ReplacingMergeTree：实现 Clickhouse 数据更新

关注

发布于: 2 小时前

摘要：Clickhouse 作为一个 OLAP 数据库，它对事务的支持非常有限。本文主要介绍通过 ReplacingMergeTree 来实现 Clickhouse 数据的更新、删除。

本文分享自华为云社区《Clickhouse如何实现数据更新》，作者：小霸王。

Clickhouse 作为一个 OLAP 数据库，它对事务的支持非常有限。Clickhouse 提供了 MUTATION 操作（通过 ALTER TABLE 语句）来实现数据的更新、删除，但这是一种“较重”的操作，它与标准 SQL 语法中的 UPDATE、DELETE 不同，是异步执行的，对于批量数据不频繁的更新或删除比较有用，可参考https://altinity.com/blog/2018/10/16/updates-in-clickhouse。除了 MUTATION 操作，Clickhouse 还可以通过 CollapsingMergeTree、VersionedCollapsingMergeTree、ReplacingMergeTree 结合具体业务数据结构来实现数据的更新、删除，这三种方式都通过 INSERT 语句插入最新的数据，新数据会“抵消”或“替换”掉老数据，但是“抵消”或“替换”都是发生在数据文件后台 Merge 时，也就是说，在 Merge 之前，新数据和老数据会同时存在。因此，我们需要在查询时做一些处理，避免查询到老数据。Clickhouse 官方文档提供了使用 CollapsingMergeTree、VersionedCollapsingMergeTree 的指导，https://clickhouse.com/docs/en/engines/table-engines/mergetree-family/collapsingmergetree/。相比于 CollapsingMergeTree、VersionedCollapsingMergeTree 需要标记位字段、版本字段，用 ReplacingMergeTree 来实现数据的更新删除会更加方便，这里着重介绍一下如何用 ReplacingMergeTree 来实现数据的更新删除。

我们假设一个需要频繁数据更新的场景，如某市用户用电量的统计，我们知道，用户的用电量每分每秒都有可能发生变化，所以会涉及到数据频繁的更新。首先，创建一张表来记录某市所有用户的用电量。

CREATE TABLE IF NOT EXISTS default.PowerConsumption_local ON CLUSTER default_cluster(    User_ID             UInt64                              COMMENT '用户ID',    Record_Time         DateTime    DEFAULT toDateTime(0)   COMMENT '电量记录时间',    District_Code       UInt8                               COMMENT '用户所在行政区编码',    Address             String                              COMMENT '用户地址',    Power               UInt64                              COMMENT '用电量',    Deleted             BOOLEAN     DEFAULT 0               COMMENT '数据是否被删除')ENGINE = ReplicatedReplacingMergeTree('/clickhouse/tables/default.PowerConsumption_local/{shard}', '{replica}', Record_Time)ORDER BY (User_ID, Address)PARTITION BY District_Code;CREATE TABLE default.PowerConsumption ON CLUSTER default_cluster AS default.PowerConsumption_localENGINE = Distributed(default_cluster, default, PowerConsumption_local, rand());

复制代码

PowerConsumption_local 为本地表，PowerConsumption 为对应的分布式表。其中 PowerConsumption_local 使用 ReplicatedReplacingMergeTree 表引擎，第三个参数‘Record_Time’表示相同主键的多条数据，只会保留 Record_Time 最大的一条，我们正是利用 ReplacingMergeTree 的这一特性来实现数据的更新删除。因此，在选择主键时，我们需要确保主键唯一。这里我们选择(User_ID, Address)来作为主键，因为用户 ID 加上用户的地址可以确定唯一的一个电表，不会出现第二个相同的电表，所以对于某个电表多条数据，只会保留电量记录时间最新的一条。

