ClickHouse 核心引擎 MergeTree 解读

ClickHouse 是俄罗斯最大的搜索引擎 Yandex 在 2016 年开源的数据库管理系统（DBMS），主要用于联机分析处理（OLAP）。其采用了面向列的存储方式，性能远超传统面向行的 DBMS，近几年受到广泛关注。

本文将介绍 ClickHouse MergeTree 系列表引擎 的相关知识，并通过示例分析 MergeTree 存储引擎的数据存储结构。

1 MergeTree 表引擎简介

MergeTree（合并树）系列表引擎是 ClickHouse 提供的最具特色的存储引擎。MergeTree 引擎支持数据按主键、数据分区、数据副本以及数据采样等特性。官方提供了包括 MergeTree、ReplacingMergeTree、SummingMergeTree、AggregatingMergeTree、CollapsingMergeTree、VersionedCollapsingMergeTree、GraphiteMergeTree 等 7 种不同类型的 MergeTree 引擎的实现，以及与其相对应的支持数据副本的 MergeTree 引擎（Replicated*）。

首先来介绍一下 MergeTree 核心引擎：

ReplacingMergeTree： 在后台数据合并期间，对具有相同排序键的数据进行去重操作。

SummingMergeTree： 当合并数据时，会把具有相同主键的记录合并为一条记录。根据聚合字段设置，该字段的值为聚合后的汇总值，非聚合字段使用第一条记录的值，聚合字段类型必须为数值类型。

AggregatingMergeTree： 在同一数据分区下，可以将具有相同主键的数据进行聚合。

CollapsingMergeTree： 在同一数据分区下，对具有相同主键的数据进行折叠合并。

VersionedCollapsingMergeTree：

基于 CollapsingMergeTree 引擎，增添了数据版本信息字段配置选项。在数据依据 ORDER BY 设置对数据进行排序的基础上，如果数据的版本信息列不在排序字段中，那么版本信息会被隐式的作为 ORDER BY 的最后一列从而影响数据排序。

GraphiteMergeTree： 用来存储时序数据库 Graphites 的数据。

MergeTree 是该系列引擎中最核心的引擎，其他引擎均以 MergeTree 为基础，并在数据合并过程中实现了不同的特性，从而构成了 MergeTree 表引擎家族。下面我们通过 MergeTree 来具体了解 MergeTree 表系列引擎。

2 MergeTree 引擎

2.1 表创建

创建 MergeTree 的 DDL 如下所示：

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster] (      name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1] [TTL expr1],       name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2] [TTL expr2],       ... ) ENGINE = MergeTree()  ORDER BY expr   [PARTITION BY expr]   [PRIMARY KEY expr]   [SAMPLE BY expr]   [TTL expr [DELETE|TO DISK 'xxx'|TO VOLUME 'xxx'], ...]   [SETTINGS name=value, ...

这里说明一下 MergeTree 引擎的主要参数：

• 必填选项

• ENGINE ：引擎名字，MergeTree 引擎无参数。

• ORDER BY ：排序键，可以由一列或多列组成，决定了数据以何种方式进行排序，例如 ORDER BY（CounterID, EventDate）。如果没有显示指定 PRIMARY KEY，那么将使用 ORDER BY 作为 PRIMARY KEY。通常只指定 ORDER BY 即可。

• 选填选项

• PARTITION BY ：分区键，指明表中的数据以何种规则进行分区。分区是在一个表中通过指定的规则划分而成的逻辑数据集。分区可以按任意标准进行，如按月、按日或按事件类型。为了减少需要操作的数据，每个分区都是分开存储的。

• PRIMARY KEY ：主键，设置后会按照主键生成一级索引（primary.idx），数据会依据索引的设置进行排序，从而加速查询性能。默认情况下，PRIMARY KEY 与 ORDER BY 设置相同，所以通常情况下直接使用 ORDER BY 设置来替代主键设置。

• SAMPLE BY ：数据采样设置，如果显示配置了该选项，那么主键配置中也应该包括此配置。例如 ORDER BY CounterID / EventDate / intHash32（UserID）、SAMPLE BY intHash32（UserID）。

