ClickHouse数据一致性

查询CK手册发现，即便对数据一致性支持最好的Mergetree，也只是保证最终一致性：

我们在使用ReplacingMergeTree、SummingMergeTree这类表引擎的时候，会出现短暂数据不一致的情况。

在某些对一致性非常敏感的场景，通常有以下几种解决方案。

1准备测试表和数据

（1）创建表

CREATETABLEtest_a(
user_idUInt64,
scoreString,
deletedUInt8DEFAULT0,
create_timeDateTimeDEFAULTtoDateTime(0)
)ENGINE=ReplacingMergeTree(create_time)
ORDERBYuser_id;

其中:

user_id是数据去重更新的标识;

create_time是版本号字段，每组数据中create_time最大的一行表示最新的数据;

deleted是自定的一个标记位，比如0代表未删除，1代表删除数据。

（2）写入1000万测试数据

INSERTINTOTABLE test_a(user_id,score)
WITH(
  SELECT服务器托管网 ['A','B','C','D','E','F','G']
)ASdict
SELECTnumberASuser_id,dict[number%7+1]FROMnumbers(10000000);

（3）修改前50万行数据，修改内容包括name字段和create_time版本号字段

INSERTINTOTABLE test_a(user_id,score,create_time)
WITH(
  SELECT ['AA','BB','CC','DD','EE','FF','GG']
)ASdict
SELECTnumberASuser_id,dict[number%7+1], now()AScreate_timeFROMnumbers(500000);

（4）统计总数

SELECT COUNT()FROMtest_a;

10500000

还未触发分区合并，所以还未去重。

2手动OPTIMIZE

在写入数据后，立刻执行OPTIMIZE强制触发新写入分区的合并动作。

服务器托管网

OPTIMIZETABLEtest_aFINAL;

语法：OPTIMIZETABLE [db.]name[ONCLUSTERcluster] [PARTITIONpartition|PARTITIONID'partition_id'] [FINAL] [DEDUPLICATE[BYexpression]]

3通过Group by 去重

（1）执行去重的查询

SELECT
user_id,
  argMax(score,create_time)ASscore, 
  argMax(deleted,create_time)ASdeleted,
  max(create_time)ASctime
FROMtest_a
GROUP BYuser_id
HAVINGdeleted= 0;

函数说明：

• argMax(field1，field2):按照field2的最大值取field1的值。

当我们更新数据时，会写入一行新的数据，例如上面语句中，通过查询最大的create_time得到修改后的score字段值。

（2）创建视图，方便测试

CREATEVIEWview_test_aAS
SELECT
user_id,
  argMax(score,create_time)ASscore, 
  argMax(deleted,create_time)ASdeleted,
  max(create_time)ASctime
FROMtest_a
GROUP BYuser_id
HAVINGdeleted= 0;

（3）插入重复数据，再次查询

#再次插入一条数据
INSERTINTOTABLE test_a(user_id,score,create_time) VALUES(0,'AAAA',now())

#再次查询
SELECT *
FROMview_test_a
WHEREuser_id= 0;

（4）删除数据测试

#再次插入一条标记为删除的数据
INSERTINTOTABLE test_a(user_id,score,deleted,create_time) VALUES(0,'AAAA',1,now());

#再次查询，刚才那条数据看不到了
SELECT *
FROMview_test_a
WHEREuser_id= 0;

这行数据并没有被真正的删除，而是被过滤掉了。在一些合适的场景下，可以结合表级别的TTL最终将物理数据删除。

4通过FINAL查询

在查询语句后增加FINAL修饰符，这样在查询的过程中将会执行Merge的特殊逻辑（例如数据去重，预聚合等）。

但是这种方法在早期版本基本没有人使用，因为在增加FINAL之后，我们的查询将会变成一个单线程的执行过程，查询速度非常慢。

在v20.5.2.7-stable版本中，FINAL查询支持多线程执行，并且可以通过max_final_threads参数控制单个查询的线程数。但是目前读取part部分的动作依然是串行的。

FINAL查询最终的性能和很多因素相关，列字段的大小、分区的数量等等都会影响到最终的查询时间，所以还要结合实际场景取舍。

参考链接：https://github.com/ClickHouse/ClickHouse/pull/10463

使用hits_v1表进行测试：

分别安装了20.4.5.36 和21.7.3.14 两个版本的ClickHouse进行对比。

4.1老版本测试

（1）普通查询语句

select*fromvisits_v1WHEREStartDate=’2014-03-17’limit100;

（2）FINAL查询

select*fromvisits_v1FINALWHEREStartDate=’2014-03-17’limit100;

先前的并行查询变成了单线程。

4.2新版本测试

（1）普通语句查询

select*fromvisits_v1WHEREStartDate=’2014-03-17’limit100settingsmax_threads=2;

查看执行计划：

explainpipelineselect*fromvisits_v1WHEREStartDate=’2014-03-17’limit100settingsmax_threads=2;

(Expression)

ExpressionTransform2

(SettingQuotaAndLimits)

(Limit)

Limit2→2

(ReadFromMergeTree)

MergeTreeThread20→1

明显将由2个线程并行读取part查询。

（2）FINAL查询

select*fromvisits_v1finalWHEREStartDate=’2014-03-17’limit100settingsmax_final_threads=2;

查询速度没有普通的查询快，但是相比之前已经有了一些提升,查看FINAL查询的执行计划：

explainpipelineselect*fromvisits_v1finalWHEREStartDate=’2014-03-17’limit100settingsmax_final_threads=2;

(Expression)

ExpressionTransform2

(SettingQuotaAndLimits)

(Limit)

Limit2→2

(ReadFromMergeTree)

ExpressionTransform2

CollapsingSortedTransform2

Copy1→2

AddingSelector

ExpressionTransform

MergeTree0→1

从CollapsingSortedTransform这一步开始已经是多线程执行，但是读取part部分的动作还是串行。