跳到主要内容
跳到主要内容

使用 TTL(生存时间)管理数据

TTL 概述

TTL(生存时间)指的是在一定时间间隔后将行或列移动、删除或汇总的能力。虽然“生存时间”这个表达听起来好像只适用于删除旧数据,但 TTL 有几个用途:

  • 删除旧数据:毫无疑问,您可以在指定的时间间隔后删除行或列
  • 在磁盘之间移动数据:在一定时间后,您可以在存储卷之间移动数据——这对于部署热/温/冷架构很有用
  • 数据汇总:在删除之前,将旧数据汇总为各种有用的聚合和计算
备注

TTL 可以应用于整个表或特定列。

TTL 语法

TTL 子句可以出现在列定义后和/或表定义的末尾。使用 INTERVAL 子句定义时间长度(需要是 DateDateTime 数据类型)。例如,以下表有两个带有 TTL 子句的列:

CREATE TABLE example1 (
   timestamp DateTime,
   x UInt32 TTL timestamp + INTERVAL 1 MONTH,
   y String TTL timestamp + INTERVAL 1 DAY,
   z String
)
ENGINE = MergeTree
ORDER BY tuple()
  • x 列的生存时间为来自时间戳列的 1 个月
  • y 列的生存时间为来自时间戳列的 1 天
  • 当时间间隔到期时,列会过期。ClickHouse 用其数据类型的默认值替换列值。如果数据部分的所有列值均过期,则 ClickHouse 从文件系统中的数据部分删除该列。
备注

TTL 规则可以被更改或删除。有关更多详细信息,请参见 Manipulations with Table TTL 页面。

触发 TTL 事件

过期行的删除或聚合并不是立即发生的——它只在表合并期间发生。如果您有一个未积极合并的表(出于任何原因),有两个设置可以触发 TTL 事件:

  • merge_with_ttl_timeout:在重复执行删除 TTL 合并之前的最小延迟(以秒为单位)。默认值为 14400 秒(4 小时)。
  • merge_with_recompression_ttl_timeout:在重复执行重压缩 TTL 合并(在删除之前汇总数据的规则)之前的最小延迟(以秒为单位)。默认值:14400 秒(4 小时)。

因此,默认情况下,您的 TTL 规则每 4 小时至少会应用到您的表上。如果您需要更频繁地应用 TTL 规则,只需修改上述设置。

备注

这不是一个很好的解决方案(或我们推荐您经常使用的方案),但您也可以使用 OPTIMIZE 强制合并:

OPTIMIZE TABLE example1 FINAL

OPTIMIZE 会初始化您表的分区的非计划合并,并且如果您的表已经是单个分区,FINAL 会强制重新优化。

删除行

要在一段时间后从表中删除整个行,请在表级别定义 TTL 规则:

CREATE TABLE customers (
timestamp DateTime,
name String,
balance Int32,
address String
)
ENGINE = MergeTree
ORDER BY timestamp
TTL timestamp + INTERVAL 12 HOUR

此外,可以根据记录的值定义 TTL 规则。通过指定 WHERE 条件可以轻松实现。 允许多个条件:

CREATE TABLE events
(
    `event` String,
    `time` DateTime,
    `value` UInt64
)
ENGINE = MergeTree
ORDER BY (event, time)
TTL time + INTERVAL 1 MONTH DELETE WHERE event != 'error',
    time + INTERVAL 6 MONTH DELETE WHERE event = 'error'

删除列

假设您只想让余额和地址列过期,而不是删除整个行。让我们修改 customers 表,为两个列添加 2 小时的 TTL:

ALTER TABLE customers
MODIFY COLUMN balance Int32 TTL timestamp + INTERVAL 2 HOUR,
MODIFY COLUMN address String TTL timestamp + INTERVAL 2 HOUR

实现汇总

假设我们想在一定时间后删除行,但保留一些数据用于报告目的。我们不希望所有的细节——只需要一些历史数据的汇总结果。这可以通过在 TTL 表达式中添加 GROUP BY 子句来实现,并在表中添加一些列以存储汇总结果。

假设在以下 hits 表中,我们想删除旧行,但在删除行之前保留 hits 列的总和和最大值。我们需要一个字段来存储这些值,并且需要在汇总总和和最大值的 TTL 子句中添加 GROUP BY 子句:

