|NO.Z.00041|——————————|BigDataEnd|——|Hadoop&OLAP_ClickHouse.V13|-----------------------------|ClickH

2022-04-14 14:35:13 阅读：179 来源： 互联网

标签：GROUP rows 聚合 NO V13 ### max group ClickHouse

一、WHERE

### --- where

~~~     WHERE 子句允许过滤从 FROM 子句 SELECT.
~~~     如果有一个 WHERE 子句，它必须包含一个表达式与 UInt8 类型。 
~~~     这通常是一个带有比较和逻辑运算符的表达式。
~~~     此表达式计算结果为0的行将从进一步的转换或结果中解释出来。
~~~     WHERE 如果基础表引擎支持，则根据使用索引和分区修剪的能力评估表达式。
~~~     注：有一个叫做过滤优化 prewhere 的东西.

二、GROUP BY子句

### --- GROUP BY 子句将 SELECT 查询结果转换为聚合模式，其工作原理如下:

~~~     GROUP BY 子句包含表达式列表（或单个表达式 -- 可以认为是长度为1的列表）。 
~~~     这份名单充当 “grouping key”，而每个单独的表达式将被称为 “key expressions”.
~~~     在所有的表达式在 SELECT, HAVING，
~~~     和 ORDER BY 子句中 必须 基于键表达式进行计算 或 上 聚合函数 在非键表达式（包括纯列）上。 
~~~     换句话说，从表中选择的每个列必须用于键表达式或聚合函数内，但不能同时使用。
~~~     聚合结果 SELECT 查询将包含尽可能多的行，因为有唯一值 “grouping key” 在源表中。 
~~~     通常这会显着减少行数，通常是数量级，
~~~     但不一定：如果所有行数保持不变 “grouping key” 值是不同的。

### --- 注
~~~     还有一种额外的方法可以在表上运行聚合。 
~~~     如果查询仅在聚合函数中包含表列，则 GROUP BY 可以省略，
~~~     并且通过一个空的键集合来假定聚合。 这样的查询总是只返回一行。

~~~     # 空处理
~~~     对于分组，ClickHouse解释 NULL 作为一个值，
~~~     并且 NULL==NULL. 它不同于 NULL 在大多数其他上下文中的处理方式。
~~~     这里有一个例子来说明这意味着什么。

### --- 假设你有一张表:

┌─x─┬────y─┐
│ 1 │ 2    │
│ 2 │ ᴺᵁᴸᴸ │
│ 3 │ 2    │
│ 3 │ 3    │
│ 3 │ ᴺᵁᴸᴸ │
└───┴──────┘

### --- 查询 SELECT sum(x), y FROM t_null_big GROUP BY y 结果:

┌─sum(x)─┬────y─┐
│ 4      │ 2    │
│ 3      │ 3    │
│ 5      │ ᴺᵁᴸᴸ │
└────────┴──────┘

~~~     你可以看到 GROUP BY 为 y = NULL 总结 x，仿佛 NULL 是这个值。
~~~     如果你通过几个键 GROUP BY，结果会给你选择的所有组合，就好像 NULL 是一个特定的值。
~~~     WITH TOTAL 修饰符
~~~     如果 WITH TOTALS 被指定，将计算另一行。 
~~~     此行将具有包含默认值（零或空行）的关键列以及包含跨所有行计算值的聚合函数列（ “total” 值）。

~~~     # 这个额外的行仅产生于 JSON, TabSeparated，和 Pretty* 格式，与其他行分开:

~~~     在 JSON* 格式，这一行是作为一个单独的输出 ‘totals’ 字段。
~~~     在 TabSeparated* 格式，该行位于主结果之后，前面有一个空行（在其他数据之后）。
~~~     在 Pretty* 格式时，该行在主结果之后作为单独的表输出。
~~~     在其他格式中，它不可用。
~~~     WITH TOTALS 可以以不同的方式运行时 HAVING 是存在的。 该行为取决于 totals_mode 设置。

### --- 配置总和处理

~~~     默认情况下, totals_mode = 'before_having'. 在这种情况下, ‘totals’ 是跨所有行计算，
~~~     包括那些不通过具有和max_rows_to_group_by.
~~~     其他替代方案仅包括通过具有在 ‘totals’，
~~~     并与设置不同的行为 max_rows_to_group_by 和group_by_overflow_mode = 'any'.
~~~     after_having_exclusive – Don't include rows that didn't pass through max_rows_to_group_by. 
~~~     换句话说, ‘totals’将有少于或相同数量的行，因为它会 max_rows_to_group_by 被省略。
~~~     after_having_inclusive – Include all the rows that didn't pass through ‘max_rows_to_group_by’ 
~~~     在 ‘totals’. 换句话说, ‘totals’ 将有多个或相同数量的行，因为它会 max_rows_to_group_by 被省略。
~~~     after_having_auto – Count the number of rows that passed through HAVING. 
~~~     If it is more than a certainamount (by default, 50%), include all the rows that didn't pass 
~~~     through ‘max_rows_to_group_by’ 在 ‘totals’. 否则，不包括它们。
~~~     totals_auto_threshold – By default, 0.5. The coefficient for after_having_auto.
~~~     如果 max_rows_to_group_by 和 group_by_overflow_mode = 'any' 不使用，
~~~     所有的变化 after_having 是相同的，
~~~     你可以使用它们中的任何一个（例如, after_having_auto).您可以使用 WITH TOTALS 在子查询中，
~~~     包括在子查询 JOIN 子句（在这种情况下，将各自的总值合并）。

