注：以下分析基于開源 v19.15.2.2-stable 版本進行

引言

ClickHouse是最近比較火的一款開源列式存儲分析型數(shù)據(jù)庫，它最核心的特點就是極致存儲壓縮率和查詢性能，本人最近正在學(xué)習(xí)ClickHouse這款產(chǎn)品中。從我個人的視角來看存儲是決定一款數(shù)據(jù)庫核心競爭力、適用場景的關(guān)鍵所在，所以接下來我會陸續(xù)推出一系列文章來分析ClickHouse中最重要的MergeTree存儲內(nèi)核。本文主旨在于介紹MergeTree的存儲格式，并且徹底剖析MergeTree存儲的極致檢索性能。

MergeTree存儲

MergeTree思想

提到MergeTree這個詞，可能大家都會聯(lián)想到LSM-Tree這個數(shù)據(jù)結(jié)構(gòu)，我們常用它來解決隨機寫磁盤的性能問題，MergeTree的核心思想和LSM-Tree相同。MergeTree存儲結(jié)構(gòu)需要對用戶寫入的數(shù)據(jù)做排序然后進行有序存儲，數(shù)據(jù)有序存儲帶來兩大核心優(yōu)勢：

? 列存文件在按塊做壓縮時，排序鍵中的列值是連續(xù)或者重復(fù)的，使得列存塊的數(shù)據(jù)壓縮可以獲得極致的壓縮比。

? 存儲有序性本身就是一種可以加速查詢的索引結(jié)構(gòu)，根據(jù)排序鍵中列的等值條件或者range條件我們可以快速找到目標(biāo)行所在的近似位置區(qū)間(下文會展開詳細介紹)，而且這種索引結(jié)構(gòu)是不會產(chǎn)生額外存儲開銷的。

大家可以從ClickHouse的官方文檔上找到一系列的MergeTree表引擎，包括基礎(chǔ)的MergeTree，擁有數(shù)據(jù)去重能力的ReplacingMergeTree、CollapsingMergeTree、VersionedCollapsingMergeTree，擁有數(shù)據(jù)聚合能力的SummingMergeTree、AggregatingMergeTree等。但這些擁有“特殊能力”的MergeTree表引擎在存儲上和基礎(chǔ)的MergeTree其實沒有任何差異，它們都是在數(shù)據(jù)Merge的過程中加入了“額外的合并邏輯”，這部分會在后續(xù)介紹MergeTree異步Merge機制的文章中詳細展開介紹。

MergeTree存儲結(jié)構(gòu)

為了方便大家理解表的存儲結(jié)構(gòu)，下面列舉了某個POC用戶的測試表DDL，我們將從這個表入手來分析MergeTree存儲的內(nèi)核設(shè)計。從DDL的PARTITION BY申明中我們可以看出用戶按每個區(qū)服每小時粒度創(chuàng)建了數(shù)據(jù)分區(qū)，而每個數(shù)據(jù)分區(qū)內(nèi)部的數(shù)據(jù)又是按照(action_id, scene_id, time_ts, level, uid)作為排序鍵進行有序存儲。

CREATE TABLE user_action_log (`time` DateTime DEFAULT CAST('1970-01-01 08:00:00', 'DateTime') COMMENT '日志時間',`action_id` UInt16 DEFAULT CAST(0, 'UInt16') COMMENT '日志行為類型id',`action_name` String DEFAULT '' COMMENT '日志行為類型名',`region_name` String DEFAULT '' COMMENT '區(qū)服名稱',`uid` UInt64 DEFAULT CAST(0, 'UInt64') COMMENT '用戶id',`level` UInt32 DEFAULT CAST(0, 'UInt32') COMMENT '當(dāng)前等級',`trans_no` String DEFAULT '' COMMENT '事務(wù)流水號',`ext_head` String DEFAULT '' COMMENT '擴展日志head',`avatar_id` UInt32 DEFAULT CAST(0, 'UInt32') COMMENT '角色id',`scene_id` UInt32 DEFAULT CAST(0, 'UInt32') COMMENT '場景id',`time_ts` UInt64 DEFAULT CAST(0, 'UInt64') COMMENT '秒單位時間戳',index avatar_id_minmax (avatar_id) type minmax granularity 3 ) ENGINE = MergeTree() PARTITION BY (toYYYYMMDD(time), toHour(time), region_name) ORDER BY (action_id, scene_id, time_ts, level, uid) PRIMARY KEY (action_id, scene_id, time_ts, level);

