ClickHouse之ReplacingMergeTree详谈

「这是我参与11月更文挑战的第6天，活动详情查看：2021最后一次更文挑战」。

ReplacingMergeTree 是 MergeTree 的一个变种，它存储特性完全继承 MergeTree，只是多了一个去重的功能。

尽管 MergeTree 可以设置主键，但是 primary key 其实没有唯一约束的功能。

如果你想处理掉重复的数据，可以借助这个 ReplacingMergeTree。

去重时机

数据的去重只会在合并的过程中出现。合并会在未知的时间在后台进行，所以你无法预先作出计划。有一些数据可能仍未被处理。

去重范围

如果表经过了分区，去重只会在分区内部进行去重，不能执行跨分区的去重。

所以 ReplacingMergeTree 能力有限，ReplacingMergeTree 适用于在后台清除重复的数据以节省空间，但是它不保证没有重复的数据出现。

案例演示

创建表

create table order_table4
(
    id           UInt32,
    item_id       String,
    total_amount Decimal(16, 2),
    create_time  Datetime
) engine = ReplacingMergeTree(create_time)
      partition by toYYYYMMDD(create_time) primary key (id)
order by (id, item_id);
复制代码

ReplacingMergeTree() 填入的参数为表字段，重复数据保留版本字段值最大的。

如果不填表字段，默认按照插入顺序保留最后一条。

插入数据

insert into order_table4
values (101, 's_001', 1000.00, '2020-06-01 12:00:00'),
       (102, 's_002', 2000.00, '2020-06-01 11:00:00'),
       (102, 's_004', 2500.00, '2020-06-01 12:00:00'),
       (102, 's_002', 2000.00, '2020-06-01 13:00:00'),
       (102, 's_002', 12000.00, '2020-06-01 13:00:00'),
       (102, 's_002', 600.00, '2020-06-02 12:00:00');
复制代码

执行第一次查询

手动合并

OPTIMIZE TABLE order_table4 FINAL;
复制代码

再执行一次查询

结论

◼ 实际上是使用 order by 字段作为唯一键

◼ 去重不能跨分区

◼ 只有合并才会进行去重

◼ 认定重复的数据保留，表字段值最大的

◼ 如果表字段相同则按插入顺序保留最后一条