时间序列存储效率
在探索如何查询我们的维基百科统计数据集后，接下来让我们关注在 ClickHouse 中优化其存储效率。 本节演示了在保持查询性能的同时减少存储需求的实际技术。
类型优化
优化存储效率的一般方法是使用最优的数据类型。
让我们来看一下 project 和 subproject 列。这些列的数据类型为 String，但具有相对较少的唯一值：
这意味着我们可以使用 LowCardinality() 数据类型，它使用基于字典的编码。这使得 ClickHouse 存储内部值 ID 而不是原始字符串值，从而节省了大量空间：
我们还对 hits 列使用了 UInt64 类型，该类型占用 8 字节，但其最大值相对较小：
考虑到这个值，我们可以使用 UInt32 替代，它只占用 4 字节，并允许我们存储最大值约为 ~4b：
这将使该列在内存中的大小至少减少 2 倍。 请注意，由于压缩，磁盘上的大小将保持不变。 但是要小心，选择不太小的数据类型！
专用编解码器
当我们处理序列数据时，例如时间序列，我们可以通过使用特殊的编解码器进一步提高存储效率。 其一般思想是存储值之间的变化，而不是绝对值本身，这在处理缓慢变化的数据时所需空间大大减少：
我们对时间列使用了 Delta 编解码器，这是适合时间序列数据的良好选择。
正确的排序键也可以节省磁盘空间。
由于我们通常希望按照路径进行过滤，因此我们将 path 添加到排序键中。
这需要重新创建表。
下面我们可以看到初始表和优化表的 CREATE 命令：
让我们看一下每个表中的数据占用的空间量：
优化后的表在压缩形式下占用的空间仅略超过原来的 4 倍。
