ClickHouse（二十一）：Clickhouse SQL DDL操作-临时表及视图

IT贫道2023-08-19 19:23

进入正文前，感谢宝子们订阅专题、点赞、评论、收藏！关注IT贫道，获取高质量博客内容！

🏡个人主页：含各种IT体系技术，IT贫道_Apache Doris,大数据OLAP体系技术栈,Kerberos安全认证-CSDN博客

📌订阅：拥抱独家专题，你的订阅将点燃我的创作热情！

👍点赞：赞同优秀创作，你的点赞是对我创作最大的认可！

⭐️ 收藏：收藏原创博文，让我们一起打造IT界的荣耀与辉煌！

✏️评论：留下心声墨迹，你的评论将是我努力改进的方向！

目录

[​​​​​​​1. 临时表](#1. 临时表)

[1.1 创建临时表语法](#1.1 创建临时表语法)

[1.2 示例](#1.2 示例)

[​​​​​​​​​​​​​​2. 视图](#2. 视图)

[​​​​​​​​​​​​​​2.1 普通视图](#2.1 普通视图)

[​​​​​​​2.2 物化视图](#2.2 物化视图)

​​​​​​​1. 临时表

ClickHouse支持临时表，临时表具备以下特征：

  1. 当会话结束或者链接中断时，临时表将随会话一起消失。
  2. 临时表仅能够使用Memory表引擎，创建临时表时不需要指定表引擎。
  3. 无法为临时表指定数据库。它是在数据库之外创建的，与会话绑定。
  4. 如果临时表与另一个表名称相同，那么当在查询时没有显式的指定db的情况下，将优先使用临时表。
  5. 对于分布式处理，查询中使用的临时表将被传递到远程服务器。

1.1 创建临时表语法

sql 复制代码 
CREATE TEMPORARY TABLE [IF NOT EXISTS] table_name [ON CLUSTER cluster]

(

    name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1],

    name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2],

    ...

)

注意：不需要指定表引擎，默认是Memory

1.2 示例

sql 复制代码 
#查看库 newdb下 表

node1 :) show tables;



SHOW TABLES

┌─name────────┐

│ t1            │

│ t2            │

│ t_log        │

│ t_stripelog │

│ t_tinylog    │

└─────────────┘

5 rows in set. Elapsed: 0.004 sec.



#查询表 t_log表数据

node1 :) select * from t_log;



SELECT *

FROM t_log

┌─id─┬─name─┬─age─┐

│  1  │ 张三   │  18 │

│  2  │ 李四   │  19 │

└────┴─────┴─────┘

┌─id─┬─name─┬─age─┐

│  3  │ 王五  │  20   │

│  4  │ 马六  │  21   │

│  5  │ 田七  │  22   │

└────┴─────┴─────┘

5 rows in set. Elapsed: 0.004 sec.



#创建临时表 t_log ，与当前库下的t_log同名

node1 :) create temporary table t_log(id UInt8 ,name String);



CREATE TEMPORARY TABLE t_log

(

    `id` UInt8,

    `name` String

)



Ok.



0 rows in set. Elapsed: 0.001 sec.



#查询表 t_log的数据与结构，发现没有数据，这里查询的是临时表，结构如下：

node1 :) desc t_log;



DESCRIBE TABLE t_log

┌─name─┬─type───┬

│ id   │ UInt8  │

│ name │ String │

└──────┴────────┴

2 rows in set. Elapsed: 0.003 sec.



#如果想要查询到库newdb下的t_log需要加上数据库名

node1 :) select * from newdb.t_log;



#切换库为default，同样还可以查询到表t_log，说明表不属于任何库

node1 :) use default;

node1 :) desc t_log;

DESCRIBE TABLE t_log

┌─name─┬─type───┬

│ id   │ UInt8  │

│ name │ String │

└──────┴────────┴

2 rows in set. Elapsed: 0.004 sec.



#退出客户端之后，重新登录，查询t_log不存在。

node1 :) select * from t_log;

Exception: Received from localhost:9000. DB::Exception: Table default.t_log doesn't exist..



#也可以不退出客户端直接删除临时表

node1 :) drop table t_log;



DROP TABLE t_log

Ok.

0 rows in set. Elapsed: 0.001 sec.

