ReplacingMergeTree

该引擎与 MergeTree 的不同之处在于，它删除具有相同 sorting key 值（即 ORDER BY 表部分，而非 PRIMARY KEY）的重复条目。

数据去重仅在合并期间发生。合并在后台以未知时间发生，因此无法为其规划。一些数据可能仍未处理。虽然可以使用 OPTIMIZE 查询运行未调度的合并，但不要依赖它，因为 OPTIMIZE 查询将读取和写入大量数据。

因此，ReplacingMergeTree 适合用于在后台清除重复数据以节省空间，但不保证不存在重复项。

备注

关于 ReplacingMergeTree 的详细指南，包括最佳实践和如何优化性能，可在这里获得。

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 = ReplacingMergeTree([ver [, is_deleted]])
[PARTITION BY expr]
[ORDER BY expr]
[PRIMARY KEY expr]
[SAMPLE BY expr]
[SETTINGS name=value, ...]

有关请求参数的描述，请参见 statement description。

备注

行的唯一性由 ORDER BY 表部分决定，而不是 PRIMARY KEY。

ReplacingMergeTree 参数

`ver`

ver — 版本号列。类型为 UInt*，Date，DateTime 或 DateTime64。可选参数。

在合并时，ReplacingMergeTree 会从所有具有相同排序键的行中保留仅一条：

如果未设置 ver，则选择中最后一条。选择是一组参与合并的部分中的行。最近创建的部分（最后插入）将是选择中的最后一条。因此，去重后，对每个唯一排序键，最近插入的那一行将保留。
如果指定 ver，则为最大版本。如果多行的 ver 相同，则会对它们使用“如果未指定 ver”的规则，即保留最新插入的行。

示例：

-- without ver - the last inserted 'wins'
CREATE TABLE myFirstReplacingMT
(
    `key` Int64,
    `someCol` String,
    `eventTime` DateTime
)
ENGINE = ReplacingMergeTree
ORDER BY key;

INSERT INTO myFirstReplacingMT Values (1, 'first', '2020-01-01 01:01:01');
INSERT INTO myFirstReplacingMT Values (1, 'second', '2020-01-01 00:00:00');

SELECT * FROM myFirstReplacingMT FINAL;

┌─key─┬─someCol─┬───────────eventTime─┐
│   1 │ second  │ 2020-01-01 00:00:00 │
└─────┴─────────┴─────────────────────┘


-- with ver - the row with the biggest ver 'wins'
CREATE TABLE mySecondReplacingMT
(
    `key` Int64,
    `someCol` String,
    `eventTime` DateTime
)
ENGINE = ReplacingMergeTree(eventTime)
ORDER BY key;

INSERT INTO mySecondReplacingMT Values (1, 'first', '2020-01-01 01:01:01');
INSERT INTO mySecondReplacingMT Values (1, 'second', '2020-01-01 00:00:00');

SELECT * FROM mySecondReplacingMT FINAL;

┌─key─┬─someCol─┬───────────eventTime─┐
│   1 │ first   │ 2020-01-01 01:01:01 │
└─────┴─────────┴─────────────────────┘

`is_deleted`

is_deleted — 合并时用于确定该行数据是否表示状态或需要删除的列名称；1 表示“已删除”行，0 表示“状态”行。

列数据类型 — UInt8。

备注

只有在使用 ver 时才能启用 is_deleted。

无论对数据进行什么操作，版本应该增加。如果两行插入了相同的版本号，则保留最后插入的行。

默认情况下，即使那行是删除行，ClickHouse 也会保留一个键的最后一行。这是为了确保未来版本较低的行可以安全插入，删除行仍然能够应用。

要永久删除此类删除行，请启用表设置 allow_experimental_replacing_merge_with_cleanup，并且：

设置表设置 enable_replacing_merge_with_cleanup_for_min_age_to_force_merge、min_age_to_force_merge_on_partition_only 和 min_age_to_force_merge_seconds。如果分区中的所有部分都超过 min_age_to_force_merge_seconds，ClickHouse 将把它们合并为一个部分并删除任何删除行。
手动运行 OPTIMIZE TABLE table [PARTITION partition | PARTITION ID 'partition_id'] FINAL CLEANUP。

示例：

-- with ver and is_deleted
CREATE OR REPLACE TABLE myThirdReplacingMT
(
    `key` Int64,
    `someCol` String,
    `eventTime` DateTime,
    `is_deleted` UInt8
)
ENGINE = ReplacingMergeTree(eventTime, is_deleted)
ORDER BY key
SETTINGS allow_experimental_replacing_merge_with_cleanup = 1;

INSERT INTO myThirdReplacingMT Values (1, 'first', '2020-01-01 01:01:01', 0);
INSERT INTO myThirdReplacingMT Values (1, 'first', '2020-01-01 01:01:01', 1);

select * from myThirdReplacingMT final;

0 rows in set. Elapsed: 0.003 sec.

-- delete rows with is_deleted
OPTIMIZE TABLE myThirdReplacingMT FINAL CLEANUP;

INSERT INTO myThirdReplacingMT Values (1, 'first', '2020-01-01 00:00:00', 0);

select * from myThirdReplacingMT final;

┌─key─┬─someCol─┬───────────eventTime─┬─is_deleted─┐
│   1 │ first   │ 2020-01-01 00:00:00 │          0 │
└─────┴─────────┴─────────────────────┴────────────┘

查询子句

在创建 ReplacingMergeTree 表时，所需的子句与创建 MergeTree 表时相同。

创建表的已弃用方法

备注

请勿在新项目中使用此方法，并尽可能将旧项目切换到上述方法。

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

除了 ver 之外，所有参数的含义与 MergeTree 中相同。

ver - 版本的列。可选参数。有关描述，请参见上面的文本。

查询时去重 & FINAL

在合并时，ReplacingMergeTree 会识别重复行，使用 ORDER BY 列的值（用于创建表）作为唯一标识符，并保留最高版本。然而，这仅提供最终的正确性——它并不保证行会被去重，因此不应依赖于它。因此，查询可能会因更新和删除行被考虑在内而产生不正确的答案。

要获得正确答案，用户需要将后台合并与查询时去重和删除移除相结合。这可以使用 FINAL 操作符来实现。例如，考虑以下示例：

CREATE TABLE rmt_example
(
    `number` UInt16
)
ENGINE = ReplacingMergeTree
ORDER BY number

INSERT INTO rmt_example SELECT floor(randUniform(0, 100)) AS number
FROM numbers(1000000000)

0 rows in set. Elapsed: 19.958 sec. Processed 1.00 billion rows, 8.00 GB (50.11 million rows/s., 400.84 MB/s.)

不带 FINAL 的查询产生不正确的计数（确切结果将根据合并情况而有所不同）：

SELECT count()
FROM rmt_example

┌─count()─┐
│     200 │
└─────────┘

1 row in set. Elapsed: 0.002 sec.

添加 FINAL 产生正确结果：

SELECT count()
FROM rmt_example
FINAL

┌─count()─┐
│     100 │
└─────────┘

1 row in set. Elapsed: 0.002 sec.

有关 FINAL 的更多详细信息，包括如何优化 FINAL 性能，我们建议阅读我们的详细指南：ReplacingMergeTree。

创建表​

ReplacingMergeTree 参数​

ver​

is_deleted​

查询子句​

查询时去重 & FINAL​

创建表

ReplacingMergeTree 参数

`ver`

`is_deleted`

查询子句

查询时去重 & FINAL