Lanson

V1

2022/11/04阅读:11主题:丘比特忙

大数据ClickHouse进阶(十八):数据字典类型

数据字典类型

在创建字典表语句中使用“layout”来指定字典的类型,目前扩展字典支持7种类型,分别为flat、hashed、range_hashed、cache、complex_key_hashed、complex_key_cache、ip_trie,不同的字典类型决定了数据在内存中以何种结构组织和存储。

扩展字典根据使用时传入的条件不同,可以划分为两类:

  • 支持单个数值型条件(条件类型必须是UInt64)

flat、hashed、range_hashed、cache

  • 支持复合条件

complex_key_hashed、complex_key_cache、ip_trie

下面分别介绍以上不同字典类型配置使用。

一、flat

flat字典是所有类型中性能最高的字典类型,只能使用UInt64数值型key。flat字典在内存中使用数组结构保存,默认最多保存50万行数据,如果在创建字典时数据量超出上限,则创建失败。

flat数据字典使用如下:

#创建flat数据字典
CREATE DICTIONARY flat_dic_test(
local_id UInt64,
local_name String
)
primary key local_id
SOURCE(ClickHouse(
 HOST 'node1'
 PORT 9000
 USER 'default'
 TABLE 'loc_info'
 PASSWORD ''
 DB 'dic_test_db'
 ))
LIFETIME (MIN 1 MAX 10)
LAYOUT(FLAT());

#使用flat字典表
select dictGet('dic_test_db.flat_dic_test','local_name',toUInt64(100)) as local_name;

┌─local_name─┐
│ 北京       │
└────────────┘

二、hashed

hashed字典同样只能够使用UInt64数值型key,与flat不同的是hashed字典在内存中通过散列结构保存,没有存储上限。

三、range_hashed

range_hashed字典可以看做hashed字典的变种,在原有功能的基础上增加了指定时间区间的特性,数据会以散列结构存储并按照时间排序。时间区间通过range_min和range_max元素指定,创建range_hashed字典表时必须指定Range时间范围且起始结束字段必须是Date或者DateTime类型。

range_hashed字典表使用案例如下:

#创建普通表 rate表,表中四列代表:用户、开始时间、结束时间、优惠金额
create table rate(id UInt64, start Date, end Date, discount Float32) ENGINE=MergeTree() order by id;

#向表rate中插入如下数据
insert into rate values (111'2021-11-01''2021-11-03'100),(111'2021-11-04''2021-11-20'200),(222'2021-11-10''2021-11-12',300);

#创建range_hashed字典表
CREATE DICTIONARY hash_range_dic_test (
    id UInt64,
    start Date,
    end Date,
    discount Float32
)
PRIMARY KEY id
SOURCE(ClickHouse(
    host 'node1'
    port 9000
    user 'default'
    db 'dic_test_db'
    password ''
    table 'rate'
))
LAYOUT(RANGE_HASHED())
RANGE(MIN start MAX end)
LIFETIME(30);

#使用range_dic查询数据
select dictGetFloat32('dic_test_db.hash_range_dic_test''discount', toUInt64(111), toDate('2021-11-02')) as discount;
┌─discount─┐
│      100 │
└──────────┘

select dictGetFloat32('dic_test_db.hash_range_dic_test''discount', toUInt64(111), toDate('2021-11-19')) as discount;
┌─discount─┐
│      200 │
└──────────┘

select dictGetFloat32('dic_test_db.hash_range_dic_test''discount', toUInt64(222), toDate('2021-11-20')) AS discount;
┌─discount─┐
│        0 │
└──────────┘

注意:以上我们查询对应数据时,需要多传入一个时间参数,dictGet函数会根据数据找到传入条件所属范围,找到对应的值返回。

四、cache

cache字典只能够使用UInt64数值类型的key,该字典数据在内存中通过固定长度的向量数组保存,定长的向量数组又称cells,在创建cache字典表时需要指定向量数组长度,长度必须是2的整数倍,若不是,会自动向上取2的整数倍的整数。

cache字典用于一些数据不适合长期存放在内存,但是频繁访问的数据需要放在内存的场景。cache字典的取数并不是一次性将所有数据加载到内存中,当从cache字典中获取数据时,首先在cells中查询有没有该数据缓存,没有就会从源头加载数据并缓存到cells中,所以cache性能最不稳定,性能好坏完全取决于缓存的命中率,建议少使用此类型字典。

cache字典表使用案例如下:

