【clickhouse】ClickHouse表引擎 MergeTree 数据生命周期

x33g5p2x  于2022-02-07 转载在 ClickHouse  
字(5.3k)|赞(0)|评价(0)|浏览(1150)

1.概述

转载:ClickHouse表引擎 MergeTree 数据生命周期

  • TTL(Time To Live)表示数据的存活时间,在 Merge 中可以为某个字段或者整个表设置TTL。
  • 如果设置列级别的 TTL,那么到期时会删除这一列的数据
  • 如果设置表级别的 TTL,那么到期时会删除整个表的数据
  • 如果同时设置了列级别和表级别的 TTL,那么会以先到期的为主。
  • 无论是列级别还是表级别的 TTL 都要依靠 DateTime 或 Date 类型的字段,通过对这个字段的 Interval 操作,来表述 TTL 的过期时间。
  • INTERVAL 的完整操作包括:SECOND、MINUTE、HOUR、DAY、WEEK、MONTH、QUARTER 和 YEAR
-- 设置数据存活时间是 create_time 的三天后
TTL create_time + INTERVAL 3 DAY

-- 设置数据存活时间是 create_time 的三个月后
TTL create_time + INTERVAL 3 MONTH

2.列级别 TTL

  • 设置列级别的 TTL,需要在建表时设置列的 TTL 表达式
  • 主键不能被设置 TTL
-- 创建表并设置 TTL 字段
-- create_time 是事件类型的字段,
-- code1 和 code2 均被设置了 TTL,
-- 存活时间为create_time的基础上向后10 秒和 15 秒
CREATE TABLE merge_column_ttl
(
    `id` String,
    `create_time` DateTime,
    `code1` String TTL create_time + INTERVAL 10 SECOND,
    `code2` UInt8 TTL create_time + INTERVAL 15 SECOND
)
ENGINE = MergeTree
PARTITION BY toYYYYMM(create_time)
ORDER BY id;

-- 查看表结构

describe merge_column_ttl;

┌─name────────┬─type─────┬─default_type─┬─default_expression─┬─comment─┬─codec_expression─┬─ttl_expression─────────────────────┐
│ id          │ String   │              │                    │         │                  │                                    │
│ create_time │ DateTime │              │                    │         │                  │                                    │
│ code1       │ String   │              │                    │         │                  │ create_time + toIntervalSecond(10) │
│ code2       │ Int32    │              │                    │         │                  │ create_time + toIntervalSecond(15) │
└─────────────┴──────────┴──────────────┴────────────────────┴─────────┴──────────────────┴────────────────────────────────────┘

-- 写入测试数据
insert into table merge_column_ttl values 
('A01',now(),'A01-code1','100'),
('A02',now() + INTERVAL 3 MINUTE,'A02-code1','99');

-- 当差不多过十秒后查看数据
select * from merge_column_ttl;

┌─id──┬─────────create_time─┬─code1─────┬─code2─┐
│ A01 │ 2021-06-23 15:50:17 │           │   100 │
│ A02 │ 2021-06-23 15:53:17 │ A02-code1 │    99 │
└─────┴─────────────────────┴───────────┴───────┘

-- 强制触发 TTL 清理
optimize table merge_column_ttl final;
-- 查看测试数据
select * from merge_column_ttl;

┌─id──┬─────────create_time─┬─code1─────┬─code2─┐
│ A01 │ 2021-06-23 15:50:17 │           │     0 │
│ A02 │ 2021-06-23 15:53:17 │ A02-code1 │    99 │
└─────┴─────────────────────┴───────────┴───────┘
-- 可以看到测试数据被还原成了 每个字段类型的默认值

修改字段 TTL

alter table merge_column_ttl modify column code1 String TTL create_time + INTERVAL 10 MINUTE;

-- 查看表结构
describe merge_column_ttl;

┌─name────────┬─type─────┬─default_type─┬─default_expression─┬─comment─┬─codec_expression─┬─ttl_expression─────────────────────┐
│ id          │ String   │              │                    │         │                  │                                    │
│ create_time │ DateTime │              │                    │         │                  │                                    │
│ code1       │ String   │              │                    │         │                  │ create_time + toIntervalMinute(10) │
│ code2       │ Int32    │              │                    │         │                  │ create_time + toIntervalSecond(15) │
└─────────────┴──────────┴──────────────┴────────────────────┴─────────┴──────────────────┴────────────────────────────────────┘

3.表级别 TTL

想要为整张表设置 TTL,需要在建表时设置表的 TTL 表达式

-- 建表设置表的 TTL
CREATE TABLE merge_table_ttl
(
    `id` String,
    `create_time` DateTime,
    `code1` String TTL create_time + INTERVAL 10 SECOND,
    `code2` UInt8 
)
ENGINE = MergeTree
PARTITION BY toYYYYMM(create_time)
ORDER BY id
TTL create_time + INTERVAL 15 SECOND;

