技术标签: 机器学习 ClickHouse 数据库 大数据
本文介绍了大数据中使用的一种数据库ClickHouse,它不同于传统的mysql数据库,ClickHouse是列式存储数据库(DBMS),主要用于在线分析查询处理(OLAP),同样的HBASE也是列式存储数据库。
(1)对于列的聚合,计数,求和等统计操作优于行式存储
(2)由于某一列的数据类型都是相同的,针对于数据存储更容易进行数据压缩,每一列选择更优的数据压缩算法,大大提高了数据的压缩比重。
(3)由于数据压缩比更好,节省了磁盘空间,使 cache 有了更大的发挥空间。
ClickHouse单条查询就要利用整机所有的CPU,也就意味着它处理多条查询命令的时候效率(QBS(Query per second)每秒钟的查询次数)不会很高。所以ClickHouse不适合做初始的数据处理,适合处理已经处理过的数据的宽表。
整型 | 类似于Java中的 | 无符号整型 | 浮点型 | Decimal | 字符串 | 枚举 |
---|---|---|---|---|---|---|
int8 | byte | Uint8 | float32 | Decimal32 | String | Enum8 |
int16 | short | Uint16 | float64 | Decimal64 | FixedString(N) | Enum16 |
int32 | int | Uint32 | Decimal128 | |||
int64 | long | Uint64 |
Decimal数据类型应用于金融领域,即和钱相关,因为他的数据精度不会丢失。
ClickHouse 中最强大的表引擎当属 MergeTree(合并树)引擎及该系列(*MergeTree)中的其他引擎,支持索引和分区。
代码如下:
create table t(
id UInt32,
sku_id String,
create_time Datetime
)engine = MergeTree
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id , sku_id);
注意:在ClickHouse中,主键并不唯一,所以底层也不会自动为我们加上唯一约束
在ClickHouse中,任何一个批次的数据写入都会产生一个临时分区,不会纳入任何一个已有的分区。写入后的某个时刻(大概 10-15 分钟后),ClickHouse 会自动执行合并操作(也可以手动通过 optimize 执行),把临时分区的数据,合并到已有分区中。
代码如下:
optimize table xxxx final;
分区尽量以天为分区,不能分区粒度过小,这样会产生大量的数据,ClickHouse是基于内存的不善于处理大量的数据;
ClickHouse中的主键,只提供了数据的一级索引,但是却不是唯一约束,并且底层运用了稀疏索引,稀疏索引就是间隔一定的距离来存储主键的索引。
稀疏索引的好处就是可以用很少的索引数据,定位更多的数据,代价就是只能定位到索引粒度的第一行,然后再进行进行一点扫描。
(1) order by 设定了分区内的数据按照哪些字段顺序进行有序保存。
(2) order by 是 MergeTree 中唯一一个必填项,甚至比 primarykey 还重要,因为当用户不设置主键的情况,很多处理会依照 order by 的字段进行处理。
要求:主键必须是 order by 字段的前缀字段。比如 order by 字段是 (id,sku_id) 那么主键必须是 id 或者(id,sku_id)
索引(orderby())的原则:查询频率高的放在前面;基数特别大(比如某一列有1亿条数据,但是数据重复率很低)的不适合做索引;
在ClickHouse中,建表时Index_granularity是用来控制索引粒度的,默认是8192,如非必须不建议调整。
TTL 即 Time To Live,MergeTree 提供可以管理数据表或列的生命周期的功能。
列级别-实例是该列数据会在创建10秒之后消失:
代码如下:
create table t(
id UInt32,
sku_id String,
cnum UInt8 TTL create_time+interval 10 SECOND,
create_time Datetime
)engine = MergeTree
partition by (create_time)
primary key (id)
order by (id , sku_id);
表中的数据列cnum就会在10秒后消失;
表级别-实例是该表会在创建10秒之后消失:
代码如下:
alter table t MODIFY TTL create_time + interval 10 SECOND;
时间单位可以替换为:SECOND,MINUTE,HOUR,DAY,WEEK,MONTH,QUARTER, YEAR
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。
去重时机:数据的去重只会在合并的过程中出现。
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,不能跨分区去重;
注意:ReplacingMergeTree不能保证没有重复数据的出现
ReplacingMergeTree特点:
➢实际上是使用 order by 字段作为唯一键
➢去重不能跨分区
➢只有同一批插入(新版本)或合并分区时才会进行去重
➢认定重复的数据保留版本字段值最大的
➢如果版本字段相同则按插入顺序保留最后一笔
可以“预聚合”的引擎,同样是以orderby的字段进行聚合,即相当于是以orderby的字段进行groupby。
(1) 只能分区内聚合
(2) 分片合并的时候才会聚合
SummingMergeTree 特点:
➢以 SummingMergeTree(A)中指定的列A作为汇总数据列
➢可以填写多列必须数字列,如果不填以所有非维度列且为数字列的字段为汇总数据列
➢以 order by 的列为准,作为维度列
➢其他的列按插入顺序保留第一行
➢不在一个分区的数据不会被聚合
➢只有在同一批次插入(新版本)或分片合并时才会进行聚合
本文简单介绍了ClickHouse的基础概念以及表引擎等知识,在大数据之ClickHouse(下)中会继续介绍ClickHouse的相关的SQL操作、语法指令以及配置信息等。
文章浏览阅读2w次,点赞7次,收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加 外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案,在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建:添加Visual C++ , Win32 项目这......_c#调用lib
文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体,挺好看的。注重颜值的网站都会使用,例如知乎:font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang
文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--action,当提交表单时,向何处发送表单中的数据,地址可以是相对地址也可以是绝对地址--><!--method将表单中的数据传送给服务器处理,get方式直接显示在url地址中,数据可以被缓存,且长度有限制;而post方式数据隐藏传输,_html表单的处理程序有那些
文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证(即Google Authenticator服务)后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器
文章浏览阅读4.3k次,点赞5次,收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距
文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节,实现了多层数据的堆叠,为用户 提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制(CoW)策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的,不建议用于生成环境。_docker 保存容器
文章浏览阅读834次,点赞27次,收藏13次。网络拓扑结构是指计算机网络中各组件(如计算机、服务器、打印机、路由器、交换机等设备)及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式,也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn
文章浏览阅读1.8k次,点赞5次,收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时,通常的做法是:new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的,而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠,也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑,需要做一些额外的特殊处理,笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数,一劳永逸,避免每次ne_date.prototype 将所有 ios
文章浏览阅读5.3k次。方法一:用PLSQL Developer工具。 1 在PLSQL Developer的sql window里输入select * from test for update; 2 按F8执行 3 打开锁, 再按一下加号. 鼠标点到第一列的列头,使全列成选中状态,然后粘贴,最后commit提交即可。(前提..._excel导入pl/sql
文章浏览阅读83次。Git常用命令速查手册1、初始化仓库git init2、将文件添加到仓库git add 文件名 # 将工作区的某个文件添加到暂存区 git add -u # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,不处理untracked的文件git add -A # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,包括untracked的文件...
文章浏览阅读202次。分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120
文章浏览阅读1.8k次。版权声明:转载请注明出处 http://blog.csdn.net/irean_lau。目录(?)[+]1、缺省构造函数。2、缺省拷贝构造函数。3、 缺省析构函数。4、缺省赋值运算符。5、缺省取址运算符。6、 缺省取址运算符 const。[cpp] view plain copy_空类默认产生哪些类成员函数