注意：在大多数情况下，临时表不是手动创建的，而是在使用外部数据进行查询或分布式时创建的,可以使用ENGINE = Memory的表代替临时表。

​​​​​​​​​​​​​​2. 视图

ClickHouse中视图分为普通视图和物化视图，两者区别如图所示：

​​​​​​​​​​​​​​2.1 普通视图

普通视图不存储数据，它只是一层select 查询映射，类似于表的别名或者同义词，能简化查询，对原有表的查询性能没有增强的作用，具体性能依赖视图定义的语句，当从视图中查询时，视图只是替换了映射的查询语句。普通视图当基表删除后不可用。

  • 创建普通视图语法：
sql 复制代码 
CREATE [OR REPLACE] VIEW [IF NOT EXISTS] [db.]table_name [ON CLUSTER] AS SELECT ...
  • 示例：
sql 复制代码 
#在库 newdb中创建表 personinfo

node1 :) create table personinfo(id UInt8,name String,age UInt8,birthday Date) engine = Log;



#向表 personinfo中插入如下数据：

node1 :) insert into personinfo values (1,'张三',18,'2021-06-01');

node1 :) insert into personinfo values (2,'李四',19,'2021-06-02');

node1 :) insert into personinfo values (3,'王五',20,'2021-06-03');

node1 :) insert into personinfo values (4,'马六',21,'2021-06-04');

node1 :) insert into personinfo values (5,'田七',22,'2021-06-05');



#查询表中的数据

node1 :) select * from personinfo;



SELECT *

FROM personinfo

┌─id─┬─name─┬─age─┬───birthday─┐

│  1  │ 张三  │  18 │ 2021-06-01 │

│  2  │ 李四  │  19 │ 2021-06-02 │

└────┴──────┴─────┴────────────┘

┌─id─┬─name─┬─age─┬───birthday─┐

│  3 │ 王五  │  20  │ 2021-06-03 │

│  4 │ 马六  │  21  │ 2021-06-04 │

│  5 │ 田七  │  22  │ 2021-06-05 │

└────┴──────┴─────┴────────────┘

5 rows in set. Elapsed: 0.004 sec.



#创建视图 person_view 映射查询子句

node1 :) create view person_view as select name,birthday from personinfo;

CREATE VIEW person_view AS

SELECT

    name,

    birthday

FROM personinfo

Ok.

0 rows in set. Elapsed: 0.009 sec.



#查询视图person_view中的数据结果

node1 :) select * from person_view;



SELECT *

FROM person_view

┌─name─┬───birthday─┐

│ 张三  │ 2021-06-01 │

│ 李四  │ 2021-06-02 │

└──────┴────────────┘

┌─name─┬───birthday─┐

│ 王五  │ 2021-06-03 │

│ 马六  │ 2021-06-04 │

│ 田七  │ 2021-06-05 │

└──────┴────────────┘

5 rows in set. Elapsed: 0.004 sec.



#删除视图 使用drop即可

node1 :) drop table person_view;



DROP TABLE person_view

Ok.

0 rows in set. Elapsed: 0.002 sec.

​​​​​​​2.2 物化视图

物化视图是查询结果集的一份持久化存储，所以它与普通视图完全不同，而非常趋近于表。"查询结果集"的范围很宽泛，可以是基础表中部分数据的一份简单拷贝，也可以是多表join之后产生的结果或其子集，或者原始数据的聚合指标等等。

物化视图创建好之后，若源表被写入新数据则物化视图也会同步更新,POPULATE 关键字决定了物化视图的更新策略,若有POPULATE 则在创建视图的过程会将源表已经存在的数据一并导入，类似于 create table ... as,若无POPULATE 则物化视图在创建之后没有数据，只会在创建只有同步之后写入源表的数据，clickhouse 官方并不推荐使用populated，因为在创建物化视图的过程中同时写入的数据不能被插入物化视图。

物化视图是种特殊的数据表，创建时需要指定引擎，可以用show tables 查看。另外，物化视图不支持alter 操作。

产生物化视图的过程就叫做"物化"（materialization），广义地讲，物化视图是数据库中的预计算逻辑+显式缓存，典型的空间换时间思路，所以用得好的话，它可以避免对基础表的频繁查询并复用结果，从而显著提升查询的性能。

  • 物化视图创建语法：
sql 复制代码 
CREATE MATERIALIZED VIEW [IF NOT EXISTS] [db.]table_name [ON CLUSTER] [TO[db.]name] [ENGINE = engine] [POPULATE] AS SELECT ...
  • 示例：
sql 复制代码 
#在库 newdb 中创建物化视图 t_view1

node1 :) create materialized view  t_view1 engine = Log as select * from personinfo;



#查询 所有表

node1 :) show tables;



SHOW TABLES

┌─name───────────┐

│ .inner.t_view1 │

│ personinfo      

└────────────────┘

2 rows in set. Elapsed: 0.004 sec.