• TTL ：数据存活时间，可以为某一字段列或者一整张表设置 TTL，设置中必须包含 Date 或 DateTime 字段类型。如果设置在列上，那么会删除字段中过期的数据。如果设置的是表级的 TTL，那么会删除表中过期的数据。如果设置了两种类型，那么按先到期的为准。例如，TTL createtime + INTERVAL 1 DAY，即一天后过期。使用场景包括定期删除数据，或者定期将数据进行归档。

• index_granularity ：索引间隔粒度。MergeTree 索引为稀疏索引，每 index_granularity 个数据产生一条索引。index_granularity 默认设置为 8092。

• enable_mixed_granularity_parts ：是否启动 index_granularity_bytes 来控制索引粒度大小。

• index_granularity_bytes ：索引粒度，以字节为单位，默认 10Mb。

• merge_max_block_size ：数据块合并最大记录个数，默认 8192。

• merge_with_ttl_timeout ：合并频率最小时间间隔，默认 1 天。

2.2 数据存储结构

首先创建一个 test 表，DDL 如下:

CREATE TABLE test.test (     id        UInt64,     type      UInt8,     create_time DateTime ) ENGINE = MergeTree()   PARTITION BY toYYYYMMDD(create_time)   ORDER BY (id)   SETTINGS index_granularity = 4;

test 表包括 id、type、create 等三个字段，其中以 create_time 日期字段作为分区键，并将日期格式转化为 YYYYMMDD。按照 id 字段进行排序。由于没有显式设置主键，所以引擎默认使用 ORDER BY 设置的 id 列作为索引字段，并生成索引文件。index_granularity 设置为 4，意味着每 4 条数据产生一条索引数据。

插入一条测试数据：

insert into test.test(id, type, create_time) VALUES (1, 1, toDateTime('2021-03-01 00:00:00'));

使用如下命令查看 test 表分区相关信息：

 SELECT         database,         table,         partition,         partition_id,         name,         active,         path  FROM system.parts  WHERE table = 'test' 

返回结果如下图所示：

从上图中可以看到 test 表中返回了一条 partitionid 为 20210301 的数据分区的记录，从 name 字段中我们可以得知，此分区的目录名为 20210301_8_8_0。20210301_8_8_0 这个目录名字到底有什么含义呢？下面来介绍一下分区规则以及分区目录的命名规则。

2.2.1 数据分区 ID 生成规则

数据分区规则由分区 ID 决定，分区 ID 由 PARTITION BY 分区键决定。根据分区键字段类型，ID 生成规则可分为：

• 未定义分区键

• 没有定义 PARTITION BY，默认生成一个目录名为 all 的数据分区，所有数据均存放在 all 目录下。

• 整型分区键

• 分区键为整型，那么直接用该整型值的字符串形式做为分区 ID。

• 日期类分区键

• 分区键为日期类型，或者可以转化成日期类型。

• 其他类型分区键

• String、Float 类型等，通过 128 位的 Hash 算法取其 Hash 值作为分区 ID。

上面我们插入一条日期为 2021-03-01 00:00:00 的数据，对该字段格式化后生成的数据分区 id 就是 20210301。

2.2.2 数据分区目录命名规则

目录命名规则如下：

PartitionId_MinBlockNum_MaxBlockNum_Level

• PartitionID

• 分区 id，例如 20210301。

• MinBlockNum

• 最小分区块编号，自增类型，从 1 开始向上递增。每产生一个新的目录分区就向上递增一个数字。

• MaxBlockNum

• 最大分区块编号，新创建的分区 MinBlockNum 等于 MaxBlockNum 的编号。

• Level

• 合并的层级，被合并的次数。合并次数越多，层级值越大。

从上图可知，此分区的分区 id 为 20210301，当前分区的 MinBlockNum 和 MinBlockNum 均为 8，而 level 为 0，表示此分区没有合并过。