三、例子示例:

### --- 使用示例

~~~     但是，与标准SQL相比，如果表没有任何行（根本没有任何行，
~~~     或者使用 WHERE 过滤之后没有任何行），
~~~     则返回一个空结果，而不是来自包含聚合函数初始值的行。
~~~     相对于MySQL（并且符合标准SQL），
~~~     您无法获取不在键或聚合函数（常量表达式除外）中的某些列的某些值。 
~~~     要解决此问题，您可以使用 ‘any’ 聚合函数（获取第一个遇到的值）或 ‘min/max’.

hadoop01 :) SELECT count(), median(FetchTiming > 60 ? 60 : FetchTiming),
            count() - sum(Refresh) FROM hits

### --- 示例:

~~~     对于遇到的每个不同的键值, GROUP BY 计算一组聚合函数值。
~~~     GROUP BY 不支持数组列。
~~~     不能将常量指定为聚合函数的参数。 示例: sum(1). 相反，你可以摆脱常数。 示例: count().

hadoop01 :) SELECT domainWithoutWWW(URL) AS domain,
            count(), any(Title) AS title 
            -- getting the first occurred page header for each domain.
            FROM hits GROUP BY domain

### --- 实现细节

~~~     聚合是面向列的 DBMS 最重要的功能之一，因此它的实现是ClickHouse中最优化的部分之一。 
~~~     默认情况下，聚合使用哈希表在内存中完成。 
~~~     它有 40+ 的特殊化自动选择取决于 “grouping key” 数据类型。

### --- 在外部存储器中分组

~~~     您可以启用将临时数据转储到磁盘以限制内存使用期间 GROUP BY. 
~~~     该 max_bytes_before_external_group_by 设置确定倾销的阈值RAM消耗 GROUP BY 
~~~     临时数据到文件系统。 如果设置为0（默认值），它将被禁用。
~~~     使用时 max_bytes_before_external_group_by，
~~~     我们建议您设置 max_memory_usage 大约两倍高。 
~~~     这是必要的，因为聚合有两个阶段：读取数据和形成中间数据（1）和合并中间数据（2）。 
~~~     将数据转储到文件系统只能在阶段1中发生。 
~~~     如果未转储临时数据，则阶段2可能需要与阶段1相同的内存量。
~~~     例如，如果 max_memory_usage 设置为10000000000，
~~~     你想使用外部聚合，这是有意义的设置max_bytes_before_external_group_by 到10000000000，
~~~     和 max_memory_usage 到20000000000。 
~~~     当触发外部聚合（如果至少有一个临时数据转储）时，
~~~     RAM的最大消耗仅略高于 max_bytes_before_external_group_by.
~~~     通过分布式查询处理，在远程服务器上执行外部聚合。 
~~~     为了使请求者服务器只使用少量的RAM，设置distributed_aggregation_memory_efficient 到1。
~~~     当合并数据刷新到磁盘时，以及当合并来自远程服务器的结果时，
~~~     distributed_aggregation_memory_efficient 设置被启用，
~~~     消耗高达 1/256 * the_number_of_threads 从RAM的总量。
~~~     当启用外部聚合时，
~~~     如果数据量小于 max_bytes_before_external_group_by 
~~~     (例如数据没有被 flushed), 查询执行速度和不在外部聚合的速度一样快. 
~~~     如果临时数据被flushed到外部存储, 执行的速度会慢几倍 (大概是三倍).
~~~     如果你有一个 ORDER BY 用一个 LIMIT 后 GROUP BY，
~~~     然后使用的RAM的量取决于数据的量 LIMIT，不是在整个表。 
~~~     但如果 ORDER BY 没有 LIMIT，不要忘记启用外部排序 (max_bytes_before_external_sort).

===============================END===============================

Walter Savage Landor:strove with none,for none was worth my strife.Nature I loved and, next to Nature, Art:I warm'd both hands before the fire of life.It sinks, and I am ready to depart ——W.S.Landor

来自为知笔记(Wiz)

标签：GROUP,rows,聚合,NO,V13,###,max,group,ClickHouse
来源： https://www.cnblogs.com/yanqivip/p/16144320.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

|NO.Z.00041|——————————|BigDataEnd|——|Hadoop&OLAP_ClickHouse.V13|-----------------------------|ClickH