然后我们向表中插入 10 条数据：

INSERT INTO default.PowerConsumption VALUES (0, '2021-10-30 12:00:00', 3, 'Yanta', rand64() % 1000 + 1, 0);INSERT INTO default.PowerConsumption VALUES (1, '2021-10-30 12:10:00', 2, 'Beilin', rand64() % 1000 + 1, 0);INSERT INTO default.PowerConsumption VALUES (2, '2021-10-30 12:15:00', 1, 'Weiyang', rand64() % 1000 + 1, 0);INSERT INTO default.PowerConsumption VALUES (3, '2021-10-30 12:18:00', 1, 'Gaoxin', rand64() % 1000 + 1, 0);INSERT INTO default.PowerConsumption VALUES (4, '2021-10-30 12:23:00', 2, 'Qujiang', rand64() % 1000 + 1, 0);INSERT INTO default.PowerConsumption VALUES (5, '2021-10-30 12:43:00', 3, 'Baqiao', rand64() % 1000 + 1, 0);INSERT INTO default.PowerConsumption VALUES (6, '2021-10-30 12:45:00', 1, 'Lianhu', rand64() % 1000 + 1, 0);INSERT INTO default.PowerConsumption VALUES (7, '2021-10-30 12:46:00', 3, 'Changan', rand64() % 1000 + 1, 0);INSERT INTO default.PowerConsumption VALUES (8, '2021-10-30 12:55:00', 1, 'Qianhan', rand64() % 1000 + 1, 0);INSERT INTO default.PowerConsumption VALUES (9, '2021-10-30 12:57:00', 4, 'Fengdong', rand64() % 1000 + 1, 0);

复制代码

表中数据如图所示：

假如现在我们要行政区编码为 1 的所有用户数据都需要更新，我们插入最新的数据：

INSERT INTO default.PowerConsumption VALUES (2, now(), 1, 'Weiyang', rand64() % 100 + 1, 0);INSERT INTO default.PowerConsumption VALUES (3, now(), 1, 'Gaoxin', rand64() % 100 + 1, 0);INSERT INTO default.PowerConsumption VALUES (6, now(), 1, 'Lianhu', rand64() % 100 + 1, 0);INSERT INTO default.PowerConsumption VALUES (8, now(), 1, 'Qianhan', rand64() % 100 + 1, 0);

复制代码

插入最新数据后，表中数据如图所示：

可以看到，此时新插入的数据与老数据同时存在于表中，因为后台数据文件还没有进行 Merge，“替换”还没有发生，这时就需要对查询语句做一些处理来过滤掉老数据，函数 argMax(a, b)可以按照 b 的最大值取 a 的值，所以通过如下查询语句就可以只获取到最新数据：

SELECT    User_ID,    max(Record_Time) AS R_Time,    District_Code,    Address,    argMax(Power, Record_Time) AS Power,    argMax(Deleted, Record_Time) AS DeletedFROM default.PowerConsumptionGROUP BY    User_ID,    Address,    District_CodeHAVING Deleted = 0;

复制代码

查询结果如下图：

为了更方便我们查询，这里可以创建一个视图：

CREATE VIEW PowerConsumption_view ON CLUSTER default_cluster ASSELECT    User_ID,    max(Record_Time) AS R_Time,    District_Code,    Address,    argMax(Power, Record_Time) AS Power,    argMax(Deleted, Record_Time) AS DeletedFROM default.PowerConsumptionGROUP BY    User_ID,    Address,    District_CodeHAVING Deleted = 0;

复制代码

通过该视图，可以查询到最新的数据：

假如现在我们又需要删除用户 ID 为 0 的数据，我们需要插入一条 User_ID 字段为 0，Deleted 字段为 1 的数据：

INSERT INTO default.PowerConsumption VALUES (0, now(), 3, 'Yanta', null, 1);

复制代码

查询视图，发现 User_ID 为 0 的数据已经查询不到了：

通过如上方法，我们可以实现 Clickhouse 数据的更新、删除，就好像在使用 OLTP 数据库一样，但我们应该清楚，实际上老数据真正的删除是在数据文件 Merge 时发生的，只有在 Merge 后，老数据才会真正物理意义上的删除掉。

点击关注，第一时间了解华为云新鲜技术~

发布于: 2 小时前阅读数: 4

原文链接:【http://xie.infoq.cn/article/7ab73847b53646acd13093e3e】。文章转载请联系作者。

华为云开发者社区

关注

提供全面深入的云计算技术干货 2020.07.14 加入

华为云开发者社区，提供全面深入的云计算前景分析、丰富的技术干货、程序样例，分享华为云前沿资讯动态，方便开发者快速成长与发展，欢迎提问、互动，多方位了解云计算！传送门：https://bbs.huaweicloud.com/

发布

暂无评论

创作场景

ReplacingMergeTree：实现 Clickhouse 数据更新

华为云开发者社区

评论