CREATE TABLE hits (
   timestamp DateTime,
   id String,
   hits Int32,
   max_hits Int32 DEFAULT hits,
   sum_hits Int64 DEFAULT hits
)
ENGINE = MergeTree
PRIMARY KEY (id, toStartOfDay(timestamp), timestamp)
TTL timestamp + INTERVAL 1 DAY
    GROUP BY id, toStartOfDay(timestamp)
    SET
        max_hits = max(max_hits),
        sum_hits = sum(sum_hits);

关于 hits 表的一些说明:

  • TTL 子句中的 GROUP BY 列必须是 PRIMARY KEY 的前缀,并且我们希望按一天的开始来对结果进行分组。因此,向主键中添加了 toStartOfDay(timestamp)
  • 我们添加了两个字段来存储汇总结果:max_hitssum_hits
  • 根据 SET 子句的定义,将 max_hitssum_hits 的默认值设置为 hits 是必需的,以使我们的逻辑正常工作。

实现热/温/冷架构

Not supported in ClickHouse Cloud
备注

如果您使用的是 ClickHouse Cloud,本课程中的步骤不适用。您无需担心在 ClickHouse Cloud 中移动旧数据。

在处理大量数据时,常见的做法是随着数据变旧而移动这些数据。以下是在 ClickHouse 中使用 TTL 命令的 TO DISKTO VOLUME 子句实现热/温/冷架构的步骤。(顺便说一下,这不一定是热和冷的事情——您可以使用 TTL 来根据您的用例移动数据。)

  1. TO DISKTO VOLUME 选项指的是在您的 ClickHouse 配置文件中定义的磁盘或卷的名称。创建一个名为 my_system.xml(或任何文件名)的新文件,定义您的磁盘,然后定义使用您的磁盘的卷。将 XML 文件放置在 /etc/clickhouse-server/config.d/ 中,以便对系统应用配置:
<clickhouse>
    <storage_configuration>
        <disks>
            <default>
            </default>
           <hot_disk>
              <path>./hot/</path>
           </hot_disk>
           <warm_disk>
              <path>./warm/</path>
           </warm_disk>
           <cold_disk>
              <path>./cold/</path>
           </cold_disk>
        </disks>
        <policies>
            <default>
                <volumes>
                    <default>
                        <disk>default</disk>
                    </default>
                    <hot_volume>
                        <disk>hot_disk</disk>
                    </hot_volume>
                    <warm_volume>
                        <disk>warm_disk</disk>
                    </warm_volume>
                    <cold_volume>
                        <disk>cold_disk</disk>
                    </cold_volume>
                </volumes>
            </default>
        </policies>
    </storage_configuration>
</clickhouse>
  1. 上面的配置引用了三个指向 ClickHouse 可以读写的文件夹的磁盘。卷可以包含一个或多个磁盘——我们为每个磁盘定义了一个卷。让我们查看这些磁盘:
SELECT name, path, free_space, total_space
FROM system.disks
┌─name────────┬─path───────────┬───free_space─┬──total_space─┐
│ cold_disk   │ ./data/cold/   │ 179143311360 │ 494384795648 │
│ default     │ ./             │ 179143311360 │ 494384795648 │
│ hot_disk    │ ./data/hot/    │ 179143311360 │ 494384795648 │
│ warm_disk   │ ./data/warm/   │ 179143311360 │ 494384795648 │
└─────────────┴────────────────┴──────────────┴──────────────┘
  1. 并且……让我们确认卷:
SELECT
    volume_name,
    disks
FROM system.storage_policies
┌─volume_name─┬─disks─────────┐
│ default     │ ['default']   │
│ hot_volume  │ ['hot_disk']  │
│ warm_volume │ ['warm_disk'] │
│ cold_volume │ ['cold_disk'] │
└─────────────┴───────────────┘
  1. 现在我们将添加一个 TTL 规则,将数据在热、温、冷卷之间移动:
ALTER TABLE my_table
   MODIFY TTL
      trade_date TO VOLUME 'hot_volume',
      trade_date + INTERVAL 2 YEAR TO VOLUME 'warm_volume',
      trade_date + INTERVAL 4 YEAR TO VOLUME 'cold_volume';
  1. 新的 TTL 规则应该生效,但您可以强制执行以确保:
ALTER TABLE my_table
    MATERIALIZE TTL
  1. 使用 system.parts 表验证您的数据已经移动到预期的磁盘:
Using the system.parts table, view which disks the parts are on for the crypto_prices table:

SELECT
    name,
    disk_name
FROM system.parts
WHERE (table = 'my_table') AND (active = 1)

响应将如下所示:

┌─name────────┬─disk_name─┐
│ all_1_3_1_5 │ warm_disk │
│ all_2_2_0   │ hot_disk  │
└─────────────┴───────────┘