文章目录
- 日志系列引擎
- 日志引擎的特性
- 共同点
- 不同点
- TinyLog 引擎
- 示例
- StripeLog 引擎
- 示例
- Log 引擎
- 示例
- 总结
日志系列引擎
这些引擎是为了需要写入许多小数据量(少于一百万行)的表的场景而开发的。
这系列的引擎有:
- StripeLog
- Log
- TinyLog
日志引擎的特性
共同点
- 数据存储在磁盘上。
- 写入时将数据追加在文件末尾。
- 不支持突变操作。
- 不支持索引。这意味着
SELECT
在范围查询时效率不高。 - 非原子地写入数据。 如果某些事情破坏了写操作,例如服务器的异常关闭,你将会得到一张包含了损坏数据的表。
不同点
Log
和 StripeLog
引擎支持:
并发写入数据。
INSERT
请求执行过程中表会被锁定,并且其他的读写数据的请求都会等待直到锁定被解除。如果没有写数据的请求,任意数量的读请求都可以并发执行。
并行读取数据。
在读取数据时,ClickHouse 使用多线程。 每个线程处理不同的数据块。
Log
引擎为表中的每一列使用不同的文件。StripeLog
将所有的数据存储在一个文件中。因此 StripeLog
引擎在操作系统中使用更少的描述符,但是 Log
引擎提供更高的读性能。
TinyLog
引擎是该系列中最简单的引擎并且提供了最少的功能和最低的性能。TinyLog
引擎不支持并行读取和并发写入数据,并将每一列存储在不同的文件中。它比其余两种支持并行读取的引擎的读取速度更慢,并且使用了和 Log
引擎同样多的描述符。你可以在简单的低负载的情景下使用它。
TinyLog 引擎
最简单的表引擎,用于将数据存储在磁盘上。每列都存储在单独的压缩文件中。写入时,数据将附加到文件末尾。
并发数据访问不受任何限制:
- 如果同时从表中读取并在不同的查询中写入,则读取操作将抛出异常
- 如果同时写入多个查询中的表,则数据将被破坏。
这种表引擎的典型用法是 write-once:首先只写入一次数据,然后根据需要多次读取。查询在单个流中执行。换句话说,此引擎适用于相对较小的表(建议最多1,000,000行)。如果您有许多小表,则使用此表引擎是适合的,因为它比Log引擎更简单(需要打开的文件更少)。当您拥有大量小表时,可能会导致性能低下,但在可能已经在其它 DBMS 时使用过,则您可能会发现切换使用 TinyLog 类型的表更容易。不支持索引。
在 Yandex.Metrica 中,TinyLog 表用于小批量处理的中间数据。
示例
创建表
CREATE TABLE test_tbl_tinylog
(
timestamp DateTime,
message_type String,
message String
)
ENGINE = TinyLog
插入数据
INSERT INTO test_tbl_tinylog VALUES (now(),'REGULAR','The first regular message');
INSERT INTO test_tbl_tinylog VALUES (now(),'REGULAR','The second regular message');
INSERT INTO test_tbl_tinylog VALUES (now(),'WARNING','The first warning message');
查询数据 select * from test_tbl_tinylog;
┌───────────timestamp─┬─message_type─┬─message────────────────────┐
│ 2022-09-15 07:49:21 │ REGULAR │ The first regular message │
│ 2022-09-15 07:49:22 │ REGULAR │ The second regular message │
│ 2022-09-15 07:49:23 │ WARNING │ The first warning message │
└─────────────────────┴──────────────┴────────────────────────────┘
从这里就可以看出数据存在在一个data part 里面,所以也没有办法很好的并发,而且数据文件里面没有mark 文件
而且每列都有自己的.bin文件
StripeLog 引擎
该引擎属于日志引擎系列,在你需要写入许多小数据量(小于一百万行)的表的场景下使用这个引擎。
StripeLog
引擎将所有列存储在一个文件中。对每一次 Insert
请求,ClickHouse 将数据块追加在表文件的末尾,逐列写入。
ClickHouse 为每张表写入以下文件:
-
data.bin
— 数据文件。 -
index.mrk
— 带标记的文件。标记包含了已插入的每个数据块中每列的偏移量。
StripeLog
引擎不支持 ALTER UPDATE
和 ALTER DELETE
操作。
带标记的文件使得 ClickHouse 可以并行的读取数据。这意味着 SELECT
请求返回行的顺序是不可预测的。使用 ORDER BY
子句对行进行排序
示例
建表
CREATE TABLE test_tbl_stripe_log
(
timestamp DateTime,
message_type String,
message String
)
ENGINE = StripeLog
插入数据:
INSERT INTO test_tbl_stripe_log VALUES (now(),'REGULAR','The first regular message')
INSERT INTO test_tbl_stripe_log VALUES (now(),'REGULAR','The second regular message'),(now(),'WARNING','The first warning message')
我们使用两次 INSERT
