1、Clickhouse創建數據庫的語法，如下所示：

1 CREATE DATABASE [IF NOT EXISTS] db_name [ON CLUSTER cluster] [ENGINE = engine(...)]

使用案例，如下所示：

1 master :) CREATE DATABASE IF NOT EXISTS gab_db;2 3 CREATE DATABASE IF NOT EXISTS gab_db4 5 Ok.6 7 0 rows in set. Elapsed: 0.013 sec. 8 9 master :) show databases; 10 11 SHOW DATABASES 12 13 ┌─name───────────────────────────┐ 14 │ _temporary_and_external_tables │ 15 │ default │ 16 │ gab_db │ 17 │ system │ 18 └────────────────────────────────┘ 19 20 4 rows in set. Elapsed: 0.012 sec. 21 22 master :)

?

2、默認情況下，ClickHouse使用的是原生的數據庫引擎Ordinary（在此數據庫下可以使用任意類型的表引擎，在絕大多數情況下都只需使用默認的數據庫引擎）。當然也可以使用Lazy引擎和MySQL引擎，比如使用MySQL引擎，可以直接在ClickHouse中操作MySQL對應數據庫中的表。假設MySQL中存在一個名為Clickhouse的數據庫，可以使用下面的方式連接MySQL數據庫。

1 -- --------------------------語法-----------------------------------2 CREATE DATABASE [IF NOT EXISTS] db_name [ON CLUSTER cluster]3 ENGINE = MySQL('host:port', ['database' | database], 'user', 'password')4 5 -- --------------------------示例------------------------------------6 CREATE DATABASE mysql_db ENGINE = MySQL('192.168.0.109:3306', 'clickhouse', 'root', '123456');7 8 9 -- ---------------------------操作----------------------------------- 10 master :) CREATE DATABASE mysql_db ENGINE = MySQL('192.168.0.109:3306', 'clickhouse', 'root', '123456'); 11 12 CREATE DATABASE mysql_db 13 ENGINE = MySQL('192.168.0.109:3306', 'clickhouse', 'root', '123456') 14 15 Ok. 16 17 0 rows in set. Elapsed: 0.011 sec. 18 19 master :) show databases; 20 21 SHOW DATABASES 22 23 ┌─name───────────────────────────┐ 24 │ _temporary_and_external_tables │ 25 │ default │ 26 │ gab_db │ 27 │ mysql_db │ 28 │ system │ 29 └────────────────────────────────┘ 30 31 5 rows in set. Elapsed: 0.006 sec. 32 33 master :) use mysql_db; 34 35 USE mysql_db 36 37 Ok. 38 39 0 rows in set. Elapsed: 0.002 sec. 40 41 master :) show tables; 42 43 SHOW TABLES 44 45 Ok. 46 47 0 rows in set. Elapsed: 0.012 sec. 48 49 master :) show tables; 50 51 SHOW TABLES 52 53 ┌─name────┐ 54 │ user_db │ 55 └─────────┘ 56 57 1 rows in set. Elapsed: 0.011 sec. 58 59 master :) select * from user_db; 60 61 SELECT * 62 FROM user_db 63 64 ┌─id─┬─name─────┬─age─┬─address──────┐ 65 │ 1 │ zhangsan │ 22 │ 河南省新鄉市 │ 66 └────┴──────────┴─────┴──────────────┘ 67 68 1 rows in set. Elapsed: 0.020 sec. 69 70 master :)

如果創建的時候報下面的錯誤，是因為權限的問題，執行下面的命令，解決問題即可。

1 master :) CREATE DATABASE mysql_db ENGINE = MySQL('192.168.0.109:3306', 'clickhouse', 'root', '123456');2 3 CREATE DATABASE mysql_db4 ENGINE = MySQL('192.168.0.109:3306', 'clickhouse', 'root', '123456')5 6 7 Received exception from server (version 20.8.3):8 Code: 501. DB::Exception: Received from localhost:9000. DB::Exception: Cannot create MySQL database, because Poco::Exception. Code: 1000, e.code() = 1045, e.displayText() = mysqlxx::ConnectionFailed: Access denied for user 'root'@'192.168.0.109' (using password: YES) ((nullptr):3306), 9 10 0 rows in set. Elapsed: 0.042 sec.

執行下面兩行命令，解決問題即可。

1 grant all privileges on *.* to root@'%' identified by '123456'; 2 3 FLUSH PRIVILEGES;

?

3、Clickhouse創建數據表的，語法如下所示：

1 CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster] 2 ( 3 name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1] [compression_codec] [TTL expr1], 4 name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2] [compression_codec] [TTL expr2], 5 ... 6 ) ENGINE = engine

使用案例，如下所示：

1 master :) 2 master :) show tables;3 4 SHOW TABLES5 6 Ok.7 8 0 rows in set. Elapsed: 0.008 sec. 9 10 master :) create table user_db( 11 :-] id Int32, 12 :-] name String 13 :-] )engine=Memory; 14 15 CREATE TABLE user_db 16 ( 17 `id` Int32, 18 `name` String 19 ) 20 ENGINE = Memory 21 22 Ok. 23 24 0 rows in set. Elapsed: 0.003 sec. 25 26 master :) show tables; 27 28 SHOW TABLES 29 30 ┌─name────┐ 31 │ user_db │ 32 └─────────┘ 33 34 1 rows in set. Elapsed: 0.007 sec. 35 36 master :)

上面命令是創建了一張內存表，即使用的是Memory引擎。表引擎決定了數據表的特性，也決定了數據將會被如何存儲及加載。Memory引擎是ClickHouse最簡單的表引擎，數據只會被保存在內存中，在服務重啟時數據會丟失。

?