2.3 数据分区文件组织结构

在了解了分区目录名字的生成规则后，下面来看看数据分区目录下的文件组织结构。以 2021030188_0 分区为例：

从图中可以看到，目录中的文件主要包括 bin 文件、mrk 文件、primary.idx 文件以及其他相关文件。

• bin 文件

• 数据文件，存储的是某一列的数据。数据表中的每一列都对应一个与其字段名相同的 bin 文件，例如 id.bin 存储的是表 test 中 id 列的数据。

• mrk 文件

• 标记文件，每一列都对应一个与其字段名相同的标记文件，标记文件在 idx 索引文件和 bin 数据文件之间起到了桥梁作用。以 mrk2 结尾的文件，表示该表启用了自适应索引间隔。

• primary.idx 文件

• 主键索引文件，用于加快查询效率。

• count.txt

• 数据分区中数据总记录数。上述 20210301_8_8_0 的数据分区中，该文件中的记录总数为 1。

• columns.txt

• 表中所有列数的信息，包括字段名和字段类型。

• partion.dat

• 用于保存分区表达式的值。上述 20210301_8_8_0 的数据分区中该文件中的值为 20210301。

• minmax_create_time.idx

• 分区键的最大最小值。

• checksums.txt

• 校验文件，用于校验各个文件的正确性。存放各个文件的 size 以及 hash 值。

2.3.1 数据文件

MergeTree 中，每列都对应一个 bin 文件单独存放该列数据。例如，id.bin 存放的是 id 列的数据。所有数据都经过数据压缩、排序，最后以数据块的形式写入 bin 文件中。bin 中数据以压缩数据块为单位写入文件中。每个数据块由头信息和压缩数据组成。头部信息包括校验和、数据压缩算法、数据压缩前大小和压缩后大小组成。压缩数据由 granule 组成，granule 大小与 index_granularity 相关。

2.3.2 索引文件

MergeTree 索引为稀疏索引，它并不索引单条数据，而是索引一定范围的数据。也就是从已排序的全量数据中，间隔性的选取一些数据记录主键字段的值来生成 primary.idx 索引文件，从而加快表查询效率。间隔设置参数为 index_granularity。

我们向表 test 中插入 9 条数据，

insert into test.test(id, type, create_time) VALUES (1, 1, toDateTime('2021-03-01 00:00:00')); insert into test.test(id, type, create_time) VALUES (1, 2, toDateTime('2021-03-01 00:00:00')); insert into test.test(id, type, create_time) VALUES (1, 3, toDateTime('2021-03-01 00:00:00')); insert into test.test(id, type, create_time) VALUES (2, 1, toDateTime('2021-03-01 00:00:00')); insert into test.test(id, type, create_time) VALUES (2, 1, toDateTime('2021-03-01 00:00:00')); insert into test.test(id, type, create_time) VALUES (3, 1, toDateTime('2021-03-01 00:00:00')); insert into test.test(id, type, create_time) VALUES (3, 1, toDateTime('2021-03-01 00:00:00')); insert into test.test(id, type, create_time) VALUES (4, 1, toDateTime('2021-03-01 00:00:00')); insert into test.test(id, type, create_time) VALUES (5, 1, toDateTime('2021-03-01 00:00:00'));

因为 index_granularity 设置为 4，所以每 4 条数据就会生成一条索引记录，即使用插入的第 1、5、9 条数据 id 字段的值生成索引文件记录。

2.3.3 标记文件

mrk 标记文件在 primary.idx 索引文件和 bin 数据文件之间起到了桥梁作用。primary.idx 文件中的每条索引在 mrk 文件中都有对应的一条记录。一条记录的组成包括：

• offset-compressed bin file

• 表示指向的压缩数据块在 bin 文件中的偏移量。

• offset-decompressed data block

• 表示指向的数据在解压数据块中的偏移量。

• row counts

• 代表数据记录行数，小于等于 index_granularity 所设置的值。

索引，标记和数据文件下图所示：

作者：TalkingData 张凯

参考文档：

1.https://clickhouse.tech/docs

2.http://www.clickhouse.com.cn/topic/5ffec51eba8f16b55dd0ffe4

3.《ClickHouse 原理解析与应用实践》（机械工业出版社出版，作者朱凯）

本文转载自公众号 TalkingData（ID：Talkingdata）。

原文链接：

ClickHouse核心引擎MergeTree解读