选择低基数分区键

A data management technique

分区主要是一种数据管理技术，而不是查询优化工具，虽然它可以在特定工作负载中提高性能，但不应首先用来加速查询；分区键必须小心选择，并明确其影响，只有在与数据生命周期需求或成熟的访问模式一致时才应用。

在 ClickHouse 中，分区根据指定的键将数据组织成逻辑段。这在创建表时使用 PARTITION BY 子句定义，通常用于按时间区间、类别或其他与业务相关的维度对行进行分组。分区表达式的每个唯一值在磁盘上形成自己的物理分区，ClickHouse 为这些值中的每个存储独立的部分。分区提高了数据管理，简化了保留策略，并有助于某些查询模式。

例如，考虑以下带有分区键 toStartOfMonth(date) 的英国支付价格数据集表。

CREATE TABLE uk.uk_price_paid_simple_partitioned
(
  date Date,
  town LowCardinality(String),
  street LowCardinality(String),
  price UInt32
)
ENGINE = MergeTree
ORDER BY (town, street)
PARTITION BY toStartOfMonth(date)

每当一组行插入表时，ClickHouse 创建每个唯一分区键值的新数据部分，而不是创建一个（至少一）包含所有插入行的单一数据部分（如这里所述）。

ClickHouse 服务器首先通过其分区键值 toStartOfMonth(date) 将示例插入中的 4 行拆分成行。然后，对于每个识别的分区，按照通常的步骤处理这些行（① 排序，② 划分到列，③ 压缩，④ 写入磁盘）。

有关分区的更详细解释，我们推荐本指南。

启用分区后，ClickHouse 只在分区内合并数据部分，而不跨分区进行合并。我们为上述示例表绘制了这一点：

应用分区

分区是管理 ClickHouse 中大数据集的强大工具，尤其在可观察性和分析用例中。它通过允许与时间或业务逻辑对齐的整个分区在单个元数据操作中被删除、移动或归档，使高效的数据生命周期操作成为可能。这比逐行删除或复制操作显著更快，占用更少资源。分区还与 ClickHouse 特性如 TTL 和分层存储无缝集成，使得在没有自定义编排的情况下实现保留策略或冷热存储策略成为可能。例如，最近的数据可以保留在快速的 SSD 存储中，而较旧的分区则自动转移到更便宜的对象存储中。

虽然分区可以提高某些工作负载的查询性能，但也可能对响应时间产生负面影响。

如果分区键不在主键中，而你又以此进行过滤，用户可能会在使用分区时看到查询性能的提高。示例请参见这里。

相反，如果查询需要跨分区查询，性能可能会受到负面影响，因为总的部分数量较高。因此，在考虑将分区作为查询优化技术之前，用户应理解其访问模式。

总之，用户应主要将分区视为一种数据管理技术。有关管理数据的示例，请参见可观察性用例指南中的"管理数据"和核心概念 - 表分区中的"表分区的用途是什么？"。