09_ClickHouse,ReplacingMergeTree,案例,根據排序鍵去重,使用版本引數的去重(學習筆記)

to.to發表於2020-12-09

排序筆記

7.ReplacingMergeTree
7.1.ReplacingMergeTree
7.2.案例
7.2.1.示例1：根據排序鍵去重
7.2.2.示例2：使用版本引數的去重

7.ReplacingMergeTree

7.1.ReplacingMergeTree

刪除具有相同排序鍵值的重複項。
資料去重是在合併期間進行的。
後臺的合併操作在未知的時間觸發，因此使用者無法對合並進行計劃。
可使用OPTIMIZE語句執行計劃外的合併，但OPTIMIZE是一個很重的操作。
ReplacingMergeTree適合清除後臺的重複資料以節省空間。

指定表引擎：
ENGINE = ReplacingMergeTree([ver])
引數：ver，版本列。版本列的型別為UInt*、Date或DateTime。可選引數。

合併的時候，ReplacingTree從所有相同主鍵的行中選擇一行留下：如果ver未指定，選擇最後一條。如果指定了ver列，選擇ver值最大的版本。

7.2.案例

7.2.1.示例1：根據排序鍵去重

建表:

DROP TABLE replacingMergeTreeDemo;
CREATE TABLE replacingMergeTreeDemo
(
    UserID UInt32,
    CounterID UInt32,
    UserName String,
    EventDate Date
) ENGINE = ReplacingMergeTree()
ORDER BY (UserID, CounterID)
PRIMARY KEY (UserID);

執行效果：

xxxxx :) CREATE TABLE replacingMergeTreeDemo
:-] (
:-]     UserID UInt32,
:-]     CounterID UInt32,
:-]     UserName String,
:-]     EventDate Date
:-] ) ENGINE = ReplacingMergeTree()
:-] ORDER BY (UserID, CounterID)
:-] PRIMARY KEY (UserID);

CREATE TABLE replacingMergeTreeDemo
(
    `UserID` UInt32,
    `CounterID` UInt32,
    `UserName` String,
    `EventDate` Date
)
ENGINE = ReplacingMergeTree()
PRIMARY KEY UserID
ORDER BY (UserID, CounterID)

Ok.

0 rows in set. Elapsed: 0.055 sec. 

xxxxx :)

2 插入資料
分三批次插入資料，為了觀察效果，下面的三段指令碼依次按順序分別執行，不要一起執行：
批次1：

insert into replacingMergeTreeDemo values(1,100,'xiaohe1','2020-04-21');
insert into replacingMergeTreeDemo values(2,100,'xiaohe2','2020-04-22');
insert into replacingMergeTreeDemo values(3,102,'xiaohe3','2020-04-23');

插入後的效果為：

xxxxx :) select * from replacingMergeTreeDemo;

SELECT *
FROM replacingMergeTreeDemo

┌─UserID─┬─CounterID─┬─UserName─┬──EventDate─┐
│      3 │       102 │ xiaohe3  │ 2020-04-23 │
└────────┴───────────┴──────────┴────────────┘
┌─UserID─┬─CounterID─┬─UserName─┬──EventDate─┐
│      2 │       100 │ xiaohe2  │ 2020-04-22 │
└────────┴───────────┴──────────┴────────────┘
┌─UserID─┬─CounterID─┬─UserName─┬──EventDate─┐
│      1 │       100 │ xiaohe1  │ 2020-04-21 │
└────────┴───────────┴──────────┴────────────┘

3 rows in set. Elapsed: 0.009 sec. 

xxxxx :)

批次2：

insert into replacingMergeTreeDemo values(3,103,'xiaohe3','2020-04-23');
insert into replacingMergeTreeDemo values(2,101,'xiaohe2','2020-04-24');
insert into replacingMergeTreeDemo values(1,100,'xiaohe1','2020-04-20');

插入後的效果為：

xxxxx :) select * from replacingMergeTreeDemo;

SELECT *
FROM replacingMergeTreeDemo

┌─UserID─┬─CounterID─┬─UserName─┬──EventDate─┐
│      1 │       100 │ xiaohe1  │ 2020-04-20 │
└────────┴───────────┴──────────┴────────────┘
┌─UserID─┬─CounterID─┬─UserName─┬──EventDate─┐
│      1 │       100 │ xiaohe1  │ 2020-04-21 │
│      2 │       100 │ xiaohe2  │ 2020-04-22 │
│      2 │       101 │ xiaohe2  │ 2020-04-24 │
│      3 │       102 │ xiaohe3  │ 2020-04-23 │
│      3 │       103 │ xiaohe3  │ 2020-04-23 │
└────────┴───────────┴──────────┴────────────┘