#创建cache数据字典
CREATE DICTIONARY cache_dic_test(
local_id UInt64,
local_name String
)
primary key local_id
SOURCE(ClickHouse(
 HOST 'node1'
 PORT 9000
 USER 'default'
 TABLE 'loc_info'
 PASSWORD ''
 DB 'dic_test_db'
 ))
LIFETIME (MIN 1 MAX 10)
LAYOUT(CACHE(SIZE_IN_CELLS 100000));

#使用cache字典表
select dictGet('dic_test_db.cache_dic_test','local_name',toUInt64(100)) as local_name;
┌─local_name─┐
│ 北京       │
└────────────┘

五、complex_key_hashed

complex_key_hashed字典在功能方面与hashed字典完全相同,只是将当个数值型key替换成了复合型。

complex_key_hashed使用案例如下:

#创建普通表 student_info
create table student_info(
id UInt64,
code String,
name String,
age UInt8
)engine=MergeTree()
order by id;

#向表student_info中插入数据
insert into student_info values (1,'001','张三',18),(2,'002','李四',19),(3,'003','王五',20);

#创建complex_key_hashed 字典表
CREATE DICTIONARY complex_key_hashed_dic_test
(
    id UInt64,
    code String,
    name String,
    age UInt8
)
PRIMARY KEY id,code
SOURCE(ClickHouse(
    host 'node1'
    port 9000
    user 'default'
    db 'dic_test_db'
    password ''
    table 'student_info'
))
LAYOUT(COMPLEX_KEY_HASHED())
LIFETIME(30);

#使用complex_key_hashed字典表查询数据
SELECT dictGet('dic_test_db.complex_key_hashed_dic_test''name', tuple(toUInt64(2), '002')) AS name;
┌─name─┐
│ 李四 │
└──────┘

注意:使用complex_key_hashed字典表时传入条件key时,格式为tuple,tuple中到底传入几个参数,需要与创建该字典时指定的primary key顺序一样。

六、​​​​​​​​​​​​​​complex_key_cache

complex_key_cache字典同样与cache字典的特性完全相同,只是将单个数值型key替换成了复合型。

complex_key_cache使用案例如下:

#创建complex_key_cache字典表
CREATE DICTIONARY complex_key_cache_dic_test
(
    id UInt64,
    code String,
    name String,
    age UInt8
)
PRIMARY KEY id,age
SOURCE(ClickHouse(
    host 'node1'
    port 9000
    user 'default'
    db 'dic_test_db'
    password ''
    table 'student_info'
))
LAYOUT(COMPLEX_KEY_CACHE(SIZE_IN_CELLS 100000))
LIFETIME(30);

#使用complex_key_cache字典表查询
SELECT dictGet('dic_test_db.complex_key_cache_dic_test''name', tuple(toUInt64(3), 20)) AS name;
┌─name─┐
│ 王五 │
└──────┘

七、ip_trie

ip_trie为复合型key的字典,但是比较特殊,因为在查询时只能在tuple中指定单个字段,用于指代IP前缀,ip_trie字典的数据在内存中使用trie树结构保存,此字典专门用于IP前缀查询的场景,例如通过IP前缀查询对应的ASN信息。

扩展:ASN(Autonomous System Number)是为每个大型网络分配的编号,该编号全球唯一。通过查询IP地址隶属的ASN编号,可以了解该IP地址隶属的网络运营商,以及大致的地址位置。

ip_trie字典表使用案例如下:

创建IP信息表
create table ip_info(prefix String, asn UInt32, ccode String) ENGINE=TinyLog;

#向表ip_info中插入数据
insert into ip_info values
('192.168.179.1',11223,'NP')
('192.168.179.2',11224,'US')
('192.168.179.3',11225,'RU')
('192.168.179.4',11226,'CN')
;

#创建ip_tire字典表
CREATE DICTIONARY ip_tire_dict_test (
    prefix String,
    asn UInt32,
    ccode String
)
PRIMARY KEY prefix
SOURCE(ClickHouse(
    host 'node1'
    port 9000
    user 'default'
    db 'dic_test_db'
    password ''
    table 'ip_info'
))
LAYOUT(IP_TRIE())
LIFETIME(30);

#使用ip_tire字典表查询数据
select dictGetUInt32('dic_test_db.ip_tire_dict_test''asn', tuple(IPv4StringToNum('192.168.179.3'))) as asn,dictGet('dic_test_db.ip_tire_dict_test''ccode', tuple(IPv4StringToNum('192.168.179.3'))) as ccode;

┌───asn─┬─ccode─┐
│ 11225 │ RU    │
└───────┴───────┘

分类:

后端

标签:

大数据

作者介绍

Lanson
V1

CSDN大数据领域博客专家