级联物化视图
此示例演示如何创建一个物化视图,然后如何将第二个物化视图级联到第一个视图。在这一页中,您将看到如何做到这一点、许多可能性以及限制。通过使用第二个物化视图作为源,您可以回答不同的用例。
示例:
我们将使用一个虚拟数据集,记录一组域名每小时的视图数量。
我们的目标
- 我们需要按月对每个域名的数据进行聚合,
- 我们还需要按年对每个域名的数据进行聚合。
您可以选择以下选项之一:
- 编写查询,在 SELECT 请求期间读取和聚合数据
- 在摄取时将数据准备为新的格式
- 在摄取时将数据准备为特定的聚合格式。
使用物化视图准备数据将使您能够限制 ClickHouse 需要处理的数据量和计算,从而加快 SELECT 请求的速度。
物化视图的源表
创建源表,因为我们的目标涉及对聚合数据进行报告,而不是对单个行进行报告,我们可以解析它,将信息传递给物化视图,并丢弃实际的输入数据。这满足了我们的目标并节省了存储,因此我们将使用 Null
表引擎。
您可以在 Null 表上创建物化视图。因此,写入该表的数据将影响视图,但原始原始数据仍将被丢弃。
按月聚合的表和物化视图
对于第一个物化视图,我们需要创建 Target
表,在本示例中,它将是 analytics.monthly_aggregated_data
,我们将按月和域名存储视图的总和。
将数据转发到目标表的物化视图将如下所示:
按年聚合的表和物化视图
现在我们将创建第二个物化视图,它将链接到我们之前的目标表 monthly_aggregated_data
。
首先,我们将创建一个新目标表,该表将存储按年聚合的每个域名的视图总和。
此步骤定义了级联。FROM
语句将使用 monthly_aggregated_data
表,这意味着数据流将是:
- 数据发送到
hourly_data
表。 - ClickHouse 将把接收到的数据转发到第一个物化视图
monthly_aggregated_data
表, - 最后,步骤 2 中接收到的数据将被转发到
year_aggregated_data
。
在使用物化视图时,一个常见的误解是数据是从表中读取的。实际上,物化视图
的工作方式并非如此;转发的数据是插入的块,而不是表中的最终结果。
假设在本示例中,monthly_aggregated_data
使用的引擎是 CollapsingMergeTree,被转发到我们第二个物化视图 year_aggregated_data_mv
的数据将不是已合并表的最终结果,而是转发的包含字段的块,如在 SELECT ... GROUP BY
中定义的那样。
如果您使用 CollapsingMergeTree、ReplacingMergeTree,甚至 SummingMergeTree,并打算创建级联物化视图,则需要理解此处描述的限制。
示例数据
现在是通过插入一些数据来测试我们的级联物化视图的时刻:
如果您选择 analytics.hourly_data
的内容,您将看到如下所示,因为表引擎是 Null
,但数据已经被处理。
我们使用了一个小型数据集,以确保我们能够跟踪并比较结果与我们的预期。一旦您的流量在小型数据集上是正确的,您可以直接移动到大量数据。
结果
如果您尝试通过选择 sumCountViews
字段来查询目标表,您将看到二进制表示(在某些终端中),因为该值未作为数字存储,而是作为 AggregateFunction 类型存储。
要获取聚合的最终结果,您应该使用 -Merge
后缀。
您可以使用此查询查看存储在 AggregateFunction 中的特殊字符:
相反,让我们尝试使用 Merge
后缀来获取 sumCountViews
值:
在 AggregatingMergeTree
中,我们已将 AggregateFunction
定义为 sum
,因此可以使用 sumMerge
。当我们在 AggregateFunction
上使用函数 avg
时,我们将使用 avgMerge
,以此类推。
现在我们可以检查物化视图是否满足我们定义的目标。
现在我们在目标表 monthly_aggregated_data
中存储了数据,我们可以获取每个域名按月聚合的数据:
每个域名按年聚合的数据:
将多个源表合并到单个目标表
物化视图也可以用于将多个源表合并到同一目标表中。这对于创建类似于 UNION ALL
逻辑的物化视图非常有用。
首先,创建两个源表,表示不同的指标集合:
然后创建带有组合指标集的 Target
表:
创建两个指向相同 Target
表的物化视图。您不需要明确包含缺失的列:
现在,当您插入值时,这些值将被聚合到 Target
表的各自列中:
在 Target
表中合并的展示次数和点击次数:
此查询应输出类似如下内容: