ClickHouse 官方文档：模式设计 Scheam Design

本文字数：11241；估计阅读时间：29 分钟

作者：ClickHouse官方

本文在公众号【ClickHouseInc】首发

设计高效的模式是提升 ClickHouse 性能的关键，这需要在多个选项之间做出权衡。最佳的设计方案取决于查询类型、数据更新频率、延迟需求和数据量等因素。本指南将介绍一些模式设计的最佳实践和数据建模技巧，帮助您优化 ClickHouse 的性能。

Stack Overflow 数据集

本指南中的示例基于 Stack Overflow 数据集的一个子集。这些数据记录了从 2008 年到 2024 年 4 月间，Stack Overflow 上的每篇帖子、每次投票、每位用户、每条评论以及每个徽章。这些数据以 Parquet 格式存储，您可以通过以下 S3 存储桶获取：s3://datasets-documentation/stackoverflow/parquet/。

数据集中的主键和表间关系仅用于说明数据的关联和唯一性，并未通过约束强制执行（因为 Parquet 是文件格式，而不是数据库表格式）。

Stack Overflow 数据集包含多个相关表。在数据建模时，我们建议先加载主表。主表不一定是数据量最大的表，而是您预期大多数分析查询会针对的表。这样可以帮助您熟悉 ClickHouse 的核心概念和数据类型，尤其是如果您此前以 OLTP 数据库为主。这张主表可能会在添加更多表时重新建模，以便充分利用 ClickHouse 的功能并实现最佳性能。

为了说明教学目的，本指南中的模式设计是有意简化的。

建立初始模式

由于大部分分析查询都会针对 posts 表，我们将重点放在为该表定义模式。这些数据可以从公共 S3 存储桶获取：s3://datasets-documentation/stackoverflow/parquet/posts/*.parquet，其中每年数据存储在一个文件中。

从 S3 加载 Parquet 格式的数据是导入 ClickHouse 的首选方式。ClickHouse 对 Parquet 格式进行了优化，能够以每秒处理数千万行数据的速度从 S3 中读取并插入。

ClickHouse 提供了模式推断功能，可以自动识别数据类型。这一功能支持包括 Parquet 在内的所有数据格式。我们可以利用它，通过 s3 表函数和 DESCRIBE 命令来确定数据的 ClickHouse 类型。在下面的示例中，我们使用通配符模式 *.parquet 来读取 stackoverflow/parquet/posts 文件夹中的所有文件。

DESCRIBE TABLE s3('https://datasets-documentation.s3.eu-west-3.amazonaws.com/stackoverflow/parquet/posts/*.parquet')
SETTINGS describe_compact_output = 1

┌─name──────────────────┬─type───────────────────────────┐
│ Id                    │ Nullable(Int64)               │
│ PostTypeId            │ Nullable(Int64)               │
│ AcceptedAnswerId      │ Nullable(Int64)               │
│ CreationDate          │ Nullable(DateTime64(3, 'UTC')) │
│ Score                 │ Nullable(Int64)               │
│ ViewCount             │ Nullable(Int64)               │
│ Body                  │ Nullable(String)              │
│ OwnerUserId           │ Nullable(Int64)               │
│ OwnerDisplayName      │ Nullable(String)              │
│ LastEditorUserId      │ Nullable(Int64)               │
│ LastEditorDisplayName │ Nullable(String)              │
│ LastEditDate          │ Nullable(DateTime64(3, 'UTC')) │
│ LastActivityDate      │ Nullable(DateTime64(3, 'UTC')) │
│ Title                 │ Nullable(String)              │
│ Tags                  │ Nullable(String)              │
│ AnswerCount           │ Nullable(Int64)               │
│ CommentCount          │ Nullable(Int64)               │
│ FavoriteCount         │ Nullable(Int64)               │
│ ContentLicense        │ Nullable(String)              │
│ ParentId              │ Nullabl