系统表概述

系统表提供以下信息：

服务器状态、进程和环境。
服务器的内部进程。
构建 ClickHouse 二进制文件时使用的选项。

系统表：

位于 system 数据库中。
仅可用于读取数据。
不能被删除或修改，但可以被分离。

大多数系统表将其数据存储在内存中。ClickHouse 服务器在启动时创建这些系统表。

与其他系统表不同，系统日志表 metric_log、query_log、query_thread_log、trace_log、part_log、crash_log、text_log 和 backup_log 由 MergeTree 表引擎提供服务，并默认将其数据存储在文件系统中。如果从文件系统中删除一个表，ClickHouse 服务器将在下一次写入数据时再次创建一个空表。如果在新版本中系统表的模式发生变化，ClickHouse 将重命名当前表并创建一个新表。

可以通过在 /etc/clickhouse-server/config.d/ 下创建与表同名的配置文件，或在 /etc/clickhouse-server/config.xml 中设置相应元素，来自定义系统日志表。可以自定义的元素包括：

database：系统日志表所属的数据库。此选项已弃用。所有系统日志表均位于 system 数据库下。
table：插入数据的表。
partition_by：指定 PARTITION BY 表达式。
ttl：指定表 TTL 表达式。
flush_interval_milliseconds：将数据刷新到磁盘的间隔。
engine：提供带参数的完整引擎表达式（以 ENGINE = 开头）。此选项与 partition_by 和 ttl 冲突。如果一起设置，服务器将引发异常并退出。

示例：

<clickhouse>
    <query_log>
        <database>system</database>
        <table>query_log</table>
        <partition_by>toYYYYMM(event_date)</partition_by>
        <ttl>event_date + INTERVAL 30 DAY DELETE</ttl>
        <!--
        <engine>ENGINE = MergeTree PARTITION BY toYYYYMM(event_date) ORDER BY (event_date, event_time) SETTINGS index_granularity = 1024</engine>
        -->
        <flush_interval_milliseconds>7500</flush_interval_milliseconds>
        <max_size_rows>1048576</max_size_rows>
        <reserved_size_rows>8192</reserved_size_rows>
        <buffer_size_rows_flush_threshold>524288</buffer_size_rows_flush_threshold>
        <flush_on_crash>false</flush_on_crash>
    </query_log>
</clickhouse>

默认情况下，表的增长是无限制的。要控制表的大小，可以使用 TTL 设置以删除过时的日志记录。您还可以使用 MergeTree 引擎表的分区功能。

系统指标来源

为了收集系统指标，ClickHouse 服务器使用：

CAP_NET_ADMIN 能力。
procfs（仅在 Linux 上）。

procfs

如果 ClickHouse 服务器没有 CAP_NET_ADMIN 能力，它会尝试回退到 ProcfsMetricsProvider。ProcfsMetricsProvider 允许收集每个查询的系统指标（用于 CPU 和 I/O）。

如果系统支持并启用 procfs，ClickHouse 服务器会收集以下指标：

OSCPUVirtualTimeMicroseconds
OSCPUWaitMicroseconds
OSIOWaitMicroseconds
OSReadChars
OSWriteChars
OSReadBytes
OSWriteBytes

备注

OSIOWaitMicroseconds 在从 5.14.x 开始的 Linux 内核中默认禁用。您可以使用 sudo sysctl kernel.task_delayacct=1 启用它，或通过在 /etc/sysctl.d/ 中创建 .conf 文件并设置 kernel.task_delayacct = 1。

ClickHouse Cloud中的系统表

在 ClickHouse Cloud 中，系统表提供服务状态和性能的关键见解，与自管理部署的表现相同。一些系统表在集群级别操作，尤其是那些从 Keeper 节点获取数据的表，Keeper 节点管理分布式元数据。这些表反映集群的整体状态，并在对单个节点进行查询时应保持一致。例如，parts 表在从任何节点查询时应保持一致：

SELECT hostname(), count()
FROM system.parts
WHERE `table` = 'pypi'

┌─hostname()────────────────────┬─count()─┐
│ c-ecru-qn-34-server-vccsrty-0 │      26 │
└───────────────────────────────┴─────────┘

1 row in set. Elapsed: 0.005 sec.

SELECT
 hostname(),
    count()
FROM system.parts
WHERE `table` = 'pypi'

┌─hostname()────────────────────┬─count()─┐
│ c-ecru-qn-34-server-w59bfco-0 │      26 │
└───────────────────────────────┴─────────┘

1 row in set. Elapsed: 0.004 sec.

相反，其他系统表是节点特定的，例如，在内存中或使用 MergeTree 表引擎持久化其数据。这对于日志和指标等数据是典型的。这种持久性确保历史数据可用于分析。然而，这些节点特定的表在每个节点上本质上都是唯一的。

一般来说，当确定系统表是否是节点特定时，可以应用以下规则：

带有 _log 后缀的系统表。
公开指标的系统表，例如 metrics、asynchronous_metrics、events。
公开正在进行的进程的系统表，例如 processes、merges。

此外，系统表的新版本可能由于升级或模式更改而创建。这些版本以数字后缀命名。

例如，考虑 system.query_log 表，该表为每个由节点执行的查询包含一行：

SHOW TABLES FROM system LIKE 'query_log%'

┌─name─────────┐
│ query_log    │
│ query_log_1  │
│ query_log_10 │
│ query_log_2  │
│ query_log_3  │
│ query_log_4  │
│ query_log_5  │
│ query_log_6  │
│ query_log_7  │
│ query_log_8  │
│ query_log_9  │
└──────────────┘

11 rows in set. Elapsed: 0.004 sec.

