performance - ClickHouse物化视图生成太慢
问题描述
我们将原始事件收集到 ClickHouse 表中。表结构:
CREATE TABLE IF NOT EXISTS raw_events
(
owner_id UInt32,
user_id UInt32,
event_datetime DateTime,
event_type_id UInt8,
unique_id FixedString(18),
data String,
attr_1 UInt32,
attr_2 UInt32
)
engine = MergeTree PARTITION BY toYYYYMMDD(event_datetime)
ORDER BY (owner_id, user_id, event_type_id, event_datetime);
目前raw_events表包含120000000 (120M) 行。
我们的目标是向我们的用户展示这些事件的一些汇总统计信息,因此我们创建了一个物化视图:
CREATE MATERIALIZED VIEW test
ENGINE = AggregatingMergeTree() PARTITION BY (date)
ORDER BY (owner_id, user_id, date)
AS SELECT
toYYYYMMDD(event_datetime) as date,
owner_id,
user_id,
multiIf(
event_type_id == 1, 10,
event_type_id == 2, 20,
event_type_id == 3, 30,
event_type_id == 4, 40,
event_type_id == 32, 50,
event_type_id >= 64, 60,
0
) as status,
attr_1,
attr_2,
COUNT() as count,
COUNT(DISTINCT unique_id) as unique_count
FROM raw_events
GROUP BY owner_id, user_id, date, status, attr_1, attr_2
ORDER BY owner_id, user_id, date;
如果我们单独运行选择查询,生成单个 owner_id 的响应大约需要 1 秒。但是为同一个选择创建一个物化视图需要太多时间。在执行创建物化视图查询后,它只生成了200 条记录,并且花了大约 10 分钟。因此,为当前的 120M 记录表完全构建视图似乎需要几天时间。
我错过了什么?也许订单/组子句有一些技巧可以让它运行得更快?目前,我只运行 select+group 查询而不是使用物化视图要容易得多。
附加问题:有没有办法检查现有表的物化视图构建进度?
解决方案
- AggregatingMergeTree --
ORDER BY
用作折叠规则。 - AggregatingMergeTree -- 必须与 AggregateFunctions + -State + -Merge 组合器一起使用
- ORDER BY -- 过多
CREATE MATERIALIZED VIEW test
ENGINE = AggregatingMergeTree() PARTITION BY (date)
ORDER BY (owner_id, user_id, date, status, attr_1, attr_2) ---<<<<<<<<<<<<<<<<<<<<-----------
AS SELECT
toYYYYMMDD(event_datetime) as date,
owner_id,
user_id,
multiIf(
event_type_id == 1, 10,
event_type_id == 2, 20,
event_type_id == 3, 30,
event_type_id == 4, 40,
event_type_id == 32, 50,
event_type_id >= 64, 60,
0
) as status,
attr_1,
attr_2,
countState() as count, ---<<<<<<<<<<<<<<<<<<<<-----------
uniqState(unique_id) as unique_count ---<<<<<<<<<<<<<<<<<<<<-----------
FROM raw_events
GROUP BY owner_id, user_id, date, status, attr_1, attr_2
https://gist.github.com/den-crane/a72614fbe6d23eb9c2f1bce40c66893f
https://gist.github.com/den-crane/49ce2ae3a688651b9c2dd85ee592cb15
https://den-crane.github.io/Everything_you_should_know_about_materialized_views_commented.pdf
推荐阅读
- html - H1 元素的宽度
- javascript - Vue - 当 vuex 存储中的值更改时删除侦听器
- python - Python - 如何捕获 Windows 通知按钮按下事件
- git - GitHub:如何在不使用“子模块”的情况下保留作为子目录添加的存储库的历史记录?
- android - 如何正确使用 build.gradle 中的 resValue?
- openvpn - 通过 CLI 设置 OPENVPN _AS 默认组和子网
- pandas - pandas dataframe groupby 然后应用函数
- angular - 可观察:在添加新项目后处理数组中的项目而不重新开始
- sharepoint - Sharepoint 访问令牌未获取范围
- plotly - 在 Plotly/Dash 下拉列表中添加“全选”选项