官方文檔：https://clickhouse.tech/docs/en/sql-reference/operators/in/#select-distributed-subqueries

在分布式表上執(zhí)行in/join等子查詢的時(shí)候建議使用global in或global

joins，直接使用普通的in/join可能有數(shù)據(jù)正確性的問(wèn)題，直接使用 in 在分布式表又可能導(dǎo)致性能問(wèn)題。

如我們有3臺(tái)服務(wù)器，每臺(tái)服務(wù)器上有一張叫l(wèi)ocal_table的表，另外還有一張分布式表distribute_table指向這個(gè)loacl_table表。

case1:

在server1上提交查詢sql1：

SELECT uniq(UserID) FROM distributed_table

實(shí)際上sq1將被翻譯成如下在3臺(tái)服務(wù)器上執(zhí)行，執(zhí)行完成將結(jié)果匯總給到server1上合并，然后在返回給用

SELECT uniq(UserID) FROM local_table

case2:

在server1上提交查詢sql2：帶子查詢

SELECT uniq(UserID) FROM distributed_table WHERE CounterID = 101500 AND UserID IN (SELECT UserID FROM local_table WHERE CounterID = 34)

實(shí)際上sq1將被翻譯成如下sql在3臺(tái)服務(wù)器上執(zhí)行，執(zhí)行完成將結(jié)果匯總給到server1上合并，然后在返回給用

SELECT uniq(UserID) FROM local_table WHERE CounterID = 101500 AND UserID IN (SELECT UserID FROM local_table WHERE CounterID = 34)

這種情況數(shù)據(jù)可能會(huì)是錯(cuò)誤的，因?yàn)槊總€(gè)server上的userId都只有自己服務(wù)器上的serverID,如：server1上有userid:1,2 ;server2上有userId:3,4,5,server3上有userId:6,7,8。本來(lái)應(yīng)該在每個(gè)local上的 userid in(1,2,3,4,5,6,7,8) ,但是現(xiàn)在只是分別在1上in(1，2),server2上in(3，4，5),server3上in(6，7，8),結(jié)果很可能就錯(cuò)誤了。

在server1上提交查詢Sql3:帶子查詢但是從分布式表查詢

SELECT uniq(UserID) FROM distributed_table WHERE CounterID = 101500 AND UserID IN (SELECT UserID FROM distributed_table WHERE CounterID = 34)

實(shí)際上sq1將被翻譯成如下sql在3臺(tái)服務(wù)器上執(zhí)行，但是執(zhí)行的時(shí)候發(fā)現(xiàn)有distributed_table，然后又從每臺(tái)機(jī)器上把這個(gè)子查詢發(fā)給3臺(tái)server查詢

SELECT uniq(UserID) FROM local_table WHERE CounterID = 101500 AND UserID IN (SELECT UserID FROM distributed_table WHERE CounterID = 34)

發(fā)給3臺(tái)的子查詢

SELECT UserID FROM local_table WHERE CounterID = 34

這樣相當(dāng)于這樣一個(gè)查詢要執(zhí)行n*n次，n為服務(wù)器數(shù)量，這個(gè)性能會(huì)非常低下。

在server1上提交查詢Sql3:帶子查詢使用global in

SELECT uniq(UserID) FROM distributed_table WHERE CounterID = 101500 AND UserID GLOBAL IN (SELECT UserID FROM distributed_table WHERE CounterID = 34)

此時(shí)server1將會(huì)提交一個(gè)子查詢

SELECT UserID FROM distributed_table WHERE CounterID = 34

然后在3臺(tái)服務(wù)器上執(zhí)行如下sql，然后將結(jié)果返回給server1結(jié)果將會(huì)在內(nèi)存中保存一張臨時(shí)表

SELECT UserID FROM local_table WHERE CounterID = 34

然后從server1發(fā)出整個(gè)sql查詢

SELECT uniq(UserID) FROM local_table WHERE CounterID = 101500 AND UserID GLOBAL IN _data1

這樣整個(gè)查詢可能只需要執(zhí)行n*2次，比之前要少很多倍。

注意：

1、使用global in 查詢時(shí)返回的子查詢結(jié)果是不去重的，所有數(shù)據(jù)都會(huì)保存到內(nèi)存臨時(shí)表中然后發(fā)送給各個(gè)server進(jìn)行整個(gè)sql查詢，這樣可能會(huì)導(dǎo)致數(shù)據(jù)量和網(wǎng)絡(luò)浪費(fèi)，在查詢時(shí)可以指定distinct，普通的in查詢沒(méi)有這個(gè)問(wèn)題。

2、同時(shí)拷貝數(shù)據(jù)到其他節(jié)點(diǎn)去執(zhí)行查詢時(shí)，沒(méi)有網(wǎng)絡(luò)帶寬流量的限制，可能導(dǎo)致網(wǎng)絡(luò)資源進(jìn)展。

總結(jié)

以上是生活随笔為你收集整理的clickhouse 子查询_Clickhouse 查询分布式表子查询 （Distributed Subqueries ）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。