Clickhouse学习笔记（9）—— 语法优化

ClickHouse 的 SQL 优化规则是基于 RBO(Rule Based Optimization）实现的

官方数据集的使用

为了方便测试CK的语法优化规则，尝试使用官方提供的数据集；

需要使用的数据集是visits_v1和hints_v1：

Anonymized Web Analytics Data | ClickHouse Docs

hits_v1 表有 130 多个字段，880 多万条数据

visits_v1 表有 180 多个字段，160 多万条数据

使用步骤如下：

1.将下载的数据集上传到服务器

2.将数据集解压到clickhouse 数据路径下：/var/lib/clickhouse（权限不够的话切换root用户）

bash 复制代码

sudo tar -xvf hits_v1.tar -C /var/lib/clickhouse
sudo tar -xvf visits_v1.tar -C /var/lib/clickhouse

可以看到数据集的文件目录：

解压之后会和clickhouse文件夹下的相应目录合并：

3.修改数据集所属用户

bash 复制代码

sudo chown -R clickhouse:clickhouse /var/lib/clickhouse/data/datasets
sudo chown -R clickhouse:clickhouse /var/lib/clickhouse/metadata/datasets

4.查看是否导入成功

在/var/lib/clickhouse/data路径下可以看到导入的datasets数据库

则导入成功

COUNT优化

在调用 count 函数时，如果使用的是 count() 或者 count(*)，且没有 where 条件，则会直接使用 system.tables 的 total_rows

sql 复制代码

EXPLAIN SELECT count()FROM visits_v1;

可以看到对count进行了优化；

但如果是count(UserID)，则没有优化效果：

消除重复字段

消除子查询重复字段

sql 复制代码

EXPLAIN SYNTAX SELECT 
a.UserID,
b.VisitID,
a.URL,
b.UserID
FROM
hits_v1 AS a 
LEFT JOIN ( 
   SELECT 
   UserID, 
   UserID as HaHa, 
   VisitID 
   FROM visits_v1) AS b 
USING (UserID)
limit 3;

重复的字段会被消除：

，即使是重命名也不可以

删除重复的 order by key

sql 复制代码

EXPLAIN SYNTAX
SELECT *
FROM visits_v1
ORDER BY
 UserID ASC,
 UserID ASC,
 VisitID ASC,
 VisitID ASC

优化后的语法：

删除重复的 limit by key

有关limit by的用法：

LIMIT BY Clause | ClickHouse Docs

sql 复制代码

EXPLAIN SYNTAX
SELECT *
FROM visits_v1
LIMIT 3 BY
 VisitID,
 VisitID
LIMIT 10

优化后的语法：

删除重复的 USING Key

sql 复制代码

EXPLAIN SYNTAX
SELECT
 a.UserID,
 a.UserID,
 b.VisitID,
 a.URL,
 b.UserID
FROM hits_v1 AS a
LEFT JOIN visits_v1 AS b USING (UserID, UserID)

优化后的语法：

sql 复制代码

SELECT 
 UserID,
 UserID,
 VisitID,
 URL,
 b.UserID
FROM hits_v1 AS a
ALL LEFT JOIN visits_v1 AS b USING (UserID)

谓词下推

简单来说就是提前过滤条件

sql 复制代码

EXPLAIN SYNTAX SELECT UserID FROM visits_v1 GROUP BY UserID HAVING UserID = '8585742290196126178';

原sql中是先分组，再根据having的条件过滤，但优化后的sql是先通过where过滤，再分组：

谓词下推同样适用于复杂的查询语句，以子查询为例：

sql 复制代码

EXPLAIN SYNTAX
SELECT *
FROM 
(
 SELECT UserID
 FROM visits_v1
)
WHERE UserID = '8585742290196126178'

会将where过滤提前到子查询内部去执行：

但不会删除原位置的where语句；

聚合计算外推

聚合函数内的计算会外推

sql 复制代码

EXPLAIN SYNTAX
SELECT sum(UserID * 2)
FROM visits_v1

会首先将UserID加和，再×2：

聚合函数消除

如果对聚合键，也就是 group by key 使用min、max、any聚合函数，则将函数消除

sql 复制代码

EXPLAIN SYNTAX
SELECT
 max(UserID),
 min(UserID),
 any(UserID),
 avg(UserID),
 sum(UserID)
FROM visits_v1
GROUP BY UserID;

可以看到：

因为对于分组的key来说，同一组的数据key相同，因此对其求最大、最小值等操作无意义；

标量替换

如果子查询只返回一行数据，在被引用的时候用标量替换

sql 复制代码

EXPLAIN SYNTAX
WITH 
 (
 SELECT sum(bytes)
 FROM system.parts
 WHERE active
 ) AS total_disk_usage
SELECT
 (sum(bytes) / total_disk_usage) * 100 AS table_disk_usage,
 table
FROM system.parts
GROUP BY table
ORDER BY table_disk_usage DESC
LIMIT 10;

优化后：

由于with中sum(bytes)的结果为0，因此使用标量来进行替换；

identity：标识函数

Other Functions | ClickHouse Docs

cast：类型转换函数（cast(x,T)）