【ClickHouse 常用 SQL 语句整理】

本文整理 ClickHouse 日常开发中常用的 SQL 语法，适合作为速查手册或博客笔记。ClickHouse 是一款面向在线分析（OLAP）的列式数据库管理系统，擅长海量数据的快速聚合查询。

连接与基础操作
建表与 MergeTree 引擎
数据插入
SELECT 查询
聚合与分组
JOIN 查询
数据更新与删除
表结构修改
物化视图
常用函数
查询性能优化
分布式表
总结## 1. 连接与基础操作
命令行连接# 使用 clickhouse-client 连接

bash 复制代码

clickhouse-client --host=主机 --port=9000 --user=用户名 --password=密码

在容器内执行

bash 复制代码

docker exec -it clickhouse-server clickhouse-client --query "SELECT version()"

sql 复制代码

查看库与表
sql
-- 查看所有数据库
SHOW DATABASES;

-- 使用数据库
USE mydb;

-- 查看当前库所有表
SHOW TABLES;

-- 查看表结构
DESC my_table;

2. 建表与 MergeTree 引擎

ClickHouse 最核心的表引擎是 MergeTree，它按 ORDER BY 排序数据，形成稀疏主键索引，让查询能快速跳过无关数据块。

sql 复制代码

基本建表语法
sql
CREATE TABLE [IF NOT EXISTS] [db.]table_name
(
    column1 Type1,
    column2 Type2,
    ...
)
ENGINE = MergeTree()
PARTITION BY 分区表达式
ORDER BY 排序表达式
实际示例
sql
CREATE TABLE wikistat
(
    `time` DateTime,
    `project` String,
    `subproject` String,
    `path` String,
    `hits` UInt64
)
ENGINE = MergeTree
ORDER BY (time);
sql
CREATE TABLE uk_price_paid
(
    price UInt32,
    date Date,
    postcode1 LowCardinality(String),
    postcode2 LowCardinality(String),
    type Enum8('terraced' = 1, 'semi-detached' = 2, 'detached' = 3, 'flat' = 4),
    is_new UInt8,
    duration Enum8('freehold' = 1, 'leasehold' = 2),
    addr1 String,
    addr2 String,
    town LowCardinality(String),
    county LowCardinality(String)
)
ENGINE = MergeTree
PARTITION BY toYYYYMM(date)
ORDER BY (postcode1, postcode2, addr1, addr2);
LowCardinality(String) 用于唯一值较少的列，内部使用字典编码，可显著减少存储并提升分组过滤性能。

sql 复制代码

个关键子句
子句	作用
ORDER BY	每个分片内按物理顺序排序数据，决定主键。必需。
PARTITION BY	将数据拆分为分区，通常按日期范围。不同分区中的 parts 不会合并，实现快速分区裁剪。
PRIMARY KEY	默认与 ORDER BY 相同，稀疏索引基于它构建。

sql 复制代码

通过 SELECT 建表
sql
CREATE TABLE target_table
ENGINE = MergeTree()
ORDER BY id
AS SELECT * FROM source_table WHERE 1 = 0;
## 3. 数据插入
ClickHouse 推荐批量插入，每次插入应尽量包含较多行（如 100,000 行），以减少写入开销。

sql 复制代码

sql
-- 单行插入
INSERT INTO wikistat (time, project, subproject, path, hits)
VALUES ('2024-01-01 00:00:00', 'en', 'wikipedia', '/wiki/ClickHouse', 100);

-- 多行插入
INSERT INTO wikistat (time, project, subproject, path, hits)
VALUES
    ('2024-01-01 00:00:00', 'en', 'wikipedia', '/wiki/A', 10),
    ('2024-01-01 01:00:00', 'en', 'wikipedia', '/wiki/B', 20),
    ('2024-01-01 02:00:00', 'en', 'wikipedia', '/wiki/C', 30);

sql 复制代码

-- 从 SELECT 插入
INSERT INTO target_table
SELECT * FROM source_table WHERE date >= '2024-01-01';
sql
-- 异步插入（适合少量频繁写入）
INSERT INTO YourTable
SETTINGS async_insert=1, wait_for_async_insert=1
VALUES (...);

4. SELECT 查询

sql 复制代码

ClickHouse 的 SELECT 语法与标准 SQL 高度兼容，完整语法结构如下：

sql
SELECT [DISTINCT] expr_list
[FROM [db.]table | (subquery) | table_function]
[PREWHERE expr]
[WHERE expr]
[GROUP BY expr_list]
[HAVING expr]
[ORDER BY expr_list]
[LIMIT [n, ]m]
[SETTINGS ...]