該表的MergeTree存儲結(jié)構(gòu)邏輯示意圖如下：

MergeTree表的存儲結(jié)構(gòu)中，每個數(shù)據(jù)分區(qū)相互獨立，邏輯上沒有關(guān)聯(lián)。單個數(shù)據(jù)分區(qū)內(nèi)部存在著多個MergeTree Data Part。這些Data Part一旦生成就是Immutable的狀態(tài)，Data Part的生成和銷毀主要與寫入和異步Merge有關(guān)。MergeTree表的寫入鏈路是一個極端的batch load過程，Data Part不支持單條的append insert。每次batch insert都會生成一個新的MergeTree Data Part。如果用戶單次insert一條記錄，那就會為那一條記錄生成一個獨立的Data Part，這必然是無法接受的。一般我們使用MergeTree表引擎的時候，需要在客戶端做聚合進行batch寫入或者在MergeTree表的基礎(chǔ)上創(chuàng)建Distributed表來代理MergeTree表的寫入和查詢，Distributed表默認會緩存用戶的寫入數(shù)據(jù)，超過一定時間或者數(shù)據(jù)量再異步轉(zhuǎn)發(fā)給MergeTree表。MergeTree存儲引擎對數(shù)據(jù)實時可見要求非常高的場景是不太友好的。

上圖展示了單個MergeTree Data Part里最核心的一部分磁盤文件(只畫了action_id和avatar_id列其關(guān)的存儲文件)，從功能上分主要有三個類：

1 數(shù)據(jù)文件：action_id.bin、avatar_id.bin等都是單個列按塊壓縮后的列存文件。ClickHouse采用了非常極端的列存模式，這里展開一些細節(jié)，單個列數(shù)據(jù)可能會對應(yīng)多個列存文件，例如申明一個Nullable字段時會多一個nullable標(biāo)識的列存文件，申明一個Array字段時會多一個array size的列存文件, 采用字典壓縮時字典Key也會單獨變成一個列存文件。有一點小Tips：當(dāng)用戶不需要Null值特殊標(biāo)識時，最好不要去申明Nullable，這是ClickHouse的極簡化設(shè)計思路。

2 Mark標(biāo)識文件：action_id.mrk2、avatar_id.mrk2等都是列存文件中的Mark標(biāo)記，Mark標(biāo)記和MergeTree列存中的兩個重要概念相關(guān)：Granule和Block。

• Granule是數(shù)據(jù)按行劃分時用到的邏輯概念。關(guān)于多少行是一個Granule這個問題，在老版本中這是用參數(shù)index_granularity設(shè)定的一個常量，也就是每隔確定行就是一個Granule。在當(dāng)前版本中有另一個參數(shù)index_granularity_bytes會影響Granule的行數(shù)，它的意義是讓每個Granule中所有列的sum size盡量不要超過設(shè)定值。老版本中的定長Granule設(shè)定主要的問題是MergeTree中的數(shù)據(jù)是按Granule粒度進行索引的，這種粗糙的索引粒度在分析超級大寬表的場景中，從存儲讀取的data size會膨脹得非常厲害，需要用戶非常謹(jǐn)慎得設(shè)定參數(shù)。
• Block是列存文件中的壓縮單元。每個列存文件的Block都會包含若干個Granule，具體多少個Granule是由參數(shù)min_compress_block_size控制，每次列的Block中寫完一個Granule的數(shù)據(jù)時，它會檢查當(dāng)前Block Size有沒有達到設(shè)定值，如果達到則會把當(dāng)前Block進行壓縮然后寫磁盤。
• 從以上兩點可以看出MergeTree的Block既不是定data size也不是定行數(shù)的，Granule也不是一個定長的邏輯概念。所以我們需要額外信息快速找到某一個Granule。這就是Mark標(biāo)識文件的作用，它記錄了每個Granule的行數(shù)，以及它所在的Block在列存壓縮文件中的偏移，同時還有Granule在解壓后的Block中的偏移位置。

