT NULL,
    CounterID UInt64,
    Visits AggregateFunction(sum, Nullable(Int32)),
    Users AggregateFunction(uniq, Nullable(Int32))
)
ENGINE = AggregatingMergeTree() ORDER BY (StartDate, CounterID);

创建一个从 test.visits 填充 test.agg_visits 的物化视图:

CREATE MATERIALIZED VIEW test.visits_mv TO test.agg_visits
AS SELECT
    StartDate,
    CounterID,
    sumState(Sign) AS Visits,
    uniqState(UserID) AS Users
FROM test.visits
GROUP BY StartDate, CounterID;

将数据插入到 test.visits 表中:

INSERT INTO test.visits (StartDate, CounterID, Sign, UserID)
 VALUES (1667446031000, 1, 3, 4), (1667446031000, 1, 6, 3);

数据同时插入到 test.visitstest.agg_visits

要获取聚合数据,请执行如下查询 SELECT ... GROUP BY ... 从物化视图 test.visits_mv

SELECT
    StartDate,
    sumMerge(Visits) AS Visits,
    uniqMerge(Users) AS Users
FROM test.visits_mv
GROUP BY StartDate
ORDER BY StartDate;
┌───────────────StartDate─┬─Visits─┬─Users─┐
│ 2022-11-03 03:27:11.000 │      9 │     2 │
└─────────────────────────┴────────┴───────┘

再向 test.visits 添加一两个记录,但这次尝试为其中一条记录使用不同的时间戳:

INSERT INTO test.visits (StartDate, CounterID, Sign, UserID)
 VALUES (1669446031000, 2, 5, 10), (1667446031000, 3, 7, 5);

再次运行 SELECT 查询,将返回以下输出:

┌───────────────StartDate─┬─Visits─┬─Users─┐
│ 2022-11-03 03:27:11.000 │     16 │     3 │
│ 2022-11-26 07:00:31.000 │      5 │     1 │
└─────────────────────────┴────────┴───────┘

在某些情况下,您可能希望避免在插入时预聚合行,以将聚合成本从插入时间转移到合并时间。 通常,必须在物化视图定义的 GROUP BY 子句中包含不属于聚合的列,以避免错误。 但是,您可以利用 initializeAggregation 函数,并设置 optimize_on_insert = 0(默认启用)来实现这一点。 在这种情况下,不再需要使用 GROUP BY

CREATE MATERIALIZED VIEW test.visits_mv TO test.agg_visits
AS SELECT
    StartDate,
    CounterID,
    initializeAggregation('sumState', Sign) AS Visits,
    initializeAggregation('uniqState', UserID) AS Users
FROM test.visits;
备注

使用 initializeAggregation 时,为每一行创建一个聚合状态,而不进行分组。 每个源行在物化视图中产生一行,实际的聚合将在 AggregatingMergeTree 合并部分时发生。 只有在 optimize_on_insert = 0 时,这才成立。