基础查询

sql 复制代码

sql
-- 查询全部列
SELECT * FROM wikistat LIMIT 10;

-- 只查询需要的列（推荐）
SELECT time, project, hits FROM wikistat LIMIT 100;

sql 复制代码

-- 条件过滤
SELECT * FROM wikistat
WHERE project = 'en' AND hits > 1000
LIMIT 10;
时间分桶聚合
ClickHouse 内置丰富的时间函数，非常适合时序数据分析。

sql 复制代码

sql
-- 按天聚合
SELECT toDate(time) AS date, sum(hits) AS hits
FROM wikistat
GROUP BY ALL
ORDER BY date ASC
LIMIT 5;

sql 复制代码

sql
-- 按小时聚合
SELECT toStartOfHour(time) AS hour, sum(hits) AS hits
FROM wikistat
WHERE date(time) = '2015-07-01'
GROUP BY ALL
ORDER BY hour ASC
LIMIT 5;

sql 复制代码

sql
-- 自定义时间间隔（4小时）
SELECT toStartOfInterval(time, INTERVAL 4 HOUR) AS interval, sum(hits) AS hits
FROM wikistat
WHERE date(time) = '2015-07-01'
GROUP BY ALL
ORDER BY interval ASC
LIMIT 6;

sql 复制代码

动态列选择
sql
-- 使用正则匹配列名
SELECT COLUMNS('a') FROM col_names;

5. 聚合与分组

sql 复制代码

sql
-- 基础聚合
SELECT
    project,
    count() AS cnt,
    sum(hits) AS total_hits,
    avg(hits) AS avg_hits,
    max(hits) AS max_hits
FROM wikistat
GROUP BY project
ORDER BY total_hits DESC
LIMIT 10;

sql 复制代码

-- 带 HAVING 过滤
SELECT subproject, sum(hits) AS total
FROM wikistat
WHERE project = 'it'
GROUP BY subproject
HAVING total > 1000000
ORDER BY total DESC;

6. JOIN 查询

sql 复制代码

ClickHouse 支持标准 SQL JOIN，语法与 MySQL 类似。

sql
-- INNER JOIN
SELECT m.name AS movie_name, g.genre AS genre
FROM movies AS m
INNER JOIN genres AS g ON m.id = g.movie_id
ORDER BY m.year DESC
LIMIT 10;

sql 复制代码

sql
-- LEFT JOIN
SELECT u.name, o.order_no
FROM users u
LEFT JOIN orders o ON u.id = o.user_id;
sql
-- CROSS JOIN
SELECT * FROM t1 CROSS JOIN t2;

7. 数据更新与删除

ClickHouse 的 DELETE 和 UPDATE 与 MySQL 有本质区别。DELETE 语句在 ClickHouse 中是轻量级删除，底层通过为受影响的行应用"掩码"来实现，删除的行会立即被后续查询过滤掉，数据清理在后台异步进行。

sql 复制代码

sql
-- 轻量级删除（推荐）
DELETE FROM wikistat WHERE project = 'en' AND hits < 10;
sql
-- ALTER TABLE DELETE（Mutation 方式，会重写数据块）
ALTER TABLE wikistat DELETE WHERE hits < 10;
sql
-- 按分区删除（最高效）
ALTER TABLE wikistat DROP PARTITION '202401';
大规模删除会对 ClickHouse 性能产生负面影响。如果预计会频繁执行删除操作，建议考虑使用自定义分区键。

8. 表结构修改

sql 复制代码

sql
-- 添加列
ALTER TABLE events ADD COLUMN favoriteNumber Float64 DEFAULT 7;

-- 修改列类型
ALTER TABLE events MODIFY COLUMN favoriteNumber Int64;

-- 重命名列
ALTER TABLE events RENAME COLUMN old_name TO new_name;

-- 删除列
ALTER TABLE events DROP COLUMN favoriteNumber;

-- 添加列并指定位置
ALTER TABLE events ADD COLUMN new_col String AFTER existing_col;

9. 物化视图

物化视图是 ClickHouse 中用于预聚合和加速查询的重要工具。它会在数据插入源表时自动计算并写入目标表，查询时直接查目标表即可。

sql 复制代码

sql
-- 创建目标表
CREATE TABLE wikistat_top
(
    `path` String,
    `month` Date,
    hits UInt64
)
ENGINE = SummingMergeTree
ORDER BY (month, hits);