3主鍵索引：primary.idx是表的主鍵索引。ClickHouse對主鍵索引的定義和傳統(tǒng)數(shù)據(jù)庫的定義稍有不同，它的主鍵索引沒用主鍵去重的含義，但仍然有快速查找主鍵行的能力。ClickHouse的主鍵索引存儲的是每一個Granule中起始行的主鍵值，而MergeTree存儲中的數(shù)據(jù)是按照主鍵嚴(yán)格排序的。所以當(dāng)查詢給定主鍵條件時，我們可以根據(jù)主鍵索引確定數(shù)據(jù)可能存在的Granule Range，再結(jié)合上面介紹的Mark標(biāo)識，我們可以進一步確定數(shù)據(jù)在列存文件中的位置區(qū)間。ClickHoue的主鍵索引是一種在索引構(gòu)建成本和索引效率上相對平衡的粗糙索引。MergeTree的主鍵序列默認是和Order By序列保存一致的，但是用戶可以把主鍵序列定義成Order By序列的部分前綴。

4分區(qū)鍵索引：minmax_time.idx、minmax_region_name.idx是表的分區(qū)鍵索引。MergeTree存儲會把統(tǒng)計每個Data Part中分區(qū)鍵的最大值和最小值，當(dāng)用戶查詢中包含分區(qū)鍵條件時，就可以直接排除掉不相關(guān)的Data Part，這是一種OLAP場景下常用的分區(qū)裁剪技術(shù)。

5Skipping索引：skp_idx_avatar_id_minmax.idx是用戶在avatar_id列上定義的MinMax索引。Merge Tree中 的Skipping Index是一類局部聚合的粗糙索引。用戶在定義skipping index的時候需要設(shè)定granularity參數(shù)，這里的granularity參數(shù)指定的是在多少個Granule的數(shù)據(jù)上做聚合生成索引信息。用戶還需要設(shè)定索引對應(yīng)的聚合函數(shù)，常用的有minmax、set、bloom_filter、ngrambf_v1等，聚合函數(shù)會統(tǒng)計連續(xù)若干個Granule中的列值生成索引信息。Skipping索引的思想和主鍵索引是類似的，因為數(shù)據(jù)是按主鍵排序的，主鍵索引統(tǒng)計的其實就是每個Granule粒度的主鍵序列MinMax值，而Skipping索引提供的聚合函數(shù)種類更加豐富，是主鍵索引的一種補充能力。另外這兩種索引都是需要用戶在理解索引原理的基礎(chǔ)上貼合自己的業(yè)務(wù)場景來進行設(shè)計的。

MergeTree查詢

這一章主要會結(jié)合ClickHouse的源碼為大家分析MergeTree表引擎上的數(shù)據(jù)查詢過程，我大致把這個過程分為兩塊：索引檢索和數(shù)據(jù)掃描。索引檢索部分對每個MergeTree Data Part是串行執(zhí)行，但Data Part之間的檢索沒有任何關(guān)聯(lián)。而在數(shù)據(jù)掃描部分中最底層的列存掃描是多所有Data Part并行執(zhí)行，各Data Part的列存掃描之間也沒有任何關(guān)聯(lián)。

索引檢索

MergeTree存儲在收到一個select查詢時會先抽取出查詢中的分區(qū)鍵和主鍵條件的KeyCondition，KeyCondition類上實現(xiàn)了以下三個方法，用于判斷過濾條件可能滿足的Mark Range。上一章講過MergeTree Data Part中的列存數(shù)據(jù)是以Granule為粒度被Mark標(biāo)識數(shù)組索引起來的，而Mark Range就表示Mark標(biāo)識數(shù)組里滿足查詢條件的下標(biāo)區(qū)間。