4、Clickhouse的數據類型，在創建數據表的時候指定字段的數據類型，數據類型在使用的時候是區分大小寫的，所以在定義字段的時候一定注意數據類型的書寫。

4.1、整數數據類型Int Ranges ，Clickhouse直接使用Int8、Int16、Int32、Int64指代4種大小的Int類型，其末尾的數據正好表明了占用字節的大小（1個節點 = 8位）。

名稱	大小（字節）	范圍	普遍觀念
Int8	1個字節	-128到127	Tinyint
Int16	2個字節	-32768到32767	Smallint
Int32	4個字節	-2147483648到2147483647	int
Int64	8個字節	-9223372036854775808到9223372036854775807	Bigint

?具體對應關系，如下所示：

Int8 - [-128 : 127] Int16 - [-32768 : 32767] Int32 - [-2147483648 : 2147483647] Int64 - [-9223372036854775808 : 9223372036854775807]

整數數據類型Uint Ranges，Clickhouse支持無符號的整數，使用前綴U表示，都表示的是正數，即無負數表示。

UInt8 - [0 : 255] UInt16 - [0 : 65535] UInt32 - [0 : 4294967295] UInt64 - [0 : 18446744073709551615]

使用案例，如下所示：

1 master :) create table tb_name(2 :-] id UInt8 , -- 指定數據類型3 :-] age UInt8 , -- 指定數據類型4 :-] flow Int64 -- 指定數據類型5 :-] ) engine=Log ; -- 指定表引擎6 7 CREATE TABLE tb_name8 (9 `id` UInt8, 10 `age` UInt8, 11 `flow` Int64 12 ) 13 ENGINE = Log 14 15 Ok. 16 17 0 rows in set. Elapsed: 0.004 sec. 18 19 master :)

4.2、小數數據類型。

Float32 - float，注意：和我們之前的認知是一樣的，這種數據類型在數據特別精準的情況下可能出現數據精度問題。 Float64 - double Decimal(P,S) Decimal32(s) Decimal64(s) ) Decimal128(s)。

名稱	大小（字節）	有效精度（位數）	普遍概念
Float32	4個字節	7位	Float
Float64	8個字節	16位	Double

Select 8.0/0 INF表示的是正無窮，Select -8.0/0 INF表示負無窮，Select 0/0 NAN表示非數字。

使用案例，如下所示：

1 master :) create table tb_user(2 :-] uid Int8 ,3 :-] sal Decimal32(2)-- 指定2位小數點 4 :-] ) engine=TinyLog ;5 6 CREATE TABLE tb_user7 (8 `uid` Int8,9 `sal` Decimal32(2) 10 ) 11 ENGINE = TinyLog 12 13 Ok. 14 15 0 rows in set. Elapsed: 0.018 sec. 16 17 master :) insert into tb_user values(1,10000),(2,30000),(3,2000) ; 18 19 INSERT INTO tb_user VALUES 20 21 Ok. 22 23 3 rows in set. Elapsed: 0.053 sec. 24 25 master :) select * from tb_user; 26 27 SELECT * 28 FROM tb_user 29 30 ┌─uid─┬──────sal─┐ 31 │ 1 │ 10000.00 │ 32 │ 2 │ 30000.00 │ 33 │ 3 │ 2000.00 │ 34 └─────┴──────────┘ 35 36 3 rows in set. Elapsed: 0.009 sec. 37 38 master :)

　　Decimal如果要求高精度的數值運算，則需要使用定點數。Clickhouse提供了Decimal32、Decimal64和Decimal128三種精度的定點數。可以通過兩種行式表明定點，簡寫方式有Decimal32(S)、Decimal64(S)、Decimal128(S)三種，原生方式為Decimal(P,S)，其中，P代表了精度，決定總位數（整數部分+ 小數部分），取值范圍是1~38，S代表規模，決定小數位，取值范圍是0~P。

名稱	等效聲明	范圍
Decimal32(S)	Decimal(1 ~ 9,S)	-1 * 10^(9-S) 到 1 * 10^(9-S)
Decimal64(S)	Decimal(10 ~ 18,S)	-1 * 10^(18-S) 到 1 * 10^(18-S)
Decimal128(S)	Decimal(19 ~ 38,S)	-1 * 10^(38-S) 到 1 * 10^(38-S)