#向表 personinfo中插入如下数据：

node1 :) insert into personinfo values (1,'张三',18,'2021-06-01');

node1 :) insert into personinfo values (2,'李四',19,'2021-06-02');

node1 :) insert into personinfo values (3,'王五',20,'2021-06-03');

node1 :) insert into personinfo values (4,'马六',21,'2021-06-04');

node1 :) insert into personinfo values (5,'田七',22,'2021-06-05');



#查看物化视图 t_view1数据

node1 :) select * from t_view1;



SELECT *

FROM t_view1

┌─id─┬─name─┬─age─┬───birthday─┐

│  1 │ 张三 │  18 │ 2021-06-01 │

│  2 │ 李四 │  19 │ 2021-06-02 │

└────┴──────┴─────┴────────────┘

┌─id─┬─name─┬─age─┬───birthday─┐

│  3 │ 王五 │  20 │ 2021-06-03 │

│  4 │ 马六 │  21 │ 2021-06-04 │

│  5 │ 田七 │  22 │ 2021-06-05 │

└────┴──────┴─────┴────────────┘

5 rows in set. Elapsed: 0.004 sec.



#创建物化视图 t_view2

node1 :) create materialized view  t_view2 engine = Log as select count(name) as cnt from personinfo;



#向表 personinfo中插入以下数据

node1 :) insert into personinfo values (6,'赵八',23,'2021-06-06'),(7,'孙九',22,'2021-06-07');



#查询物化视图表 t_view2数据,可以看到做了预计算，这里不能一条条插入，不然效果是每条数据都会生成一个结果。

node1 :) select * from t_view2;



SELECT *

FROM t_view2

┌─cnt─┐

│   2  │

└─────┘

1 rows in set. Elapsed: 0.004 sec.



#删除物化视图

node1 :) drop table t_view2;

DROP TABLE t_view2

Ok.

0 rows in set. Elapsed: 0.001 sec.

注意：当创建好物化视图t_view1时，可以进入到/var/lib/clickhouse/data/newdb目录下看到%2Einner%2Et_view1目录，当物化视图中同步基表数据时，目录中有对应的列文件和元数据记录文件，与普通创建表一样，有目录结构。

👨‍💻如需博文中的资料请私信博主。

相关推荐
gma9994 分钟前
MySQL程序
数据库·mysql
神秘的土鸡7 分钟前
Linux中Docker容器构建MariaDB数据库教程
linux·运维·服务器·数据库·docker·mariadb
汪公子4927 分钟前
使用k8s搭建mariadb+nginx+wordpress
数据库·nginx·mariadb
Java__攻城狮12 分钟前
navicat无法连接远程mysql数据库1130报错的解决方法
数据库·mysql
爬山算法20 分钟前
Oracle（129） 如何使用闪回归档（Flashback Archive）？
数据库·oracle
Kk.6161 小时前
SQL编程题复习（24/9/20）
数据库·sql·pta考试·专本贯通
goTsHgo1 小时前
从底层原理上解释 ClickHouse 的索引
大数据·clickhouse
Hello.Reader1 小时前
ClickHouse 与 Quickwit 集成实现高效查询
python·clickhouse·django·全文检索
Yz98761 小时前
Hadoop-MapReduce的 原理 | 块和片 | Shuffle 过程 | Combiner
大数据·数据库·数据仓库·hadoop·mapreduce·big data
2401_864476931 小时前
无线领夹麦克风哪个降噪好？一文搞懂麦克风什么牌子的音质效果好
javascript·git·sql·github·mssql
热门推荐
01RAG 实践- Ollama+RagFlow 部署本地知识库02组基轨迹建模 GBTM的介绍与实现（Stata 或 R）032024年高教社杯数学建模国赛C题超详细解题思路分析04软件工程从理论到实践客观题汇总(头歌第一章至第八章)05苍穹外卖面试总结06【2024数模国赛赛题思路公开】国赛B题思路丨附可运行代码丨无偿自提07【halcon】halcon字符识别——OCR08yolov8实战第五天——yolov8+ffmpg实时视频流检测并进行实时推流——（推流，保姆教学）09【2024高教社杯全国大学生数学建模竞赛】B题 生产过程中的决策问题——解题思路 代码 论文10比特币钱包库 bitcoinjs-lib 讲解：生成钱包、导入钱包、签名验证、转账交易