/// Whether the condition is feasible in the key range./// left_key and right_key must contain all fields in the sort_descr in the appropriate order./// data_types - the types of the key columns.bool mayBeTrueInRange(size_t used_key_size, const Field * left_key, const Field * right_key, const DataTypes & data_types) const;/// Whether the condition is feasible in the direct product of single column ranges specified by `parallelogram`.bool mayBeTrueInParallelogram(const std::vector<Range> & parallelogram, const DataTypes & data_types) const;/// Is the condition valid in a semi-infinite (not limited to the right) key range./// left_key must contain all the fields in the sort_descr in the appropriate order.bool mayBeTrueAfter(size_t used_key_size, const Field * left_key, const DataTypes & data_types) const;

索引檢索的過程中首先會用分區(qū)鍵KeyCondition裁剪掉不相關(guān)的數(shù)據(jù)分區(qū)，然后用主鍵索引挑選出粗糙的Mark Range，最后再用Skipping Index過濾主鍵索引產(chǎn)生的Mark Range。用主鍵索引挑選出粗糙的Mark Range的算法是一個不斷分裂Mark Range的過程，返回結(jié)果是一個Mark Range的集合。起始的Mark Range是覆蓋整個MergeTree Data Part區(qū)間的，每次分裂都會把上次分裂后的Mark Range取出來按一定粒度步長分裂成更細粒度的Mark Range，然后排除掉分裂結(jié)果中一定不滿足條件的Mark Range，最后Mark Range到一定粒度時停止分裂。這是一個簡單高效的粗糙過濾算法。

使用Skipping Index過濾主鍵索引返回的Mark Range之前，需要構(gòu)造出每個Skipping Index的IndexCondition，不同的Skipping Index聚合函數(shù)有不同的IndexCondition實現(xiàn)，但判斷Mark Range是否滿足條件的接口和KeyCondition是類似的。

數(shù)據(jù)Sampling

經(jīng)過上一小節(jié)的索引過濾之后，我們已經(jīng)得到了需要掃描的Mark Range集合，接下來就應(yīng)該是數(shù)據(jù)掃描部分了。這一小節(jié)插入簡單講一下MergeTree里的數(shù)據(jù)Sampling是如何實現(xiàn)的。它并不是在數(shù)據(jù)掃描過程中實現(xiàn)的，而是在索引檢索的過程中就已經(jīng)完成，這種做法是為了極致的sample效率。用戶在建表的時候可以指定主鍵中的某個列或者表達式作為Sampling鍵，ClickHouse在這里用了簡單粗暴的做法：Sampling鍵的值必須是數(shù)值類型的，并且系統(tǒng)假定它的值是隨機均勻分布的一個狀態(tài)。如果Sampling鍵的值類型是Uint32，當(dāng)我們設(shè)定sample比率是0.1的時候，索引檢索過程中會把sample轉(zhuǎn)換成一個filter條件：Sampling鍵的值 < Uint32::max * 0.1。用戶在使用Sampling功能時必須清楚這個細節(jié)，不然容易出現(xiàn)采樣偏差。一般我們推薦Sampling鍵是列值加一個Hash函數(shù)進行隨機打散。

數(shù)據(jù)掃描

MergeTree的數(shù)據(jù)掃描部分提供了三種不同的模式：

• Final模式：該模式對CollapsingMergeTree、SummingMergeTree等表引擎提供一個最終Merge后的數(shù)據(jù)視圖。前文已經(jīng)提到過MergeTree基礎(chǔ)上的高級MergeTree表引擎都是對MergeTree Data Part采用了特定的Merge邏輯。它帶來的問題是由于MergeTree Data Part是異步Merge的過程，在沒有最終Merge成一個Data Part的情況下，用戶無法看到最終的數(shù)據(jù)結(jié)果。所以ClickHouse在查詢是提供了一個final模式，它會在各個Data Part的多條BlockInputStream基礎(chǔ)上套上一些高級的Merge Stream，例如DistinctSortedBlockInputStream、SummingSortedBlockInputStream等，這部分邏輯和異步Merge時的邏輯保持一致，這樣用戶就可以提前看到“最終”的數(shù)據(jù)結(jié)果了。