在使用兩個不同精度的定點數進行四則運算的時候，它們的小數點，位數S會發生變化。

　　在進行加法運算的時候，S取最大值，例如下面的查詢toDecimal64(2,4)與toDecimal32(2,2)相加后S=4;
　　在進行減法運算的時候，S取最大值，例如下面的查詢toDecimal(2,4)與toDecimal32(2,2)相減后S=4;
　　在進行乘法運算的時候，S取最大值，例如下面的查詢toDecimal(2,4)與toDecimal32(2,2)相乘后S=4+2;
　　在進行除法運算的時候，S取最大值，例如下面的查詢toDecimal(2,4)與toDecimal32(2,2)相除后S=4;

但是要保證被除數的S大于除數的S，否則會報錯。

4.3、boolean類型，Clickhouse中沒有對布爾類型進行支持，可以使用0 和1 來代表布爾數據類型。

4.4、字符串數據類型，字符串類型可以細分為String、FixedString、UUID三類，從命名來看彷佛是由一款數據庫提供的類型，反而更像一門編程語言的設計，Clickhouse語法具備編程語言的特征（數據＋運算）。

　　a）、String，字符串由String定義，長度不限，因此在使用String的時候無須聲明大小。它完全代替了傳統意義上數據庫的Varchar、Text、Clob和Blob等字符類型。String類型不限定字符集，因為它根本就沒有這個概念，所以可以將任意編碼的字符串存入其中。但是為了程序的規范性和可維護性，在同一套程序中應該遵守使用統一的編碼，例如，統一使用UTF-8編碼就是一種很好的約定。所以在對數據操作的時候我們不再需要去關注編碼和亂碼問題。

　　b）、FixedString，類型和傳統意義上的Char類型有些類似，對于一些字符有明確長度的場合，可以使用固定長度的字符串。定長字符串通過FixedString(N)聲明，其中N表示字符串長度，但是與Char不同的是，FixedString使用Null字節填充末尾字符，而Char通常使用空格填充。

String -- 字符串數據類型 一般情況下使用String;類型就可以 FixedString(n) -- 固定長度的數據類型

使用案例，如下所示：

1 master :) drop table if exists tb_stu ;2 3 DROP TABLE IF EXISTS tb_stu4 5 Ok.6 7 0 rows in set. Elapsed: 0.013 sec. 8 9 master :) create table if not exists tb_stu( 10 :-] sid FixedString(8) , 11 :-] name String , 12 :-] address String 13 :-] ) engine = TinyLog ; 14 15 CREATE TABLE IF NOT EXISTS tb_stu 16 ( 17 `sid` FixedString(8), 18 `name` String, 19 `address` String 20 ) 21 ENGINE = TinyLog 22 23 Ok. 24 25 0 rows in set. Elapsed: 0.013 sec. 26 27 master :) 28 master :) insert into tb_stu values('aaaaaaaa' , 'HANGGE' ,'ZhongNanHai') ; 29 30 INSERT INTO tb_stu VALUES 31 32 Ok. 33 34 1 rows in set. Elapsed: 0.011 sec. 35 36 master :) select * from tb_stu; 37 38 SELECT * 39 FROM tb_stu 40 41 ┌─sid──────┬─name───┬─address─────┐ 42 │ aaaaaaaa │ HANGGE │ ZhongNanHai │ 43 └──────────┴────────┴─────────────┘ 44 45 1 rows in set. Elapsed: 0.008 sec. 46 47 master :)

4.5、UUID隨機的一串字符串。

1 master :) drop table if exists tb_uuid ;2 3 DROP TABLE IF EXISTS tb_uuid4 5 Ok.6 7 0 rows in set. Elapsed: 0.002 sec. 8 9 master :) create table tb_uuid( 10 :-] id UUID , 11 :-] name String 12 :-] ) engine = TinyLog ; 13 14 CREATE TABLE tb_uuid 15 ( 16 `id` UUID, 17 `name` String 18 ) 19 ENGINE = TinyLog 20 21 Ok. 22 23 0 rows in set. Elapsed: 0.003 sec. 24 25 master :) 26 master :) insert into tb_uuid (name) values ('zss') , ('lss') ,('daa') ; 27 28 INSERT INTO tb_uuid (name) VALUES 29 30 Ok. 31 32 3 rows in set. Elapsed: 0.004 sec. 33 34 master :) insert into tb_uuid select generateUUIDv4() , 'HANGGE' ; 35 36 INSERT INTO tb_uuid SELECT 37 generateUUIDv4(), 38 'HANGGE' 39 40 Ok. 41 42 0 rows in set. Elapsed: 0.010 sec. 43 44 master :) select * from tb_uuid; 45 46 SELECT * 47 FROM tb_uuid 48 49 ┌───────────────────────────────────id─┬─name───┐ 50 │ 00000000-0000-0000-0000-000000000000 │ zss │ 51 │ 00000000-0000-0000-0000-000000000000 │ lss │ 52 │ 00000000-0000-0000-0000-000000000000 │ daa │ 53 │ c712b9e8-1c6c-4614-a836-f85da3de62aa │ HANGGE │ 54 └──────────────────────────────────────┴────────┘ 55 56 4 rows in set. Elapsed: 0.008 sec. 57 58 master :)

4.6、枚舉類型，包括 Enum8 和 Enum16 類型。Enum 保存 'string'= integer 的對應關系。Enum8 用 'String'= Int8 對描述。Enum16 用 'String'= Int16 對描述。

