ClickHouse MergeTree引擎的簡單介紹
1.介紹
Clickhouse 中最強大的表引擎當屬 MergeTree
（合併樹）引擎及該系列（MergeTree）中的其他引擎。MergeTree
允許依據主鍵和日期建立索引，並進行實時的資料更新操作。MergeTree 是 ClickHouse 裡最為先進的表引擎。
請注意不要將 MergeTree 跟 Merge引擎混淆！！！
MergeTree 引擎系列的基本理念如下。當你有巨量資料要插入到表中，你要高效地一批批寫入資料片段，並希望這些資料片段在後臺按照一定規則合併。相比在插入時不斷修改（重寫）資料進儲存，這種策略會高效很多。
主要特點:
儲存的資料按主鍵排序。
這讓你可以建立一個用於快速檢索資料的小稀疏索引。
允許使用分割槽，如果指定了分割槽鍵的話。
在相同資料集和相同結果集的情況下 ClickHouse 中某些帶分割槽的操作會比普通操作更快。查詢中指定了分割槽鍵時 ClickHouse 會自動擷取分割槽資料。這也有效增加了查詢效能。
支援資料副本。
ReplicatedMergeTree 系列的表便是用於此。更多資訊，請參閱官方文件。
支援資料取樣。
需要的話，你可以給表設定一個取樣方法。
不使用取樣表示式的例子：
MergeTree(EventDate, (CounterID, EventDate), 8192)*
MergeTree(EventDate, intHash32(UserID), (CounterID, EventDate, intHash32(UserID)), 8192)*
2. 建表
CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1],
name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2],
...
INDEX index_name1 expr1 TYPE type1(...) GRANULARITY value1,
INDEX index_name2 expr2 TYPE type2(...) GRANULARITY value2
) ENGINE = MergeTree()
[PARTITION BY expr]
[ORDER BY expr]
[PRIMARY KEY expr]
[SAMPLE BY expr]
[SETTINGS name=value, ...]
MergeTree 引擎在建立時接收以下4個引數，
日期欄位的名稱 （索引欄位）
取樣表示式 （可選的）
含有主鍵相關欄位的元組
稀疏索引的粒度（見下文）。
以 MergeTree 作為引擎的資料表必須含有一個獨立的 Date 欄位。比如說， EventDate 欄位。這個日期欄位必須是 Date 型別的（非 DateTime 型別）。
主鍵可以是任意表達式構成的元組（通常是列名稱的元組），或者是單獨一個欄位。
抽樣表示式（可選的）可以是任意表達式。這個表示式必須在主鍵中。上面的例子使用了 CounterID 的雜湊 intHash32 作為取樣表示式，旨在近乎隨機地在 CounterID 和 EventDate 內打亂資料條目。換而言之，當我們在查詢中使用 SAMPLE 子句時，我們就可以得到一個近乎隨機分佈的使用者列表。
資料表將資料分割為小的索引塊作為單位進行處理。 每個索引塊之間依照主鍵排序。每個索引塊記錄了指定的開始日期和結束日期。在您插入資料時，MergeTree 就會對資料進行排序處理，以保證儲存在索引塊內的資料有序。 索引塊之間的合併過程會在系統後臺定期自動執行。MergeTree 引擎會選擇幾個相鄰的索引塊進行合併（通常是較小的索引塊）， 然後對二者合併、排序。
具體而言, 向 MergeTree 表中插入資料時，引擎會首先對新資料執行遞增排序而儲存索引塊；其後，資料索引塊之間又會進一步合併，以減少總體索引塊數量。 因此，合併過程本身並無過多排序工作。
3.主鍵和索引在查詢中的表現
我們以 (CounterID, Date) 以主鍵。排序好的索引的圖示會是下面這樣：
全部資料 : [-------------------------------------------------------------------------]
CounterID: [aaaaaaaaaaaaaaaaaabbbbcdeeeeeeeeeeeeefgggggggghhhhhhhhhiiiiiiiiikllllllll]
Date: [1111111222222233331233211111222222333211111112122222223111112223311122333]
標記: | | | | | | | | | | |
a,1 a,2 a,3 b,3 e,2 e,3 g,1 h,2 i,1 i,3 l,3
標記號: 0 1 2 3 4 5 6 7 8 9 10
如果指定查詢如下：
CounterID in (‘a’,’h’)，伺服器會讀取標記號在 [0, 3) 和 [6, 8) 區間中的資料。
CounterID IN (‘a’,’h’) AND Date = 3，伺服器會讀取標記號在 [1, 3) 和 [7, 8) 區間中的資料。
Date = 3，伺服器會讀取標記號在 [1, 10] 區間中的資料。
上面例子可以看出使用索引通常會比全表描述要高效。
稀疏索引會引起額外的資料讀取。當讀取主鍵單個區間範圍的資料時，每個資料塊中最多會多讀 index_granularity * 2 行額外的資料。大部分情況下，當 index_granularity = 8192 時，ClickHouse的效能並不會降級。
稀疏索引讓你能操作有巨量行的表。因為這些索引是常駐記憶體（RAM）的。
ClickHouse 不要求主鍵惟一。所以，你可以插入多條具有相同主鍵的行。