跳到主要内容
跳到主要内容

投影

Projections store data in a format that optimizes query execution, this feature is useful for:

  • 在不是主键的列上运行查询
  • 预聚合列,这将减少计算和 IO

您可以为一个表定义一个或多个投影,并且在查询分析期间,将由 ClickHouse 选择数据扫描量最少的投影,而不会修改用户提供的查询。

磁盘使用情况

投影将内部创建一个新的隐藏表,这意味着将需要更多的 IO 和磁盘空间。 例如,如果投影定义了不同的主键,则原始表中的所有数据将会被重复。

您可以在此 页面 查看有关投影如何在内部工作的更多技术细节。

示例:未使用主键的过滤

创建表:

CREATE TABLE visits_order
(
   `user_id` UInt64,
   `user_name` String,
   `pages_visited` Nullable(Float64),
   `user_agent` String
)
ENGINE = MergeTree()
PRIMARY KEY user_agent

使用 ALTER TABLE,我们可以将投影添加到现有表中:

ALTER TABLE visits_order ADD PROJECTION user_name_projection (
SELECT
*
ORDER BY user_name
)

ALTER TABLE visits_order MATERIALIZE PROJECTION user_name_projection

插入数据:

INSERT INTO visits_order SELECT
    number,
    'test',
    1.5 * (number / 2),
    'Android'
FROM numbers(1, 100);

投影将允许我们快速按 user_name 进行过滤,即使在原始表中 user_name 并未定义为 PRIMARY_KEY。 在查询时,ClickHouse 确定如果使用投影,将处理更少的数据,因为数据是按 user_name 排序的。

SELECT
    *
FROM visits_order
WHERE user_name='test'
LIMIT 2

要验证查询是否使用投影,我们可以查看 system.query_log 表。在 projections 字段中,我们可以找到所使用的投影名称,如果没有使用任何,则为空:

SELECT query, projections FROM system.query_log WHERE query_id='<query_id>'

示例:预聚合查询

使用投影创建表:

CREATE TABLE visits
(
   `user_id` UInt64,
   `user_name` String,
   `pages_visited` Nullable(Float64),
   `user_agent` String,
   PROJECTION projection_visits_by_user
   (
       SELECT
           user_agent,
           sum(pages_visited)
       GROUP BY user_id, user_agent
   )
)
ENGINE = MergeTree()
ORDER BY user_agent

插入数据:

INSERT INTO visits SELECT
    number,
    'test',
    1.5 * (number / 2),
    'Android'
FROM numbers(1, 100);
INSERT INTO visits SELECT
    number,
    'test',
    1. * (number / 2),
   'IOS'
FROM numbers(100, 500);

我们将执行第一个查询,使用 GROUP BY 和字段 user_agent,该查询将不会使用定义的投影,因为预聚合不匹配。

SELECT
    user_agent,
    count(DISTINCT user_id)
FROM visits
GROUP BY user_agent

要使用投影,我们可以执行选择部分或全部预聚合和 GROUP BY 字段的查询。

SELECT
    user_agent
FROM visits
WHERE user_id > 50 AND user_id < 150
GROUP BY user_agent
SELECT
    user_agent,
    sum(pages_visited)
FROM visits
GROUP BY user_agent

如前所述,我们可以查看 system.query_log 表。在 projections 字段中,我们可以找到所使用的投影名称,如果没有使用任何,则为空:

SELECT query, projections FROM system.query_log WHERE query_id='<query_id>'

带有 _part_offset 字段的正常投影

创建一个带有正常投影的表,该投影利用 _part_offset 字段:

CREATE TABLE events
(
    `event_time` DateTime,
    `event_id` UInt64,
    `user_id` UInt64,
    `huge_string` String,
    PROJECTION order_by_user_id
    (
        SELECT
            _part_offset
        ORDER BY user_id
    )
)
ENGINE = MergeTree()
ORDER BY (event_id);

插入一些示例数据:

INSERT INTO events SELECT * FROM generateRandom() LIMIT 100000;

使用 _part_offset 作为二级索引

_part_offset 字段在合并和变更中保留其值,这使得它对于二级索引非常有价值。我们可以在查询中利用这一点:

SELECT
    count()
FROM events
WHERE _part_starting_offset + _part_offset IN (
    SELECT _part_starting_offset + _part_offset
    FROM events
    WHERE user_id = 42
)
SETTINGS enable_shared_storage_snapshot_in_query = 1

操作投影

以下与 projections 相关的操作是可用的:

添加投影

ALTER TABLE [db.]name [ON CLUSTER cluster] ADD PROJECTION [IF NOT EXISTS] name ( SELECT <COLUMN LIST EXPR> [GROUP BY] [ORDER BY] ) - 向表元数据添加投影描述。

删除投影

ALTER TABLE [db.]name [ON CLUSTER cluster] DROP PROJECTION [IF EXISTS] name - 从表元数据中删除投影描述,并从磁盘删除投影文件。作为 mutation 实现。

物化投影

ALTER TABLE [db.]table [ON CLUSTER cluster] MATERIALIZE PROJECTION [IF EXISTS] name [IN PARTITION partition_name] - 该查询在分区 partition_name 中重建投影 name。作为 mutation 实现。

清除投影

ALTER TABLE [db.]table [ON CLUSTER cluster] CLEAR PROJECTION [IF EXISTS] name [IN PARTITION partition_name] - 从磁盘删除投影文件而不删除描述。作为 mutation 实现。

命令 ADDDROPCLEAR 是轻量级的,因为它们仅更改元数据或删除文件。

此外,它们是可复制的,通过 ClickHouse Keeper 或 ZooKeeper 同步投影元数据。

备注

投影操作仅支持使用 *MergeTree 引擎的表(包括 replicated 变体)。