• Sorted模式：sort模式可以認為是一種order by下推存儲的查詢加速優(yōu)化手段。因為每個MergeTree Data Part內(nèi)部的數(shù)據(jù)是有序的，所以當(dāng)用戶查詢中包括排序鍵order by條件時只需要在各個Data Part的BlockInputStream上套一個做數(shù)據(jù)有序歸并的InputStream就可以實現(xiàn)全局有序的能力。
• Normal模式：這是基礎(chǔ)MergeTree表最常用的數(shù)據(jù)掃描模式，多個Data Part之間進行并行數(shù)據(jù)掃描，對于單查詢可以達到非常高吞吐的數(shù)據(jù)讀取。

接下來展開介紹下Normal模式中幾個關(guān)鍵的性能優(yōu)化點：

• 并行掃描：傳統(tǒng)的計算引擎在數(shù)據(jù)掃描部分的并發(fā)度大多和存儲文件數(shù)綁定在一起，所以MergeTree Data Part并行掃描是一個基礎(chǔ)能力。但是MergeTree的存儲結(jié)構(gòu)要求數(shù)據(jù)不斷mege，最終合并成一個Data Part，這樣對索引和數(shù)據(jù)壓縮才是最高效的。所以ClickHouse在MergeTree Data Part并行的基礎(chǔ)上還增加了Mark Range并行。用戶可以任意設(shè)定數(shù)據(jù)掃描過程中的并行度，每個掃描線程分配到的是Mark Range In Data Part粒度的任務(wù)，同時多個掃描線程之間還共享了Mark Range Task Pool，這樣可以避免在存儲掃描中的長尾問題。
• 數(shù)據(jù)Cache：MergeTree的查詢鏈路中涉及到的數(shù)據(jù)有不同級別的緩存設(shè)計。主鍵索引和分區(qū)鍵索引在load Data Part的過程中被加載到內(nèi)存，Mark文件和列存文件有對應(yīng)的MarkCache和UncompressedCache，MarkCache直接緩存了Mark文件中的binary內(nèi)容，而UncompressedCache中緩存的是解壓后的Block數(shù)據(jù)。
• SIMD反序列化：部分列類型的反序列化過程中采用了手寫的sse指令加速，在數(shù)據(jù)命中UncompressedCache的情況下會有一些效果。
• PreWhere過濾：ClickHouse的語法支持了額外的PreWhere過濾條件，它會先于Where條件進行判斷。當(dāng)用戶在sql的filter條件中加上PreWhere過濾條件時，存儲掃描會分兩階段進行，先讀取PreWhere條件中依賴的列值，然后計算每一行是否符合條件。相當(dāng)于在Mark Range的基礎(chǔ)上進一步縮小掃描范圍，PreWhere列掃描計算過后，ClickHouse會調(diào)整每個Mark對應(yīng)的Granule中具體要掃描的行數(shù)，相當(dāng)于可以丟棄Granule頭尾的一部分行。

結(jié)語

隨著閱讀ClickHouse源碼深入了解它的內(nèi)核實現(xiàn)，我認為ClickHouse目前還不是一個特別完美的分析型數(shù)據(jù)庫。但它仍然有許多極致的性能優(yōu)化設(shè)計，這些設(shè)計都是源于Yandex公司真實的分析場景，并且確實可以解決海量數(shù)據(jù)下的一些業(yè)務(wù)問題。我相信在一部分適合ClickHouse的業(yè)務(wù)場景中，它就是可以給用戶帶來最極致性能體驗的數(shù)據(jù)庫。

后續(xù)會陸續(xù)推出更多的分析文章，有興趣的同學(xué)可以多多交流和follow，先為后面的文章取個名字：

MergeTree的Merge和Mutation機制
MergeTree寫入鏈路全解析
MergeTree的Table管理設(shè)計：Alter、TTL和分層存儲

原文鏈接
本文為云棲社區(qū)原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。

總結(jié)

以上是生活随笔為你收集整理的ClickHouse内核分析-MergeTree的存储结构和查询加速的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。