-- 写入测试数据

insert into table merge_table_ttl values 
('A01',now(),'A01-code1','100'),
('A02',now() + INTERVAL 3 MINUTE,'A02-code1','99');

-- 查看数据,这是还没有过期数据
select * from merge_table_ttl;

┌─id──┬─────────create_time─┬─code1─────┬─code2─┐
│ A01 │ 2021-06-23 16:26:12 │ A01-code1 │   100 │
│ A02 │ 2021-06-23 16:29:12 │ A02-code1 │    99 │
└─────┴─────────────────────┴───────────┴───────┘

-- 强制清理 TTL 数据
optimize table merge_table_ttl final;

-- 查看数据,这时 code1 有一行数据过期,被还原成默认值
select * from merge_table_ttl;

┌─id──┬─────────create_time─┬─code1─────┬─code2─┐
│ A01 │ 2021-06-23 16:26:12 │           │   100 │
│ A02 │ 2021-06-23 16:29:12 │ A02-code1 │    99 │
└─────┴─────────────────────┴───────────┴───────┘

-- 强制清理 TTL 数据
optimize table merge_table_ttl final;

-- 查看数据,这时 A01 这行数据过期已经被删掉
select * from merge_table_ttl;

┌─id──┬─────────create_time─┬─code1─────┬─code2─┐
│ A02 │ 2021-06-23 16:29:12 │ A02-code1 │    99 │
└─────┴─────────────────────┴───────────┴───────┘

修改表级别的 TTL

alter table merge_table_ttl modify ttl create_time + INTERVAL 15 MINUTE;

4. TTL 运行原理

如果一张表被设置了 TTL,在写入数据时,会以数据分区为单位,在每个分区目录中生成一个 ttl.txt 的文件,如 merge_table_ttl 表即被设置了列级别的 TTL 也被设置了表级别的 TTL,那么每个分区目录都会生成 ttl.txt 文

cd /var/lib/clickhouse/data/db_merge/merge_table_ttl/202106_1_1_3

[root@node3 202106_1_1_3]# cat ttl.txt
ttl format version: 1
{"columns":[{"name":"code1","min":1624436962,"max":1624436962}],"table":{"min":1624436967,"max":1624436967}}

# 将上面的 json 格式化 并加上描述
# MergeTree 通过 json 结构的数据保存 ttl 的相关信息:
{
    "columns": [ # 用于保存 列级别的 TTL 信息
        {
            "name": "code1",
            "min": 1624436962,
            "max": 1624436962
        }
    ],
    "table": {# 用于保存 表级别的 TTL 信息
        "min": 1624436967,
        "max": 1624436967
    }
}

min 与 max 保存了当前分区内,TTL 指定日期字段的最大值,最小值分别与 INTERVAL 表达式计算后的时间戳。

如果将table 属性中的min 和 max 时间戳格式化,并分别与 create_time 的最大,最小取值作对比。

SELECT
    toDateTime('1624436967') AS ttl_min,
    toDateTime('1624436967') AS ttl_max,
    ttl_min - MIN(create_time) AS expire_min,
    ttl_max - MAX(create_time) AS expire_max
FROM merge_table_ttl

Query id: ad5dc6af-1f8c-41a2-829a-802ad702cfbe

┌─────────────ttl_min─┬─────────────ttl_max─┬─expire_min─┬─expire_max─┐
│ 2021-06-23 16:29:27 │ 2021-06-23 16:29:27 │         15 │         15 │
└─────────────────────┴─────────────────────┴────────────┴────────────┘

ttl.txt记录的 min,max 值恰好对应 create_time + INTERVAL 15 SECOND 的值。

MergeTree 处理 TTL 的大致逻辑如下:

  1. MergeTree 以分区目录为单位,通过 ttl.txt 文件记录过期时间,并将其作为后续判断依据
  2. 每当写入一批数据时,都会基于 INTERVAL 表达式的计算结果为这个分区生成 ttl.txt文件
  3. 只有在 MergeTree 分区合并时,才会触发删除过期数据的逻辑。
  4. 在删除数据时,会使用贪婪算法,算法规则是尽可能找到会最早过期的,同时年纪又最老的分区(合并次数最多,MaxBlockNum最大)
  5. 如果一个分区的某个字段因为 TTL 到期,导致数据被全部删除,那么合并分区时在生成新分区将不会创建该字段的数据文件(.mrk、.bin)

MergeTree 处理 TTL 的其他事项:

  1. TTL 的默认合并频率由MergeTree 的 merge_with_ttl_timeout 参数控制,默认 86400 秒,即 1 天,它维护一个专门的 TTL 队列。如果这个时间设置的过小会带来性能损耗。
  2. 除了被动触发 TTL,还可以使用optimize 命令强制触发合并。
--  触发一个分区的合并
optimize table table_name

-- 触发所有分区的合并
optimize table table_name final

Clickhouse 提供了控制全局 TTL 任务合并的方法,但是不能按照数据表停起

SYSTEM STOP/START MERGES

相关文章

最新文章

更多