用法演示，創建一個帶有一個枚舉 Enum8('hello' = 1, 'world' = 2) 類型的列：

1 master :) CREATE TABLE t_enum2 :-] (3 :-] x Enum8('hello' = 1, 'world' = 2)4 :-] )5 :-] ENGINE = TinyLog;6 7 CREATE TABLE t_enum8 (9 `x` Enum8('hello' = 1, 'world' = 2) 10 ) 11 ENGINE = TinyLog 12 13 Ok. 14 15 0 rows in set. Elapsed: 0.008 sec. 16 17 master :) 18 19 -- 這個 x 列只能存儲類型定義中列出的值：'hello'或'world'。如果嘗試保存任何其他值，ClickHouse 拋出異常。 20 master :) INSERT INTO t_enum VALUES ('hello'), ('world'), ('hello') 21 :-] ; 22 23 INSERT INTO t_enum VALUES 24 25 Ok. 26 27 3 rows in set. Elapsed: 0.006 sec. 28 29 master :) INSERT INTO t_enum VALUES; 30 31 INSERT INTO t_enum VALUES 32 33 Ok. 34 35 0 rows in set. Elapsed: 0.004 sec. 36 37 master :) insert into t_enum values('a') 38 :-] ; 39 40 INSERT INTO t_enum VALUES 41 42 43 Exception on client: 44 Code: 36. DB::Exception: Unknown element 'a' for type Enum8('hello' = 1, 'world' = 2) 45 46 Connecting to localhost:9000 as user default. 47 Connected to ClickHouse server version 20.8.3 revision 54438. 48 49 master :) 50 51 52 -- 從表中查詢數據時，ClickHouse 從 Enum 中輸出字符串值。 53 master :) select * from t_enum; 54 55 SELECT * 56 FROM t_enum 57 58 ┌─x─────┐ 59 │ hello │ 60 │ world │ 61 │ hello │ 62 └───────┘ 63 64 3 rows in set. Elapsed: 0.009 sec. 65 66 master :) 67 68 69 -- 如果需要看到對應行的數值，則必須將 Enum 值轉換為整數類型。cast 強制數據類型轉換... 將枚舉類型字段轉換成Int8數據類型 70 master :) SELECT CAST(x, 'Int8') FROM t_enum 71 :-] ; 72 73 SELECT CAST(x, 'Int8') 74 FROM t_enum 75 76 ┌─CAST(x, 'Int8')─┐ 77 │ 1 │ 78 │ 2 │ 79 │ 1 │ 80 └─────────────────┘ 81 82 3 rows in set. Elapsed: 0.006 sec. 83 84 master :)

4.7、數組數據類型。Array(T)：由 T 類型元素組成的數組。其中，T 可以是任意類型，包含數組類型。 但不推薦使用多維數組，ClickHouse 對多維數組的支持有限。

例如，不能在 MergeTree 表中存儲多維數組。

Clickhouse支持數組這種復合數據類型，并且數據操作在數據分析中起到非常便利的效果，數組的定義方式有兩種： 第一種是array(T)，泛型的方式。 第二種是直接插入數據的行式[e1,e2,e3.....]，我們在這里要求數組中的數據類型是一致的，數組是強數據類型。

使用案例，如下所示：

1 master :) SELECT array(1, 2) AS x, toTypeName(x);2 3 SELECT 4 [1, 2] AS x,5 toTypeName(x)6 7 ┌─x─────┬─toTypeName(array(1, 2))─┐8 │ [1,2] │ Array(UInt8) │9 └───────┴─────────────────────────┘ 10 11 1 rows in set. Elapsed: 0.022 sec. 12 13 master :) SELECT [1, 2] AS x, toTypeName(x); 14 15 SELECT 16 [1, 2] AS x, 17 toTypeName(x) 18 19 ┌─x─────┬─toTypeName([1, 2])─┐ 20 │ [1,2] │ Array(UInt8) │ 21 └───────┴────────────────────┘ 22 23 1 rows in set. Elapsed: 0.009 sec. 24 25 26 -- 數組的取值，從1開始取值，中括號里面從1開始，就可以取出數組的第一個值。 27 28 master :) SELECT ['a', 'b', 'c'][1] 29 :-] ; 30 31 SELECT ['a', 'b', 'c'][1] 32 33 ┌─arrayElement(['a', 'b', 'c'], 1)─┐ 34 │ a │ 35 └──────────────────────────────────┘ 36 37 1 rows in set. Elapsed: 0.006 sec. 38 39 master :) select array('a','b','c')[2]; 40 41 SELECT ['a', 'b', 'c'][2] 42 43 ┌─arrayElement(array('a', 'b', 'c'), 2)─┐ 44 │ b │ 45 └───────────────────────────────────────┘ 46 47 1 rows in set. Elapsed: 0.007 sec. 48 49 master :)