-- 创建物化视图
CREATE MATERIALIZED VIEW wikistat_top_mv
TO wikistat_top
AS
SELECT
    path,
    toStartOfMonth(time) AS month,
    sum(hits) AS hits
FROM wikistat
GROUP BY path, month;
使用物化视图后，原本需要 2.285 秒的查询可以降至毫秒级。

10. 常用函数

sql 复制代码

sql
-- 日期时间
SELECT now(), today(), yesterday();
SELECT toDate('2024-01-15 10:30:00');        -- 转为日期
SELECT toStartOfHour(now());                  -- 小时的开始
SELECT toStartOfDay(now());                   -- 天的开始
SELECT toYYYYMM(now());                       -- 年月数字

-- 字符串
SELECT length('hello');
SELECT substring('ClickHouse', 1, 5);
SELECT upper('hello'), lower('HELLO');
SELECT concat('a', 'b', 'c');
SELECT replace('hello world', 'world', 'ClickHouse');

-- 类型转换
SELECT toString(123);
SELECT toUInt32('456');
SELECT toFloat64('3.14');

-- 聚合
SELECT count(), uniq(project), uniqExact(project) FROM wikistat;
SELECT groupArray(project) FROM wikistat LIMIT 5;
SELECT quantile(0.5)(hits) FROM wikistat;    -- 中位数

-- 条件
SELECT if(hits > 1000, 'high', 'low') FROM wikistat;
SELECT multiIf(hits > 10000, 'A', hits > 1000, 'B', 'C') FROM wikistat;

-- 空值处理
SELECT ifNull(nullable_col, 'default') FROM my_table;
SELECT coalesce(col1, col2, 'fallback') FROM my_table;

11. 查询性能优化

sql 复制代码

核心原则
优化 ORDER BY 键是首要任务，因为它决定了主键索引，直接影响数据裁剪效率。

优化前后对比（查询 WHERE project = 'it'）：

查询	ORDER BY (time)	ORDER BY (project, subproject, time)
按 project 分组	2.381 秒	1.660 秒
按 subproject 分组	2.148 秒	0.058 秒
按月份分组	2.192 秒	0.012 秒

优化建议
不要使用 SELECT *，只查询需要的字段。ClickHouse 按需读取列，SELECT * 会读取所有列，增加不必要的 IO。

使用 PREWHERE 替代 WHERE，优先过滤数据，加速查询。

通过 LIMIT 限制返回数据量，节省计算资源和网络开销。

使用物化视图预聚合常用查询结果。

避免 Nullable 列，使用默认值代替，减少存储开销并提升查询性能。

sql
-- PREWHERE 示例：先过滤再读取其他列
SELECT project, sum(hits)
FROM wikistat
PREWHERE project = 'it'
WHERE hits > 100
GROUP BY project;
查看执行计划
sql
EXPLAIN SELECT * FROM wikistat WHERE project = 'en';

12. 分布式表

sql 复制代码

在 ClickHouse 集群中，通常先创建本地表，再基于本地表创建分布式表。

sql
-- 1. 创建本地表（每个分片各有一份）
CREATE TABLE my_table_local ON CLUSTER my_cluster
(
    id UInt64,
    name String,
    value Float64
)
ENGINE = MergeTree()
ORDER BY id;

-- 2. 创建分布式表（统一查询入口）
CREATE TABLE my_table_all ON CLUSTER my_cluster
AS my_table_local
ENGINE = Distributed(my_cluster, my_db, my_table_local, rand());
sql
-- 通过分布式表写入和查询
INSERT INTO my_table_all VALUES (1, 'a', 1.0), (2, 'b', 2.0);

SELECT * FROM my_table_all WHERE value > 1;

13. 总结

sql 复制代码

本文整理了 ClickHouse 日常开发中的常用 SQL 语法，涵盖：

库表基础操作

MergeTree 建表与引擎选择

批量数据插入

SELECT 查询与时间分桶聚合

JOIN、聚合、分组

轻量级删除与表结构修改

物化视图加速查询

常用内置函数

查询性能优化核心原则

分布式表创建

与 MySQL 不同，ClickHouse 是列式数据库，更适合 OLAP 场景下的聚合分析查询。使用时应充分利用 ORDER BY 排序键、PARTITION BY 分区裁剪和物化视图来提升查询性能。