跳至主要内容

使用 TTL (生存时间) 管理数据

TTL 概述​

TTL（生存时间）是指在经过一定时间间隔后移动、删除或汇总行或列的功能。虽然“生存时间”这个词听起来只适用于删除旧数据，但 TTL 有多种用例

  • 删除旧数据：毫无疑问，您可以在指定的时间间隔后删除行或列
  • 在磁盘之间移动数据：经过一段时间后，您可以在存储卷之间移动数据——这对于部署热/温/冷架构非常有用
  • 数据汇总：在删除旧数据之前，将其汇总成各种有用的聚合和计算结果
注意

TTL 可以应用于整个表或特定列。

TTL 语法​

TTL 子句可以出现在列定义之后和/或表定义的末尾。使用 INTERVAL 子句定义时间长度（需要为 Date 或 DateTime 数据类型）。例如，下表有两个带有 TTL 子句的列

CREATE TABLE example1 (
   timestamp DateTime,
   x UInt32 TTL timestamp + INTERVAL 1 MONTH,
   y String TTL timestamp + INTERVAL 1 DAY,
   z String
)
ENGINE = MergeTree
ORDER BY tuple()
  • x 列的生存时间是从 timestamp 列开始的 1 个月
  • y 列的生存时间是从 timestamp 列开始的 1 天
  • 当时间间隔过去后，列就会过期。ClickHouse 会将列值替换为其数据类型的默认值。如果数据部分中的所有列值都过期，ClickHouse 会从文件系统中的数据部分删除此列。
注意

TTL 规则可以更改或删除。有关更多详细信息，请参阅表 TTL 操作页面。

触发 TTL 事件​

过期行的删除或聚合不是立即发生的——它只在表合并期间发生。如果您有一个未积极合并的表（无论出于何种原因），则有两个设置可以触发 TTL 事件

  • merge_with_ttl_timeout：重复执行带有删除 TTL 的合并之前的最短延迟时间（秒）。默认值为 14400 秒（4 小时）。
  • merge_with_recompression_ttl_timeout：重复执行带有重新压缩 TTL（在删除之前汇总数据的规则）的合并之前的最短延迟时间（秒）。默认值：14400 秒（4 小时）。

因此，默认情况下，您的 TTL 规则至少每 4 小时应用一次到您的表。如果您需要更频繁地应用 TTL 规则，只需修改上述设置即可。

注意

这不是一个很好的解决方案（或者我们建议您经常使用的解决方案），但您也可以使用 OPTIMIZE 强制合并

OPTIMIZE TABLE example1 FINAL

OPTIMIZE 会初始化表部分的非计划合并，而 FINAL 会在您的表已经是单个部分时强制重新优化。

删除行​

要在经过一定时间后从表中删除整个行，请在表级别定义 TTL 规则

CREATE TABLE customers (
timestamp DateTime,
name String,
balance Int32,
address String
)
ENGINE = MergeTree
ORDER BY timestamp
TTL timestamp + INTERVAL 12 HOUR

此外，还可以根据记录的值定义 TTL 规则。这可以通过指定 where 条件轻松实现。允许多个条件

CREATE TABLE events
(
    `event` String,
    `time` DateTime,
    `value` UInt64
)
ENGINE = MergeTree
ORDER BY (event, time)
TTL time + INTERVAL 1 MONTH DELETE WHERE event != 'error',
    time + INTERVAL 6 MONTH DELETE WHERE event = 'error'

删除列​

假设您只想让 balance 和 address 列过期，而不是删除整行。让我们修改 customers 表，并为这两个列添加 2 小时的 TTL

ALTER TABLE customers
MODIFY COLUMN balance Int32 TTL timestamp + INTERVAL 2 HOUR,
MODIFY COLUMN address String TTL timestamp + INTERVAL 2 HOUR

实现汇总​

假设我们希望在一定时间后删除行，但保留一些数据以用于报告目的。我们不需要所有详细信息——只需要一些历史数据的聚合结果即可。这可以通过在 TTL 表达式中添加 GROUP BY 子句以及表中的一些列来存储聚合结果来实现。

假设在下表 hits 中，我们希望删除旧行，但在删除行之前保留 hits 列的总和和最大值。我们需要一个字段来存储这些值，并且需要在 TTL 子句中添加一个 GROUP BY 子句来汇总总和和最大值

