Clickhouse表引擎-日志系列

1、表引擎的介绍 ?Clickhouse的表引擎类似MySQL的表引擎，表引擎决定了如何存储表的数据，主要包含如下特性：

数据的存储方式和位置，写到哪里以及从哪里读取数据
支持哪些查询以及如何支持。
并发数据访问。
索引的使用（如果存在）。
是否可以执行多线程请求。
数据复制参数。

?表引擎的使用方式就是必须显式在创建表时定义该表使用的引擎，以及引擎使用的相关参数。
注意：表引擎的名称大小写敏感
2、引擎类型

Log类型（日志类型）
MergeTree类型（合并树类型）
Integration Engines（集成类型）
Special Engines（其他特定类型）
Virtual Columns（虚拟列）

3、日志引擎系列 ?这类引擎是为了需要写入许多小数据量(少于100W)的场景而开发的，Log 家族的引擎可以将数据存储在S3或者HDFS分布式文件系统上，这系列的引擎有：

Log
TinyLog
StripeLog

3.1、存在如下的特点：

数据存储在磁盘上
写入时将数据追加在文件末尾
不支持变更操作
不支持索引，这个意味着范围查询效率不高
非原子写入数据，如果有些线程影响写操作将会导致表数据损坏，比如在写过程服务器异常停止
支持表锁，有写入数据的时候，表是锁的。其他读写查询都需要等待表锁释放，如果没有数据写入，可以执行并发查询。

3.2、差异点

TinyLog 引擎是该系列中最简单的引擎并且提供了最少的功能和最低的性能。TinyLog 引擎不支持单个查询下的多线程查询，它比其余两种支持并行读取的引擎的读取速度更慢，并且使用了和 Log 引擎同样多文件的描述符。因为它的每一列存储在不同的文件中，你可以在简单的低负载的情景下使用它。
Log 引擎为表中的每一列使用不同的文件。StripeLog 将所有的数据存储在一个文件中。因此 StripeLog 引擎在操作系统中使用更少的描述符，但是 Log 引擎提供更高的读性能。
Log和StripeLog引擎支持表锁，有写入数据的时候，表是锁的。其他读写查询都需要等待表锁释放，如果没有数据写入，可以执行并发查询。
并行读取数据，在读取数据时，ClickHouse 使用多线程。每个线程处理不同的数据块。

4、Log 【Clickhouse表引擎-日志系列】?Log 与 TinyLog 的不同之处在于，标记的小文件与列文件存在一起。这些标记记录每个数据块，并且包含偏移量，这些偏移量指示从哪里开始读取文件以便跳过指定的行数。这使得可以在多个线程中读取表数据。对于并发数据访问，可以同时执行读取操作，而写入操作则阻塞读取和其它写入。Log引擎不支持索引。同样，如果写入表失败，则该表将被破坏，并且从该表读取将返回错误。Log引擎适用于临时数据，write-once 表以及测试或演示目的。
5、StripeLog ?在你需要写入许多小数据量（小于一百万行）的表的场景下使用这个引擎。
5.1、建表

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster](column1_name [type1] [DEFAULT|MATERIALIZED|ALIAS expr1],column2_name [type2] [DEFAULT|MATERIALIZED|ALIAS expr2],...) ENGINE = StripeLog

5.2、写数据 ?StripeLog 引擎将所有列存储在一个文件中。对每一次Insert请求，ClickHouse将数据块追加在表文件的末尾，逐列写入。
ClickHouse为每张表写入以下文件：

data.bin — 数据文件。
index.mrk — 带标记的文件。标记包含了已插入的每个数据块中每列的偏移量。

注意：StripeLog 引擎不支持 ALTER UPDATE 和 ALTER DELETE 操作。
5.3、读数据 ?带标记的文件使得ClickHouse可以并行的读取数据。这意味着 SELECT 请求返回行的顺序是不可预测的。使用 ORDER BY 子句对行进行排序
5.4、示例演示建表
CREATE TABLE stripe_log_table(timestamp DateTime,message_type String,message String)ENGINE = StripeLog 插入数据

INSERT INTO stripe_log_table VALUES (now(),'REGULAR','The first regular message');INSERT INTO stripe_log_table VALUES (now(),'REGULAR','The second regular message'),(now(),'WARNING','The first warning message');INSERT INTO stripe_log_table VALUES (now(),'REGULAR','The second regular message');

我们使用三次INSERT请求从而在data.bin文件中创建两个数据块。
ClickHouse 在查询数据时使用多线程。每个线程读取单独的数据块并在完成后独立的返回结果行。这样的结果是，大多数情况下，输出中块的顺序和输入时相应块的顺序是不同的。例如：
SELECT * FROM stripe_log_table; 得到的结果是这样的：

┌───────────timestamp─┬─message_type─┬─message───────────────────┐│ 2022-03-14 09:58:04 │ REGULAR│ The first regular message │└─────────────────────┴──────────────┴───────────────────────────┘┌───────────timestamp─┬─message_type─┬─message────────────────────┐│ 2022-03-14 10:05:44 │ REGULAR│ The second regular message ││ 2022-03-14 10:05:44 │ WARNING│ The first warning message│└─────────────────────┴──────────────┴────────────────────────────┘┌───────────timestamp─┬─message_type─┬─message────────────────────┐│ 2022-03-14 10:02:09 │ REGULAR│ The second regular message │└─────────────────────┴──────────────┴────────────────────────────┘

对结果排序（默认增序）：
SELECT * FROM stripe_log_table ORDER BY timestamp asc; 得到的结果是这样的：

┌───────────timestamp─┬─message_type─┬─message───────────────────┐│ 2022-03-14 09:58:04 │ REGULAR│ The first regular message │└─────────────────────┴──────────────┴───────────────────────────┘┌───────────timestamp─┬─message_type─┬─message────────────────────┐│ 2022-03-14 10:02:09 │ REGULAR│ The second regular message │└─────────────────────┴──────────────┴────────────────────────────┘┌───────────timestamp─┬─message_type─┬─message────────────────────┐│ 2022-03-14 10:05:44 │ REGULAR│ The second regular message ││ 2022-03-14 10:05:44 │ WARNING│ The first warning message│└─────────────────────┴──────────────┴────────────────────────────┘

6、TinyLog ?最简单的表引擎，用于将数据存储在磁盘上。每列都存储在单独的压缩文件中。写入时，数据将附加到文件末尾。
并发数据访问不受任何限制：

如果同时从表中读取并在不同的查询中写入，则读取操作将抛出异常
如果同时写入多个查询中的表，则数据将被破坏。

这种表引擎的典型用法是 write-once：首先只写入一次数据，然后根据需要多次读取。查询在单个流中执行。换句话说，此引擎适用于相对较小的表（建议最多100W行）。如果你的数据量比较小，则使用此表引擎是适合的，因为它比Log引擎更简单（需要打开的文件更少）。当你拥有大量小表时，可能会导致性能低下。该引擎不支持索引。TinyLog表用于小批量处理的中间数据
更多内容关注公众号