如果要創建Array數組類型的字段，需要使用()來指定泛型，比如Array(String)，如下所示：

1 master :) 2 master :) CREATE TABLE tb_array3 :-] (4 :-] `id` UInt8,5 :-] `name` String,6 :-] `hobby` Array(String)7 :-] )ENGINE = Log;8 9 CREATE TABLE tb_array 10 ( 11 `id` UInt8, 12 `name` String, 13 `hobby` Array(String) 14 ) 15 ENGINE = Log 16 17 Ok. 18 19 0 rows in set. Elapsed: 0.029 sec. 20 21 master :) desc tb_array; 22 23 DESCRIBE TABLE tb_array 24 25 ┌─name──┬─type──────────┬─default_type─┬─default_expression─┬─comment─┬─codec_expression─┬─ttl_expression─┐ 26 │ id │ UInt8 │ │ │ │ │ │ 27 │ name │ String │ │ │ │ │ │ 28 │ hobby │ Array(String) │ │ │ │ │ │ 29 └───────┴───────────────┴──────────────┴────────────────────┴─────────┴──────────────────┴────────────────┘ 30 31 3 rows in set. Elapsed: 0.014 sec. 32 33 master :) insert into tb_array values(1,'張三',['抽煙','喝酒','燙頭']),(2,'岳岳',['說相聲','唱歌']); 34 35 INSERT INTO tb_array VALUES 36 37 Ok. 38 39 2 rows in set. Elapsed: 0.045 sec. 40 41 master :) 42 master :) select * from tb_array; 43 44 SELECT * 45 FROM tb_array 46 47 ┌─id─┬─name─┬─hobby──────────────────┐ 48 │ 1 │ 張三 │ ['抽煙','喝酒','燙頭'] │ 49 │ 2 │ 岳岳 │ ['說相聲','唱歌'] │ 50 └────┴──────┴────────────────────────┘ 51 52 2 rows in set. Elapsed: 0.071 sec. 53 54 master :)

注意：根據數組創建的數據塊數，會根據服務器的核數來決定創建幾個塊，服務器的核數決定了創建的塊數。

1 總核數 = 物理CPU個數 * 每顆物理CPU的核數。2 總邏輯CPU數 = 物理CPU個數 * 每顆物理CPU的核數 * 超線程數。3 4 查看物理CPU個數。5 cat /proc/cpuinfo | grep "physical id" | sort | uniq | wc -l6 7 查看每個物理CPU中的core的個數即核數。8 cat /proc/cpuinfo | grep "cpu cores" |uniq9 10 查看邏輯CPU的個數 11 cat /proc/cpuinfo | grep "processor" | wc -l

數組居然還支持高階函數，類似Java的lambda表達式，也是很強大的東西了，如下所示：

注意：Clickhouse的字符串不能使用雙引號引起來，只能使用單引號引起來。

1 master :) 2 master :) select arrayMap(e -> concat(e,'lambda'),hobby) from tb_array;3 4 SELECT arrayMap(e -> concat(e, 'lambda'), hobby)5 FROM tb_array6 7 ┌─arrayMap(lambda(tuple(e), concat(e, 'lambda')), hobby)─┐8 │ ['抽煙lambda','喝酒lambda','燙頭lambda'] │9 │ ['說相聲lambda','唱歌lambda'] │ 10 └────────────────────────────────────────────────────────┘ 11 12 2 rows in set. Elapsed: 0.048 sec. 13 14 master :)

4.8、Nested數據類型，Nested(name1 Type1, Name2 Type2, …)。

　　Nested是一種嵌套表結構，一張數據表，可以定義任意多個嵌套類型字段，但是每個字段的嵌套層級只支持一級，即嵌套表內不能繼續使用嵌套類型，對于簡單場景的層級關系或者關聯關系，使用嵌套類型也是一個不錯的選擇。

　　Nested嵌套類型本質是一種多維數組的結構，嵌套表中的每個字段的都是一個數組，并且行與行之間數組的長度無須對齊，但是需要注意的是，在同一行數據內每個數組字段的長度必須相等。

1 master :) 2 master :) CREATE TABLE tb_nested3 :-] (4 :-] `id` String,5 :-] `user` Nested( uid Int, name String, age UInt8)6 :-] )ENGINE = TinyLog;7 8 CREATE TABLE tb_nested9 ( 10 `id` String, 11 `user` Nested( uid Int, name String, age UInt8) 12 ) 13 ENGINE = TinyLog 14 15 Ok. 16 17 0 rows in set. Elapsed: 0.010 sec. 18 19 master :) desc tb_nested ; 20 21 DESCRIBE TABLE tb_nested 22 23 ┌─name──────┬─type──────────┬─default_type─┬─default_expression─┬─comment─┬─codec_expression─┬─ttl_expression─┐ 24 │ id │ String │ │ │ │ │ │ 25 │ user.uid │ Array(Int32) │ │ │ │ │ │ 26 │ user.name │ Array(String) │ │ │ │ │ │ 27 │ user.age │ Array(UInt8) │ │ │ │ │ │ 28 └───────────┴───────────────┴──────────────┴────────────────────┴─────────┴──────────────────┴────────────────┘ 29 30 4 rows in set. Elapsed: 0.012 sec. 31 32 master :)

