20 道ClickHouse面试题。
ClickHouse快的本质是把单机性能压榨到极限:列式存储只读需要的列、向量化引擎批量处理数据、极致压缩减少磁盘IO、MergeTree稀疏索引跳过无用数据、多核并行+SIMD指令利用CPU每一个时钟周期。不是靠分布式堆机器快,而是靠单机…
ClickHouse列式存储的核心优势是少读列、高压缩、向量化友好,特别适合宽表聚合、实时看板、日志分析和明细筛选分析;但不适合高频单行更新、强事务和大量点查。…
ClickHouse 表引擎决定的是数据怎么存、怎么读、怎么写、是否支持复制、是否适合分布式查询;生产核心事实表优先选 MergeTree 家族,集群入口用 Distributed,流式接入常用 Kafka + 物化视图,临时或特殊场景再选…
MergeTree写入时把每个批次排序后落成不可变Part,查询时利用分区、排序键和稀疏索引跳过数据,后台再不断把小Part合并成大Part;它借鉴了LSM-Tree“先写不可变文件、后台合并”的思想,但面向列式分析和范围扫描优化。…
ClickHouse里ORDER BY决定数据在Part内的物理排序,Primary Key默认等于ORDER BY或是其前缀,稀疏索引按Primary Key每隔一批行记录一个标记;查询命中排序键前缀时,就能跳过大量Granule。…
在 ClickHouse 的 MergeTree 家族中,ORDER BY 定义排序键,决定数据在 Part 内的物理排列;PRIMARY KEY 定义稀疏主索引使用的表达式,不负责唯一性。省略 PRIMARY KEY 时默认使用 ORDE…
Partition 是按分区键划出的逻辑数据范围,Part 是每次写入或合并生成的不可变物理数据单元,Granule 是索引和读取的最小逻辑粒度,Mark 则记录 Granule 在列文件中的位置。完整关系可以记成:Table → Part…
ReplacingMergeTree 把更新写成新行,并在后台 Merge 时对 ORDER BY 值相同的行做版本替换;因为 Merge 是异步且不同 Part 不一定立刻合并,所以普通查询仍可能看到多个版本,需要按一致性要求使用 FIN…
SummingMergeTree 会在后台 Merge 时,对 ORDER BY 相同的行累加数值列,适合简单可加指标;AggregatingMergeTree 保存并合并 AggregateFunction 状态,能支持去重、分位数等复杂…
ClickHouse 的本地表负责真实存储和本地计算,Distributed 表负责把查询或写入路由到多个 shard 并汇总结果;生产通常是“每个节点建本地表,集群入口建 Distributed 表”,ETL 和局部维护多用本地表,跨分片…
Partition 是单个表内按规则把数据切成多个分区目录,常用于按时间裁剪和清理;Shard 是集群层面把数据分散到多台机器,解决存储容量、写入吞吐和查询并行度问题。…
ClickHouse副本机制通常由ReplicatedMergeTree实现,同一个Shard下多个Replica保存相同数据,通过Keeper/ZooKeeper记录复制日志、Part元数据和任务队列,副本之间拉取或合并Part来保持一致…
ClickHouse 复制表写入的核心流程是:某个副本先把数据写成本地 Part,再把复制日志写入 Keeper/ZooKeeper,其他副本监听日志后拉取缺失 Part;Leader 主要协调后台 merge、mutation 等任务,不…
ClickHouse 查询优化的核心是尽量少读列、少读分区、少读 Granule:分区裁剪先排除无关 Partition,ORDER BY 稀疏索引再跳过无关数据块,PREWHERE 先读取过滤列、筛出行后再读剩余列,三者配合才能把大表查询…
ClickHouse 大表 JOIN 优化的核心是少 JOIN、早过滤、小表广播、大表同分片、热点 key 拆散;能预宽表或字典化就别现场大 JOIN,必须 JOIN 时先压缩行列、选择合适 JOIN 算法,分布式场景要特别控制 GLOBA…
ClickHouse 物化视图本质是插入触发的数据转换管道,新数据写入源表时自动把查询结果写到目标表;冷热数据分离通常用 Storage Policy + TTL MOVE TO VOLUME/DISK,让新数据留在 SSD 热盘,老数据自…
Projection 是附属于主表、随 Part 一起维护并由优化器透明选择的隐藏数据表示,适合给同一张表增加排序路径或预聚合;物化视图是写入触发或定时刷新的一条数据转换管道,结果进入独立目标表,适合跨结构加工、长期汇总和独立服务。…
ClickHouse MergeTree 每次写入都会生成新的 Part,小批量高频写入会让 Part 数量暴涨,导致后台 Merge 跟不上、查询打开文件变多、磁盘 IO 和 CPU 被合并任务吃掉,严重时触发 Too many part…
minmax 保存索引块的最小值和最大值,适合范围条件且数据局部有序;set 保存有限个不同值,适合块内基数较低的等值或 IN;Bloom Filter 用概率结构判断某值是否可能存在,适合高基数等值、数组或文本 token 查询。选择标准…
ClickHouse 的底层 Part 不可变:传统 ALTER TABLE ... UPDATE/DELETE 会异步生成新 Part,属于重型 Mutation;轻量 DELETE 通过 rowexists 掩码隐藏行,轻量 UPDAT…