选择低基数分区键

一种数据管理技术

分区主要是一种数据管理技术，而不是查询优化工具。虽然它可以提高特定工作负载的性能，但不应将其作为加速查询的首要机制。必须仔细选择分区键，清楚地了解其影响，并且仅在与数据生命周期需求或明确的访问模式相符时才应用分区。

在 ClickHouse 中，分区根据指定的键将数据组织成逻辑段。这使用表创建时的 PARTITION BY 子句定义，通常用于按时间间隔、类别或其他与业务相关的维度对行进行分组。分区表达式的每个唯一值在磁盘上形成其自己的物理分区，ClickHouse 为这些值的每一个都存储单独的数据部分。分区可以改善数据管理，简化保留策略，并有助于某些查询模式。

例如，考虑以下英国房价数据集表，其分区键为 toStartOfMonth(date)。

CREATE TABLE uk.uk_price_paid_simple_partitioned
(
  date Date,
  town LowCardinality(String),
  street LowCardinality(String),
  price UInt32
)
ENGINE = MergeTree
ORDER BY (town, street)
PARTITION BY toStartOfMonth(date)

每当将一组行插入到表中时，ClickHouse 不会创建（至少）一个包含所有插入行的单个数据部分（如此处所述），而是为插入行中的每个唯一分区键值创建一个新的数据部分。

ClickHouse 服务器首先根据分区键值 toStartOfMonth(date) 将示例插入中的 4 行行拆分为各自的分区。然后，对于每个识别出的分区，行将按照通常的方式处理，执行几个顺序步骤（① 排序，② 拆分为列，③ 压缩，④ 写入磁盘）。

有关分区的更详细说明，我们建议您阅读本指南。

启用分区后，ClickHouse 仅合并分区内的，而不是跨分区的数据块。我们为上面的示例表绘制了示意图

分区的应用

分区是在 ClickHouse 中管理大型数据集的强大工具，尤其是在可观察性和分析用例中。它通过允许整个分区（通常与时间或业务逻辑对齐）以单个元数据操作进行删除、移动或存档，从而实现高效的数据生命周期操作。这比基于行的删除或复制操作快得多且资源消耗更少。分区还可以与 ClickHouse 功能（如 TTL 和分层存储）无缝集成，从而可以实现保留策略或热/冷存储策略，而无需自定义编排。例如，可以将最近的数据保存在快速的 SSD 支持的存储上，而将较旧的分区自动移动到更便宜的对象存储中。

虽然分区可以提高某些工作负载的查询性能，但它也可能对响应时间产生负面影响。

如果分区键不在主键中，并且您正在按其进行过滤，用户可能会看到分区带来的查询性能提升。请参阅此处以获取示例。

相反，如果查询需要跨分区查询，由于总部分数增加，性能可能会受到负面影响。因此，用户应了解他们的访问模式，然后再考虑将分区作为查询优化技术。

总而言之，用户应首先将分区视为一种数据管理技术。有关数据管理示例，请参阅可观察性用例指南中的 “管理数据” 以及核心概念 - 表分区中的 “表分区用于什么？”。