插入數據，進行簡單的測試，如下所示：

1 master :) insert into tb_nested values(1 , [1,2,3],['zss','lss','ymm'],[21,33,18]) ;2 3 INSERT INTO tb_nested VALUES4 5 Ok.6 7 1 rows in set. Elapsed: 0.007 sec. 8 9 master :) SELECT 10 :-] user.uid, 11 :-] user.name 12 :-] FROM tb_nested; 13 14 SELECT 15 user.uid, 16 user.name 17 FROM tb_nested 18 19 ┌─user.uid─┬─user.name───────────┐ 20 │ [1,2,3] │ ['zss','lss','ymm'] │ 21 └──────────┴─────────────────────┘ 22 23 1 rows in set. Elapsed: 0.008 sec. 24 25 master :)

4.9、元組，Tuple(T1, T2, ...)：元組，其中每個元素都有單獨的類型。

　　Tuple元組數據類型，是一個特殊的數據類型，可以理解為集合，可以存儲任意的數據類型，這一點區別于數組。在定義的時候需要聲明數據類型和數據元素的個數。

　　數據類型由1~n個元素組成，每個元素之間允許設置不同的數據類型，且彼此之間不要求兼容。元素同樣支持類型推斷，其推斷依據仍然以最小存儲代價為原則。與數據類型，元組也可以使用兩種方式定義，常規方式是tuple(T)，元組中可以存儲多種數據類型，但是要注意數據類型的順序。

使用案例，如下所示：

1 master :) 2 master :) SELECT tuple(1,'a') AS x, toTypeName(x); # SELECT tuple(1,'a',12.23)可以簡寫為SELECT (1,'a',12.23)3 4 SELECT 5 (1, 'a') AS x,6 toTypeName(x)7 8 ┌─x───────┬─toTypeName(tuple(1, 'a'))─┐9 │ (1,'a') │ Tuple(UInt8, String) │ 10 └─────────┴───────────────────────────┘ 11 12 1 rows in set. Elapsed: 0.008 sec. 13 14 master :)

注意：創建數據表的時候使用元組的時候，需要指定元素的數據類型。

1 master :) 2 master :) CREATE TABLE tb_tuple3 :-] (4 :-] `id` UInt8,5 :-] `t1` Tuple(String,Int8,Date) 6 :-] )ENGINE = Log;7 8 CREATE TABLE tb_tuple9 ( 10 `id` UInt8, 11 `t1` Tuple(String, Int8, Date) 12 ) 13 ENGINE = Log 14 15 Ok. 16 17 0 rows in set. Elapsed: 0.066 sec. 18 19 master :) insert into tb_tuple values(1, ('red',25,'1994-05-18')); 20 21 INSERT INTO tb_tuple VALUES 22 23 Ok. 24 25 1 rows in set. Elapsed: 0.145 sec. 26 27 master :) select * from tb_tuple; 28 29 SELECT * 30 FROM tb_tuple 31 32 ┌─id─┬─t1──────────────────────┐ 33 │ 1 │ ('red',25,'1994-05-18') │ 34 └────┴─────────────────────────┘ 35 36 1 rows in set. Elapsed: 0.033 sec. 37 38 master :)

4.10、Date日期類型、DateTime日期時間類型，支持符合格式的字符串類型的插入。

DateTime64可以記錄亞秒，它在DateTime之上增加了精度的設置，在指定數據類型的時候可以使用DateTime64(2)指定兩位精度。

1 master :) 2 master :) CREATE TABLE tb_name3 :-] (4 :-] `id` UInt8,5 :-] `age` UInt8,6 :-] `birthday` Date,7 :-] `updateTime` DateTime8 :-] )ENGINE = Log;9 10 CREATE TABLE tb_name 11 ( 12 `id` UInt8, 13 `age` UInt8, 14 `birthday` Date, 15 `updateTime` DateTime 16 ) 17 ENGINE = Log 18 19 Ok. 20 21 0 rows in set. Elapsed: 0.055 sec. 22 23 master :) 24 master :) insert into tb_name values(1,22,'1994-05-16','2021-02-20 14:21:30'),(2,24,'1994-05-17','2021-02-20 14:21:30'); 25 26 INSERT INTO tb_name VALUES 27 28 Ok. 29 30 2 rows in set. Elapsed: 0.065 sec. 31 32 master :) select * from tb_name; 33 34 SELECT * 35 FROM tb_name 36 37 ┌─id─┬─age─┬───birthday─┬──────────updateTime─┐ 38 │ 1 │ 22 │ 1994-05-16 │ 2021-02-20 14:21:30 │ 39 │ 2 │ 24 │ 1994-05-17 │ 2021-02-20 14:21:30 │ 40 └────┴─────┴────────────┴─────────────────────┘ 41 42 2 rows in set. Elapsed: 0.010 sec. 43 44 master :)

4.11、Enum枚舉類型，Clickhouse支持枚舉類型，這是一種在定義常量的時候經常會使用的數據類型，Clickhouse提供了Enum8和Enum16兩種枚舉類型，他們除了取值范圍不同之外，別無二致。枚舉固定使用(String:Int)，這種Key/Value鍵值對的行式定義數據，所以Enum8和Enum16分別會對應(String:Int8)和(String:Int16)。