请求从而在 data.bin
文件中创建两个数据块。
ClickHouse 在查询数据时使用多线程。每个线程读取单独的数据块并在完成后独立的返回结果行。这样的结果是,大多数情况下,输出中块的顺序和输入时相应块的顺序是不。
SELECT * FROM test_tbl_stripe_log
查询结果,很明显和我们的插入顺序不一致
┌───────────timestamp─┬─message_type─┬─message────────────────────┐
│ 2022-09-15 07:17:48 │ REGULAR │ The second regular message │
│ 2022-09-15 07:17:48 │ WARNING │ The first warning message │
└─────────────────────┴──────────────┴────────────────────────────┘
┌───────────timestamp─┬─message_type─┬─message───────────────────┐
│ 2022-09-15 07:17:46 │ REGULAR │ The first regular message │
└─────────────────────┴──────────────┴───────────────────────────┘
这个时候我们可以对数据进行排序
SELECT * FROM test_tbl_stripe_log order by timestamp;
┌───────────timestamp─┬─message_type─┬─message───────────────────┐
│ 2022-09-15 07:17:46 │ REGULAR │ The first regular message │
└─────────────────────┴──────────────┴───────────────────────────┘
┌───────────timestamp─┬─message_type─┬─message────────────────────┐
│ 2022-09-15 07:17:48 │ REGULAR │ The second regular message │
│ 2022-09-15 07:17:48 │ WARNING │ The first warning message │
└─────────────────────┴──────────────┴────────────────────────────┘
我们看一下数据目录
由于我们是用docker部署的,所以我们进入到容器目录下面,我们发现只有一个data.bin
文件,也就是所有的列都放在一起
Log 引擎
Log
与 TinyLog
的不同之处在于,mark文件与列文件存在一起。这些标记写在每个数据块上,并且包含偏移量,这些偏移量指示从哪里开始读取文件以便跳过指定的行数。这使得可以在多个线程中读取表数据。对于并发数据访问,可以同时执行读取操作,而写入操作则阻塞读取和其它写入。
Log
引擎不支持索引。同样,如果写入表失败,则该表将被破坏,并且从该表读取将返回错误。Log
引擎适用于临时数据,write-once 表以及测试或演示目的。
示例
建表
CREATE TABLE test_tbl_log
(
timestamp DateTime,
message_type String,
message String
)
ENGINE = Log
插入数据
INSERT INTO test_tbl_log VALUES (now(),'REGULAR','The first regular message');
INSERT INTO test_tbl_log VALUES (now(),'REGULAR','The second regular message');
INSERT INTO test_tbl_log VALUES (now(),'WARNING','The first warning message');
查询select * from test_tbl_log;
┌───────────timestamp─┬─message_type─┬─message────────────────────┐
│ 2022-09-15 07:39:30 │ REGULAR │ The second regular message │
└─────────────────────┴──────────────┴────────────────────────────┘
┌───────────timestamp─┬─message_type─┬─message───────────────────┐
│ 2022-09-15 07:39:26 │ REGULAR │ The first regular message │
└─────────────────────┴──────────────┴───────────────────────────┘
┌───────────timestamp─┬─message_type─┬─message───────────────────┐
│ 2022-09-15 07:39:31 │ WARNING │ The first warning message │
└─────────────────────┴──────────────┴───────────────────────────┘
我们查看数据目录,发现有三个.bin
文件,也就是每一列使用不同的文件
总结
日志系列引擎一般用的不多,使用场景主要是中间表数据
日志引擎 | 是否支持并发 | 数据文件是否按列划分文件 | 是否有Mark |
Log | 是 | 是 | 是 |
TinyLog | 否 | 是 | 否 |
StripeLog | 是 | 否 | 是 |