查询多个版本

我们可以使用 merge 函数跨表查询。例如，下面的查询识别每个 query_log 表中发往目标节点的最新查询：

SELECT
    _table,
    max(event_time) AS most_recent
FROM merge('system', '^query_log')
GROUP BY _table
ORDER BY most_recent DESC

┌─_table───────┬─────────most_recent─┐
│ query_log    │ 2025-04-13 10:59:29 │
│ query_log_1  │ 2025-04-09 12:34:46 │
│ query_log_2  │ 2025-04-09 12:33:45 │
│ query_log_3  │ 2025-04-07 17:10:34 │
│ query_log_5  │ 2025-03-24 09:39:39 │
│ query_log_4  │ 2025-03-24 09:38:58 │
│ query_log_6  │ 2025-03-19 16:07:41 │
│ query_log_7  │ 2025-03-18 17:01:07 │
│ query_log_8  │ 2025-03-18 14:36:07 │
│ query_log_10 │ 2025-03-18 14:01:33 │
│ query_log_9  │ 2025-03-18 14:01:32 │
└──────────────┴─────────────────────┘

11 rows in set. Elapsed: 0.373 sec. Processed 6.44 million rows, 25.77 MB (17.29 million rows/s., 69.17 MB/s.)
Peak memory usage: 28.45 MiB.

别依赖数字后缀排序

虽然表上的数字后缀可以暗示数据的顺序，但不应依赖于此。因此，针对特定日期范围时，始终使用合并表函数并结合日期过滤器。

重要的是，这些表仍然是 每个节点本地的。

跨节点查询

为了全面查看整个集群，用户可以利用 clusterAllReplicas 函数与 merge 函数结合使用。clusterAllReplicas 函数允许查询 "default" 集群中所有副本的系统表，将节点特定数据整合为统一结果。当与 merge 函数结合使用时，可以用于定向集群中特定表的所有系统数据。

这种方法特别有价值，用于监控和调试集群级操作，确保用户可以有效分析他们的 ClickHouse Cloud 部署的健康状态和性能。

备注

ClickHouse Cloud 提供多个副本的集群以实现冗余和故障转移。这使其具备动态自动扩展和零停机升级等功能。在某个时刻，可能有新节点正在添加到集群或从集群中移除。要跳过这些节点，请在使用 clusterAllReplicas 的查询中添加 SETTINGS skip_unavailable_shards = 1，如下所示。

例如，考虑查询 query_log 表的差异 - 这通常是分析的关键。

SELECT
    hostname() AS host,
    count()
FROM system.query_log
WHERE (event_time >= '2025-04-01 00:00:00') AND (event_time <= '2025-04-12 00:00:00')
GROUP BY host

┌─host──────────────────────────┬─count()─┐
│ c-ecru-qn-34-server-s5bnysl-0 │  650543 │
└───────────────────────────────┴─────────┘

1 row in set. Elapsed: 0.010 sec. Processed 17.87 thousand rows, 71.51 KB (1.75 million rows/s., 7.01 MB/s.)

SELECT
    hostname() AS host,
    count()
FROM clusterAllReplicas('default', system.query_log)
WHERE (event_time >= '2025-04-01 00:00:00') AND (event_time <= '2025-04-12 00:00:00')
GROUP BY host SETTINGS skip_unavailable_shards = 1

┌─host──────────────────────────┬─count()─┐
│ c-ecru-qn-34-server-s5bnysl-0 │  650543 │
│ c-ecru-qn-34-server-6em4y4t-0 │  656029 │
│ c-ecru-qn-34-server-iejrkg0-0 │  641155 │
└───────────────────────────────┴─────────┘

3 rows in set. Elapsed: 0.026 sec. Processed 1.97 million rows, 7.88 MB (75.51 million rows/s., 302.05 MB/s.)

跨节点和版本查询

由于系统表版本问题，这仍然不能代表集群中的完整数据。当将上述与 merge 函数结合使用时，我们获得准确的日期范围结果：

SELECT
    hostname() AS host,
    count()
FROM clusterAllReplicas('default', merge('system', '^query_log'))
WHERE (event_time >= '2025-04-01 00:00:00') AND (event_time <= '2025-04-12 00:00:00')
GROUP BY host SETTINGS skip_unavailable_shards = 1

┌─host──────────────────────────┬─count()─┐
│ c-ecru-qn-34-server-s5bnysl-0 │ 3008000 │
│ c-ecru-qn-34-server-6em4y4t-0 │ 3659443 │
│ c-ecru-qn-34-server-iejrkg0-0 │ 1078287 │
└───────────────────────────────┴─────────┘

3 rows in set. Elapsed: 0.462 sec. Processed 7.94 million rows, 31.75 MB (17.17 million rows/s., 68.67 MB/s.)