1 master :) 2 master :) CREATE TABLE tb_enum3 :-] (4 :-] `id` UInt8,5 :-] `color` Enum('red' = 1,'green' = 2, 'blue' = 3)6 :-] )ENGINE = Log;7 8 CREATE TABLE tb_enum9 ( 10 `id` UInt8, 11 `color` Enum('red' = 1, 'green' = 2, 'blue' = 3) 12 ) 13 ENGINE = Log 14 15 Ok. 16 17 0 rows in set. Elapsed: 0.034 sec. 18 19 master :) insert into tb_enum values(1,'red'),(2,'green'),(3,'blue'); 20 21 INSERT INTO tb_enum VALUES 22 23 Ok. 24 25 3 rows in set. Elapsed: 0.055 sec. 26 27 master :) insert into tb_enum values(4,1),(5,2),(6,3); 28 29 INSERT INTO tb_enum VALUES 30 31 Ok. 32 33 3 rows in set. Elapsed: 0.035 sec. 34 35 master :)

4.12、Domain（pojo、beans實體類）里面的IPv4數據類型，域名分為IPv4和IPv6兩類，本質上它們是對整數和字符串的進一步封裝，其中IPv4類型是基于UInt32封裝的。

　　1）、出于便捷性的考量，例如IPv4類型支持格式檢查，格式錯誤的IP數據是無法被寫入的。

　　2）、出于性能的考量，同樣以IPv4為例，IPv4使用UInt32存儲，相對String更加緊湊，占用空間更小，查詢性能更快。IPv6類型是基于FixedString(16)封裝的，它的使用彷佛與IPv4別無二致，在使用Domain類型的時候還有一點需要注意，雖然它從表象上看起來與String一樣，但是Domain類型并不是字符串，所以它不支持隱式的自動類型轉換。如果需要返回IP的字符串行式，需要顯示調用IPv4NumToString或者IPv6NumToString函數進行轉換。

1 master :) 2 master :) CREATE TABLE tb_domin3 :-] (4 :-] `id` UInt8,5 :-] `ip` IPv46 :-] )ENGINE = Log;7 8 CREATE TABLE tb_domin9 ( 10 `id` UInt8, 11 `ip` IPv4 12 ) 13 ENGINE = Log 14 15 Ok. 16 17 0 rows in set. Elapsed: 0.024 sec. 18 19 master :) insert into tb_domin values(1, '192.168.110.133'); 20 21 INSERT INTO tb_domin VALUES 22 23 Ok. 24 25 1 rows in set. Elapsed: 0.058 sec. 26 27 master :) insert into tb_domin values(1, '192.168.110.133'); 28 29 INSERT INTO tb_domin VALUES 30 31 Ok. 32 33 1 rows in set. Elapsed: 0.006 sec. 34 35 master :) select * from tb_domin; 36 37 SELECT * 38 FROM tb_domin 39 40 ┌─id─┬──────────────ip─┐ 41 │ 1 │ 192.168.110.133 │ 42 └────┴─────────────────┘ 43 ┌─id─┬──────────────ip─┐ 44 │ 1 │ 192.168.110.133 │ 45 └────┴─────────────────┘ 46 47 2 rows in set. Elapsed: 0.025 sec. 48 49 master :)

?

5、Clickhouse為什么可以這么快？主要特點，如下所示：

　　1）、開發語言是C++，可以更好的利用硬件優勢來提升數據處理的效率。
　　2）、摒棄了hadoop生態體系。
　　3）、數據底層以列式數據存儲。
　　4）、可以利用單節點的多核并行處理。
　　5）、為數據建立索引，分為一級索引、二級索引、稀疏索引。
　　6）、使用大量高效率算法處理數據。
　　7）、支持向量化處理數據。
　　8）、支持預先運算模型，預先計算，等等優勢。

?

6、Clickhouse的引擎分為數據庫引擎和數據表引擎，數據表的引擎，不同的引擎決定數據庫的類型，Clickhouse的數據庫引擎的作用。

　　1）、引擎決定了數據存儲位置。
　　2）、數據組織結構。
　　3）、是否分塊、是否索引、是否持久化操作。
　　4）、是否可以并發讀寫。
　　5）、是否支持副本操作、是否支持索引。
　　6）、是否支持分布式。

?

7、Clickhouse的數據表引擎（即表的類型）決定了的特征，如下所示：

　　1）、數據的存儲方式和位置，寫到哪里以及從那里讀取數據。
　　2）、支持那些查詢以及如何支持。
　　3）、并發數據訪問。
　　4）、索引的使用（如果存在）。
　　5）、是否可以執行多線程請求。
　　6）、數據復制參數。在讀取時候，引擎只需要輸出所請求的列，但在某些情況下，引擎可以在響應請求時部分處理數據。對于大多數正式的任務，應該使用MergeTree族中的引擎。

?

