详解 ClickHouse 的 SQL 操作

传统关系型数据库(以 MySQL 为例)的 SQL 语句,ClickHouse 基本都支持

一、插入

sql 复制代码
--语法:
insert into table_name values(xxxxxx),(yyyyyyy),...;

insert into table_name select xxxxx from table_name2 where yyyyy;

二、更新和删除

作为 OLAP 数据库,ClickHouse 本身不太擅长更新和删除操作,它提供了 Delete 和 Update 的能力,不同于 OLTP 数据库的更新和删除操作,这类操作被称为 Mutation 查询,它可以看做 Alter 的一种。

sql 复制代码
--更新
alter table table_name update column=value where condition;

--删除
alter table table_name delete where condition;
  • Mutation 语句是一种很"重"的操作,而且不支持事务
  • ClickHouse 更新和删除的本质操作是将原有的分区重新创建一份并把更新或删除后的新数据写入,然后将原有分区打上逻辑上的失效标记,此时原有数据依然存储在磁盘,直到触发分区合并的时候,才会真正删除旧数据释放磁盘空间
  • 实际生产中不建议对 ClickHouse 的表数据进行更新和删除

三、查询

1. 基本查询

sql 复制代码
select columns from table_name where conditions group by column order by column;

--1. 支持子查询
select columns from (select columns from table_name where conditions);

--2. 支持 CTE(Common Table Expression 公用表表达式 with 子句)
with table_name2 as (
	select columns from table_name where conditions
)

select * from table_name2

2. 关联查询

支持各种 JOIN,但是 JOIN 操作无法使用缓存,所以即使是两次相同的 JOIN 语句,ClickHouse 也会视为两条新 SQL

3. 基本函数

sql 复制代码
--条件判断
if(condition, then, else) --条件值为非0则 then 否则 else
multiIf(cond1, then1, cond2, then2, ...., else) --类似于 case when then else end 函数

4. 多维分析函数

sql 复制代码
--with rollup:上卷
group by a,b with rollup --统计的维度组合为 (), a, (a,b)


--with cube:多维分析
group by a,b with cube --统计的维度组合为 (), a, b, (a,b)

--with totals:总计
group by a,b with totals --统计的维度组合为 (), (a,b)

四、alter 操作

sql 复制代码
--新增字段
alter table table_name add column col_name col_type after col_name1;

--修改字段类型
alter table table_name modify column col_name new_col_type;

--删除字段
alter table table_name drop column col_name;

五、导出数据

更多支持格式参照:https://clickhouse.tech/docs/en/interfaces/formats/

shell 复制代码
#将查询出的数据导出为 csv 文件
clickhouse-client --query "select * from t_order_mt where create_time='2020-06-01 12:00:00'" --format CSVWithNames > /opt/module/data/rs1.csv
相关推荐
薛定谔的算法10 小时前
phoneGPT:构建专业领域的检索增强型智能问答系统
前端·数据库·后端
代码匠心10 小时前
从零开始学Flink:数据源
java·大数据·后端·flink
Databend11 小时前
Databend 亮相 RustChinaConf 2025,分享基于 Rust 构建商业化数仓平台的探索
数据库
得物技术12 小时前
破解gh-ost变更导致MySQL表膨胀之谜|得物技术
数据库·后端·mysql
Lx35213 小时前
复杂MapReduce作业设计:多阶段处理的最佳实践
大数据·hadoop
武子康15 小时前
大数据-100 Spark DStream 转换操作全面总结:map、reduceByKey 到 transform 的实战案例
大数据·后端·spark
expect7g17 小时前
Flink KeySelector
大数据·后端·flink
Raymond运维17 小时前
MariaDB源码编译安装(二)
运维·数据库·mariadb
沢田纲吉17 小时前
🗄️ MySQL 表操作全面指南
数据库·后端·mysql
RestCloud1 天前
SQL Server到Hive:批处理ETL性能提升30%的实战经验
数据库·api