批次3：

insert into replacingMergeTreeDemo values(2,100,'xiaohe2','2020-04-23');

插入後的效果：

xxxxx :) select * from replacingMergeTreeDemo;

SELECT *
FROM replacingMergeTreeDemo

┌─UserID─┬─CounterID─┬─UserName─┬──EventDate─┐
│      2 │       100 │ xiaohe2  │ 2020-04-23 │
└────────┴───────────┴──────────┴────────────┘
┌─UserID─┬─CounterID─┬─UserName─┬──EventDate─┐
│      1 │       100 │ xiaohe1  │ 2020-04-20 │
└────────┴───────────┴──────────┴────────────┘
┌─UserID─┬─CounterID─┬─UserName─┬──EventDate─┐
│      1 │       100 │ xiaohe1  │ 2020-04-21 │
│      2 │       100 │ xiaohe2  │ 2020-04-22 │
│      2 │       101 │ xiaohe2  │ 2020-04-24 │
│      3 │       102 │ xiaohe3  │ 2020-04-23 │
│      3 │       103 │ xiaohe3  │ 2020-04-23 │
└────────┴───────────┴──────────┴────────────┘

7 rows in set. Elapsed: 0.007 sec. 

xxxxx :)

如上所示，它並沒有合併資料，這時候需要手工執行計劃外合併。

這時候就要手工執行計劃外合併：
執行命令：optimize table replacingMergeTreeDemo

xxxxx :) optimize table replacingMergeTreeDemo;

OPTIMIZE TABLE replacingMergeTreeDemo

Ok.

0 rows in set. Elapsed: 0.003 sec. 

xxxxx :) select * from replacingMergeTreeDemo;

SELECT *
FROM replacingMergeTreeDemo

┌─UserID─┬─CounterID─┬─UserName─┬──EventDate─┐
│      1 │       100 │ xiaohe1  │ 2020-04-20 │
│      2 │       100 │ xiaohe2  │ 2020-04-23 │
│      2 │       101 │ xiaohe2  │ 2020-04-24 │
│      3 │       102 │ xiaohe3  │ 2020-04-23 │
│      3 │       103 │ xiaohe3  │ 2020-04-23 │
└────────┴───────────┴──────────┴────────────┘

5 rows in set. Elapsed: 0.006 sec. 

xxxxx :)

從這個示例可以發現，ReplacingMergeTree是根據排序項對資料去重的，而不是根據主鍵。

7.2.2.示例2：使用版本引數的去重

在示例1中，我們簡單觀察可以發現，去重後，保留的記錄是最後一條記錄。
如果指定了版本，則保留版本列的值最大的記錄。
1.建表
使用EventDate列作為版本欄位。

DROP TABLE replacingMergeTreeDemo;
CREATE TABLE replacingMergeTreeDemo
(
    UserID UInt32,
    CounterID UInt32,
    UserName String,
    EventDate Date
) ENGINE = ReplacingMergeTree(EventDate)
ORDER BY (UserID, CounterID)
PRIMARY KEY (UserID);

2.插入資料
批次1：

insert into replacingMergeTreeDemo values(1,100,'xiaohe1','2020-06-21');
insert into replacingMergeTreeDemo values(2,100,'xiaohe2','2020-11-27');
insert into replacingMergeTreeDemo values(3,102,'xiaohe3','2020-04-23');

批次2：

insert into replacingMergeTreeDemo values(3,103,'xiaohe3','2020-04-23');
insert into replacingMergeTreeDemo values(2,101,'xiaohe2','2020-04-24');
insert into replacingMergeTreeDemo values(1,100,'xiaohe1','2020-04-20');

批次3：

insert into replacingMergeTreeDemo values(2,100,'xiaohe2','2020-04-23');

檢視資料：

xxxxx :) select * from replacingMergeTreeDemo;

