ClickHouse 数据表的增删改(五)

本文来源： (https://www.cnblogs.com/traditional/p/15218565.html)

增

跟绝大部分关系型数据库一样，ClickHouse 使用 INSERT 语句进行数据的插入。并且 INSERT语句支持三种语法范式，三种范式各有不同，可以根据写入的需求灵活运用。

其中，第一种是使用 VALUES 格式的常规语法：

1 2	-- 中括号表示里面的内容可以省略 INSERT INTO [db.]table_name [(col1, col2, col3...)] VALUES (val1, val2, val3, ...), (val1, val2, val3, ...), ...

这个和其它关系型数据库没什么两样，就不赘述了。

在使用 VALUES 格式的语法写入数据时，还支持加入表达式或函数，例如：

1	INSERT INTO partizion_v2 VALUES('matsuri', toString(1+2), now())

第二种是使用指定格式的语法：

1	INSERT INTO [db.]table_name [(col1, col2, col3...)] FORMAT format_name data_set

ClickHouse 支持多种数据格式，以常用的 CSV 格式写入为例：

INSERT INTO partition_v2 FORMAT CSV \
	'mea', 'www.mea.com', '2019-01-01'
	'nana', 'www.nana.com', '2019-02-01'
	'matsuri', 'www.matsuri.com', '2019-03-01'

第三种是使用 SELECT 子句形式的语法：

1	INSERT INTO [db.]table_name [(col1, col2, col3...)] SELECT ...

通过 SELECT 子句可将查询结果写入数据表，假设需要将 partition_v1 的数据写入 partition_v2，则可以使用下面的语句：

1	INSERT INTO partition_v2 SELECT * FROM partition_v1

当然也可以这么做：

1 2	-- 加入表达式也是可以的，比如这里的 now() INSERT INTO partition_v2 SELECT 'aqua', 'www.aqua.com', now()

虽然 VALUES 和 SELECT 子句的形式都支持声明表达式或函数，但是表达式或函数会带来额外的性能开销，从而导致写入性能下降。所以如果追求极致的写入性能，应该尽量避免使用它们。

在前面曾介绍过，ClickHouse 内部所有的数据操作都是面向 Block 数据块的，所以 INSERT 查询最终会将数据转换为 Block 数据块。也正因为如此，INSERT 语句在单个数据块的写入过程中是具有原子性的。在默认情况下，每个数据块最多可以写入 1048576 条数据（由 max_insert_block_size 参数控制）。也就是说，如果一条 INSERT 语句写入的数据行数少于 max_insert_block_size，那么这批数据的写入是具有原子性的，要么全部成功，要么全部失败。但是需要注意的是，只有在 ClickHouse 服务端处理数据的时候才具有这种原子写入的特性，例如使用 HTTP 接口，因为 max_insert_block_size 参数在使用 CLI 命令行或者 INSERT SELECT 子句写入时是不生效的。

删除与修改

ClickHouse 提供了 DELETE 和 UPDATE 的能力，这类操作被称为 Mutation 查询，它可以看作 ALTER 语句的变种。虽然 Mutation 能最终实现修改和删除，但不能完全以通常意义上的 UPDATE 和 DELETE 来理解，我们必须清醒地认识到它的不同。首先，Mutation 语句是一种 “很重” 的操作，更适用于批量数据的修改和删除；其次，它不支持事务，一旦语句被提交执行，就会立刻对现有数据造成影响，无法回滚；最后，Mutation 语句的执行是一个异步的后台过程，语句被提交之后就会立即返回。所以这并不代表具体逻辑已经执行完毕，它的具体执行进度需要通过 system.mutations 系统表查询。

DELETE 语句的完整语法如下所示：

1	ALTER TABLE [db_name.]table_name DELETE WHERE filter_expr

数据删除的范围由 WHERE 查询子句决定。例如，执行下面语句可以删除 partition_v2 表内所有 ID 等于 ‘xxx’ 的数据：

1	ALTER TABLE partition_v2 DELETE WHERE ID ='xxx'

如果数据很少的话，那么 DELETE 操作给人的感觉和常用的 OLTP 数据库无异，但我们心中应该要明白这是一个异步的后台执行动作。

下面我们来实际删除数据，就以 partition_v1 为例吧，先来看看对应目录（/var/lib/clickhouse/data/default/partition_v1）里面的内容：

执行该语句：ALTER TABLE partition_v1 DELETE WHERE ID =’xxx’ 进行数据删除，执行完之后再看一下目录结构：

可以发现，在执行了 DELETE 操作后数据目录发生了一些变化，每一个原有的数据目录都额外增加了一个同名目录，并且在末尾处增加了 _3 后缀。此外，目录下还多了一个名为 mutation_3.txt 文件，里面的内容如下：

[root@satori partition_v1]# cat mutation_3.txt
format version: 1
create time: 2021-08-16 14:55:41
commands: DELETE WHERE ID = \'xxx\'
[root@satori partition_v1]#

原来 mutation3.txt 是一个日志文件，它完整地记录了这次 DELETE 操作的执行语句和时间，而文件名的后缀 _3 与新增目录的后缀对应。那么后缀的数字从何而来呢？继续查询 system.mutations 系统表，一探究竟：

1	SELECT database, table, mutation_id, block_numbers.number as num, is_done FROM system .mutations

至此，整个 Mutation 操作的逻辑就比较清晰了。每执行一条 ALTER DELETE 语句，都会在 mutations 系统表中生成一条对应的执行计划，当 is_done 等于 1 时表示执行完毕。与此同时，在数据表的根目录下，会以 mutation_id 作为名字生成与之对应的日志文件用于记录相关信息。而数据删除的过程是以数据表的每个分区目录为单位，将所有目录重写为新的目录，新目录的命名规则是在原有名称上加上 system.mutations.block_numbers.number。数据在重写的过程中会将需要删除的数据去掉，旧的数据目录并不会立即删除，而是会被标记成非激活状态（active 为 0）。等到 MergeTree 引擎的下一次合并动作触发时，这些非激活目录才会被真正从物理意义上删除。

数据修改除了需要指定具体的要更新的列字段之外，整个逻辑与数据删除别无二致，它的完整语法如下所示：

1	ALTER TABLE [db_name.]table_name UPDATE column1 = expr1 [, ...] WHERE filter_expr

UPDATE 支持在一条语句中同时定义多个修改字段，但是分区键和主键不能作为修改字段。