CREATE TABLE hits (
   timestamp DateTime,
   id String,
   hits Int32,
   max_hits Int32 DEFAULT hits,
   sum_hits Int64 DEFAULT hits
)
ENGINE = MergeTree
PRIMARY KEY (id, toStartOfDay(timestamp), timestamp)
TTL timestamp + INTERVAL 1 DAY
    GROUP BY id, toStartOfDay(timestamp)
    SET
        max_hits = max(max_hits),
        sum_hits = sum(sum_hits);

关于 hits 表的一些说明

  • TTL 子句中的 GROUP BY 列必须是 PRIMARY KEY 的前缀，并且我们希望按日期开始对结果进行分组。因此，toStartOfDay(timestamp) 已添加到主键中
  • 我们添加了两个字段来存储聚合结果：max_hits 和 sum_hits
  • 根据 SET 子句的定义方式，将 max_hits 和 sum_hits 的默认值设置为 hits 是必要的

实现热/温/冷架构​

注意

如果您使用的是 ClickHouse Cloud，则本课程中的步骤不适用。您无需担心在 ClickHouse Cloud 中移动旧数据。

处理大量数据时，常见的做法是随着数据变得越来越旧而将其移动。以下是使用 TTL 命令的 TO DISK 和 TO VOLUME 子句在 ClickHouse 中实现热/温/冷架构的步骤。（顺便说一下，它不一定是热和冷——您可以使用 TTL 移动数据以满足您的任何用例。）

  1. TO DISK 和 TO VOLUME 选项指的是在 ClickHouse 配置文件中定义的磁盘或卷的名称。创建一个名为 my_system.xml（或任何文件名）的新文件以定义您的磁盘，然后定义使用您的磁盘的卷。将 XML 文件放在 /etc/clickhouse-server/config.d/ 中以使配置应用于您的系统
<clickhouse>
    <storage_configuration>
        <disks>
            <default>
            </default>
           <hot_disk>
              <path>./hot/</path>
           </hot_disk>
           <warm_disk>
              <path>./warm/</path>
           </warm_disk>
           <cold_disk>
              <path>./cold/</path>
           </cold_disk>
        </disks>
        <policies>
            <default>
                <volumes>
                    <default>
                        <disk>default</disk>
                    </default>
                    <hot_volume>
                        <disk>hot_disk</disk>
                    </hot_volume>
                    <warm_volume>
                        <disk>warm_disk</disk>
                    </warm_volume>
                    <cold_volume>
                        <disk>cold_disk</disk>
                    </cold_volume>
                </volumes>
            </default>
        </policies>
    </storage_configuration>
</clickhouse>
  1. 上述配置引用了三个指向 ClickHouse 可以读取和写入的文件夹的磁盘。卷可以包含一个或多个磁盘——我们为这三个磁盘中的每一个定义了一个卷。让我们查看磁盘
SELECT name, path, free_space, total_space
FROM system.disks
┌─name────────┬─path───────────┬───free_space─┬──total_space─┐
│ cold_disk   │ ./data/cold/   │ 179143311360 │ 494384795648 │
│ default     │ ./             │ 179143311360 │ 494384795648 │
│ hot_disk    │ ./data/hot/    │ 179143311360 │ 494384795648 │
│ warm_disk   │ ./data/warm/   │ 179143311360 │ 494384795648 │
└─────────────┴────────────────┴──────────────┴──────────────┘
  1. 并且……让我们验证卷
SELECT
    volume_name,
    disks
FROM system.storage_policies
┌─volume_name─┬─disks─────────┐
│ default     │ ['default']   │
│ hot_volume  │ ['hot_disk']  │
│ warm_volume │ ['warm_disk'] │
│ cold_volume │ ['cold_disk'] │
└─────────────┴───────────────┘
  1. 现在，我们将添加一个 TTL 规则，该规则将在热、温、冷卷之间移动数据
ALTER TABLE my_table
   MODIFY TTL
      trade_date TO VOLUME 'hot_volume',
      trade_date + INTERVAL 2 YEAR TO VOLUME 'warm_volume',
      trade_date + INTERVAL 4 YEAR TO VOLUME 'cold_volume';
  1. 新的 TTL 规则应该会实现，但您可以强制执行以确保
ALTER TABLE my_table
    MATERIALIZE TTL
  1. 使用 system.parts 表验证您的数据是否已移动到预期的磁盘
Using the system.parts table, view which disks the parts are on for the crypto_prices table:

SELECT
    name,
    disk_name
FROM system.parts
WHERE (table = 'my_table') AND (active = 1)

响应将如下所示

┌─name────────┬─disk_name─┐
│ all_1_3_1_5 │ warm_disk │
│ all_2_2_0   │ hot_disk  │
└─────────────┴───────────┘

相关内容​