SELECT *
FROM replacingMergeTreeDemo

┌─UserID─┬─CounterID─┬─UserName─┬──EventDate─┐
│      2 │       100 │ xiaohe2  │ 2020-04-23 │
└────────┴───────────┴──────────┴────────────┘
┌─UserID─┬─CounterID─┬─UserName─┬──EventDate─┐
│      1 │       100 │ xiaohe1  │ 2020-04-20 │
└────────┴───────────┴──────────┴────────────┘
┌─UserID─┬─CounterID─┬─UserName─┬──EventDate─┐
│      1 │       100 │ xiaohe1  │ 2020-06-21 │
│      2 │       100 │ xiaohe2  │ 2020-11-27 │
│      2 │       101 │ xiaohe2  │ 2020-04-24 │
│      3 │       102 │ xiaohe3  │ 2020-04-23 │
│      3 │       103 │ xiaohe3  │ 2020-04-23 │
└────────┴───────────┴──────────┴────────────┘

7 rows in set. Elapsed: 0.009 sec. 

xxxxx :) optimize table replacingMergeTreeDemo;

OPTIMIZE TABLE replacingMergeTreeDemo

Ok.

0 rows in set. Elapsed: 0.002 sec. 

xxxxx :) select * from replacingMergeTreeDemo;

SELECT *
FROM replacingMergeTreeDemo

┌─UserID─┬─CounterID─┬─UserName─┬──EventDate─┐
│      1 │       100 │ xiaohe1  │ 2020-06-21 │
│      2 │       100 │ xiaohe2  │ 2020-11-27 │
│      2 │       101 │ xiaohe2  │ 2020-04-24 │
│      3 │       102 │ xiaohe3  │ 2020-04-23 │
│      3 │       103 │ xiaohe3  │ 2020-04-23 │
└────────┴───────────┴──────────┴────────────┘

5 rows in set. Elapsed: 0.005 sec. 

xxxxx :)

經過上面案例，可以看出，最終保留了如下資料：

│      2 │       100 │ xiaohe2  │ 2020-11-27 │

從這個示例可以發現， ReplacingMergeTree根據排序項對資料去重的，保留版本欄位列對應的最大值的記錄。

Stream流根據屬性去重
2023-05-13
工作學習筆記（八）去重校驗
2024-11-14
筆記
jdk8 stream 根據屬性去重
2020-12-10
JDK
Java : List中根據map的某個key去重
2018-07-26
Java
陣列的去重和排序
2019-02-19
陣列排序
集合框架-去重字串案例
2017-04-23
框架字串
利用rownum分組排序去重
2013-12-04
排序
mysql資料去重和排序
2015-10-19
MySql排序
集合框架-去重字串案例-2
2017-04-23
框架字串
陣列物件根據物件中指定的屬性去重？你知道多少
2018-10-18
陣列物件
陣列物件的去重然後排序
2018-03-04
陣列物件排序
java TreeSet去重與排序入門
2020-11-08
Java排序
集合框架-去重自定義物件案例
2017-04-23
框架物件
切片去重(string,int型別去重)
2020-10-10
型別
Linux命令根據某一列對檔案內容去重
2018-11-16
Linux
sql 去重
2015-12-14
SQL
列表去重
2024-08-17
JS陣列去重 – JSON陣列去重
2019-09-05
陣列JSON
陣列去重
2019-02-28
陣列
字串切片去重
2022-02-08
字串
Redis去重方法
2021-11-06
Redis
MySQL 去重SQL
2017-12-05
MySql
datagridView 去重
2016-04-10
View
結果去重
2024-10-30
MySQL多列欄位去重的案例實踐
2023-05-16
MySql
MapReduce應用案例--簡單的資料去重
2016-04-11
MySQL資料庫行去重複和列去重複
2015-01-23
MySql資料庫
陣列去重的方法
2018-10-11
陣列
JS 中常用的去重
2021-12-14
JS
【總結】去重的SQL
2013-12-04
SQL
oracle對非使用繫結變數的語句去重
2014-11-13
Oracle變數
JS單行、多行文字字元去重和行去重
2019-02-16
JS字元
MySQL去重資料
2020-05-31
MySql
陣列物件去重
2019-04-27
陣列物件
postgresql表如何去重
2021-09-11
SQL
Mysql查詢去重
2021-04-13
MySql
爬蟲去重策略
2018-09-04
爬蟲
JavaScript陣列去重
2018-09-19
JavaScript陣列