起因
在做標籤引擎的時候,我們在採用了bitmap儲存物件id,基礎的結構如下
標籤型別 | 標籤值 | 物件id bitmap |
---|---|---|
性別 | 男 | [1,2,3] |
性別 | 女 | [8,9,10] |
表如下:
create table if not exists label_string_local on cluster clickhouse_cluster
(
label_type String comment '標籤id',
label_value String comment '標籤值',
object_bitmap AggregateFunction(groupBitmap, UInt32) comment '標籤值'
)
engine = AggregatingMergeTree PARTITION BY label_type
ORDER BY (label_type, label_value)
SETTINGS index_granularity = 8192;
到後面需求要求對物件id分頁返回,問題就來了,clickhouse的官方沒有bitmap的分頁函式,最原始的解決方案就是把bitmap整個返回,在應用層對bitmap進行切割,這樣導致介面的效能急劇下降。開始萌生了個大膽的想法,給clickhouse新增bitmap分頁函式
開幹
透過閱讀Clickhouse的原始碼,步驟如下:
- 實現分頁
在Clickhouse中bitmap指向的class是RoaringBitmapWithSmallSet
,bitmap底層使用的是RoaringBitmap,github地址:https://github.com/RoaringBitmap/CRoaring.git ,RoaringBitmapWithSmallSet
對rb進行了包裝,在這個類下新增分頁函式
UInt64 rb_offset_limit(UInt64 offset, UInt64 limit, RoaringBitmapWithSmallSet & r1) const
{
if (limit == 0 || offset >= size())
return 0;
if (isSmall())
{
UInt64 count = 0;
UInt64 offset_count = 0;
auto it = small.begin();
for (;it != small.end() && offset_count < offset; ++it)
++offset_count;
for (;it != small.end() && count < limit; ++it, ++count)
r1.add(it->getValue());
return count;
}
else
{
UInt64 count = 0;
UInt64 offset_count = 0;
auto it = rb->begin();
for (;it != rb->end() && offset_count < offset; ++it)
++offset_count;
for (;it != rb->end() && count < limit; ++it, ++count)
r1.add(*it);
return count;
}
}
- Clickhouse函式定義
在FunctionsBitmap.h
定義Clickhouse函式
struct BitmapSubsetOffsetLimitImpl
{
public:
static constexpr auto name = "subBitmap";
template <typename T>
static void apply(
const AggregateFunctionGroupBitmapData<T> & bitmap_data_0,
UInt64 range_start,
UInt64 range_end,
AggregateFunctionGroupBitmapData<T> & bitmap_data_2)
{
bitmap_data_0.rbs.rb_offset_limit(range_start, range_end, bitmap_data_2.rbs);
}
};
using FunctionBitmapSubsetOffsetLimit = FunctionBitmapSubset<BitmapSubsetOffsetLimitImpl>;
- Clickhouse函式註冊
在FunctionsBitmap.cpp
註冊函式
#include <Functions/FunctionFactory.h>
// TODO include this last because of a broken roaring header. See the comment inside.
#include <Functions/FunctionsBitmap.h>
namespace DB
{
void registerFunctionsBitmap(FunctionFactory & factory)
{
...
factory.registerFunction<FunctionBitmapSubsetOffsetLimit>();
...
}
}
這樣就完事了,最終這部分的程式碼提交到了Clickhosue倉庫,最終得到了合併,https://github.com/ClickHouse/ClickHouse/pull/27234
後續
後面又來了個需求,要求標籤能夠修改,這又炸了,Clickhosue是不支援修改的,bitmap採用的資料結構是AggregateFunction(groupBitmap, UInt32)
,groupBitmap的合併邏輯是或運算,內部Clickhosue開發了一種新的資料結構xor_groupBitmap
,支援合併邏輯異或運算,變相支援刪除操作,考慮這部分並不通用,所以沒有開源出來
廣州4年java求內推,https://dhbin.cn