8、數據庫，數據庫起到了命名空間的作用，可以有效規避命名沖突的問題，也是為后續的數據隔離提供了支撐。任何一張數據表，都必須歸屬在某個數據庫之下。在Clickhouse中數據庫也有自己的引擎，數據庫目前支持的數據庫引擎有6種，如下所示：

　　1）、Ordinary，默認引擎，在絕大多數情況下我們都會使用默認引擎，使用的時候無須刻意聲明。在此數據庫下可以使用任意類型的表引擎。

　　2）、Dictionary，字段引擎，此類數據庫會自動為所有數據字典創建它們的數據表。

　　3）、Memory，內存引擎，了解即可，用于存放臨時數據，此類數據庫下的數據表只會停留在內存中，不會設計任何磁盤操作，當服務重啟后數據會被清除。

　　4）、Lazy，日志引擎，此類數據庫下只能使用Log系列的表引擎。

　　5）、Mysql，Mysql數據庫的引擎，此類數據庫下會自動拉取遠端Mysql數據庫中的數據，并為他們創建Mysql表引擎的數據表。

　　6）、MaterializeMySQL，主要做Mysql的數據同步，Clickhouse 20.8將新增 MaterializeMySQL引擎 ,可通過binlog日志實時物化mysql數據，極大提升了數倉的查詢性能和數據同步的時效性；原有mysql中承擔的數據分析工作 可交由clickhouse去做，這么做可顯著降低線上mysql的負載，從此OLTP與OLAP業務實現完美融合。
?

9、Clickhouse的數據表引擎，具體分類，如下所示：

9.1）、Log日志引擎，具有最小功能的輕量級引擎。當您需要快速寫入許多小表（最多約100萬行）并在以后整體讀取它們時，該類型的引擎是最有效的。具體表現為，比較簡單，數據少，測試使用，Log家族都屬于本地表（在/var/lib/clickhouse/data下面），本地存儲表數據。

　　1）、TinyLog引擎(數據不分快)。最簡單的數據表引擎，用于將數據存儲在磁盤上。每列都存儲在單獨的壓縮文件中，寫入的時候，數據將附加到文件末尾。該引擎沒有并發控制，只支持并發讀。如果同時從表中讀取和寫入數據，則讀取操作將拋出異常。如果同時寫入多個查詢中的表，則數據將被破壞。

　　　　 注意：TinyLog引擎(數據不分快)引擎，*.bin每個字段的壓縮數據，數據插入時會進行追加數據。sizes.json文件，顯示每個字段文件的大小。該引擎的特點，沒有數據塊，不能并行操作，不能同時讀寫操作，沒有索引，寫是追加寫，數據以列字段文件存儲。

1 master :) 2 master :) 3 master :) CREATE TABLE tb_tinyLog4 :-] (5 :-] `id` UInt8,6 :-] `log_name` String7 :-] )ENGINE = TinyLog;8 9 CREATE TABLE tb_tinyLog 10 ( 11 `id` UInt8, 12 `log_name` String 13 ) 14 ENGINE = TinyLog 15 16 Ok. 17 18 0 rows in set. Elapsed: 0.016 sec. 19 20 master :) insert into tb_tinyLog values(1, '張三三'); 21 22 INSERT INTO tb_tinyLog VALUES 23 24 Ok. 25 26 1 rows in set. Elapsed: 0.027 sec. 27 28 master :) select * from tb_tinyLog; 29 30 SELECT * 31 FROM tb_tinyLog 32 33 ┌─id─┬─log_name─┐ 34 │ 1 │ 張三三 │ 35 └────┴──────────┘ 36 37 1 rows in set. Elapsed: 0.010 sec. 38 39 master :)

　　2）、StripeLog引擎，數據分塊列在一起，在你需要寫入許多小數據量（小于一百萬行）的表的場景下使用這個引擎。

　　3）、Log引擎。

9.2）、MergeTree引擎，主要包含下面幾種。

　　1）、MergeTree()。

　　2）、ReplacingMergeTree。

　　3）、SummingMergeTree引擎，將相同主鍵的數據分區內合并指定字段進行累加。

　　4）、CollapsingMergeTree，ClickHouse實現了CollapsingMergeTree來消除ReplacingMergeTree的限制(只刪除小版本字段的問題)。該引擎要求在建表語句中指定一個標記列Sign，后臺Compaction時會將主鍵相同、Sign相反的行進行折疊，也即刪除。

　　　　 CollapsingMergeTree雖然解決了主鍵相同的數據即時刪除的問題，但是狀態持續變化且多線程并行寫入情況下，狀態行與取消行位置可能亂序，導致無法正常折疊。只有保證老的狀態行在在取消行的上面, 新的狀態行在取消行的下面，但是多線程無法保證寫的順序。

　　5）、VersionedCollapsingMergeTree，取消字段和數據版本同事使用,避免取消行數據無法刪除的問題，為了解決CollapsingMergeTree亂序寫入情況下無法正常折疊問題，VersionedCollapsingMergeTree表引擎在建表語句中新增了一列Version，用于在亂序情況下記錄狀態行與取消行的對應關系。主鍵相同，且Version相同、Sign相反的行，在Compaction時會被刪除。與CollapsingMergeTree類似， 為了獲得正確結果，業務層需要改寫SQL，將count()、sum(col)分別改寫為sum(Sign)、sum(col * Sign)。

總結

以上是生活随笔為你收集整理的Clickhouse基础语法、数据类型、数据表引擎学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。