ClickHouse/docs/zh/sql-reference/dictionaries/external-dictionaries/external-dicts-dict-layout.md

403 lines
11 KiB
Markdown
Raw Normal View History

---
machine_translated: true
machine_translated_rev: 72537a2d527c63c07aa5d2361a8829f3895cf2bd
toc_priority: 41
toc_title: "\u5728\u5185\u5B58\u4E2D\u5B58\u50A8\u5B57\u5178"
---
# 在内存中存储字典 {#dicts-external-dicts-dict-layout}
有多种方法可以将字典存储在内存中。
2020-10-13 17:23:29 +00:00
我们建议 [](#flat), [散列](#dicts-external_dicts_dict_layout-hashed) 和 [complex_key_hashed](#complex-key-hashed). 其提供最佳的处理速度。
不建议使用缓存,因为性能可能较差,并且难以选择最佳参数。 阅读更多的部分 “[缓存](#cache)”.
有几种方法可以提高字典性能:
- 调用该函数以使用后的字典 `GROUP BY`.
- 将要提取的属性标记为"注射"。 如果不同的属性值对应于不同的键,则称为注射属性。 所以当 `GROUP BY` 使用由键获取属性值的函数,此函数会自动取出 `GROUP BY`.
ClickHouse为字典中的错误生成异常。 错误示例:
- 无法加载正在访问的字典。
- 查询错误 `cached` 字典
您可以查看外部字典的列表及其状态 `system.dictionaries` 桌子
配置如下所示:
``` xml
<yandex>
<dictionary>
...
<layout>
<layout_type>
<!-- layout settings -->
</layout_type>
</layout>
...
</dictionary>
</yandex>
```
相应的 [DDL-查询](../../statements/create.md#create-dictionary-query):
``` sql
CREATE DICTIONARY (...)
...
LAYOUT(LAYOUT_TYPE(param value)) -- layout settings
...
```
## 在内存中存储字典的方法 {#ways-to-store-dictionaries-in-memory}
- [](#flat)
- [散列](#dicts-external_dicts_dict_layout-hashed)
2020-10-13 17:23:29 +00:00
- [sparse_hashed](#dicts-external_dicts_dict_layout-sparse_hashed)
- [缓存](#cache)
- [直接](#direct)
2020-10-13 17:23:29 +00:00
- [range_hashed](#range-hashed)
- [complex_key_hashed](#complex-key-hashed)
- [complex_key_cache](#complex-key-cache)
- [ip_trie](#ip-trie)
### 平 {#flat}
字典以平面数组的形式完全存储在内存中。 字典使用多少内存? 量与最大键的大小(在使用的空间中)成正比。
字典键具有 `UInt64` 类型和值限制为500,000。 如果在创建字典时发现较大的键ClickHouse将引发异常不会创建字典。
支持所有类型的来源。 更新时,数据(来自文件或表)将完整读取。
此方法在存储字典的所有可用方法中提供了最佳性能。
配置示例:
``` xml
<layout>
<flat />
</layout>
```
``` sql
LAYOUT(FLAT())
```
### 散列 {#dicts-external_dicts_dict_layout-hashed}
该字典以哈希表的形式完全存储在内存中。 字典中可以包含任意数量的带有任意标识符的元素,在实践中,键的数量可以达到数千万项。
支持所有类型的来源。 更新时,数据(来自文件或表)将完整读取。
配置示例:
``` xml
<layout>
<hashed />
</layout>
```
``` sql
LAYOUT(HASHED())
```
2020-10-13 17:23:29 +00:00
### sparse_hashed {#dicts-external_dicts_dict_layout-sparse_hashed}
类似于 `hashed`但使用更少的内存有利于更多的CPU使用率。
配置示例:
``` xml
<layout>
<sparse_hashed />
</layout>
```
``` sql
LAYOUT(SPARSE_HASHED())
```
2020-10-13 17:23:29 +00:00
### complex_key_hashed {#complex-key-hashed}
这种类型的存储是用于复合 [](external-dicts-dict-structure.md). 类似于 `hashed`.
配置示例:
``` xml
<layout>
<complex_key_hashed />
</layout>
```
``` sql
LAYOUT(COMPLEX_KEY_HASHED())
```
2020-10-13 17:23:29 +00:00
### range_hashed {#range-hashed}
字典以哈希表的形式存储在内存中,其中包含有序范围及其相应值的数组。
此存储方法的工作方式与散列方式相同,除了键之外,还允许使用日期/时间(任意数字类型)范围。
示例:该表格包含每个广告客户的折扣,格式为:
``` text
+---------|-------------|-------------|------+
| advertiser id | discount start date | discount end date | amount |
+===============+=====================+===================+========+
| 123 | 2015-01-01 | 2015-01-15 | 0.15 |
+---------|-------------|-------------|------+
| 123 | 2015-01-16 | 2015-01-31 | 0.25 |
+---------|-------------|-------------|------+
| 456 | 2015-01-01 | 2015-01-15 | 0.05 |
+---------|-------------|-------------|------+
```
要对日期范围使用示例,请定义 `range_min``range_max` 中的元素 [结构](external-dicts-dict-structure.md). 这些元素必须包含元素 `name` 和`type` (如果 `type` 如果没有指定,则默认类型将使用-Date`type` 可以是任何数字类型Date/DateTime/UInt64/Int32/others
示例:
``` xml
<structure>
<id>
<name>Id</name>
</id>
<range_min>
<name>first</name>
<type>Date</type>
</range_min>
<range_max>
<name>last</name>
<type>Date</type>
</range_max>
...
```
``` sql
CREATE DICTIONARY somedict (
id UInt64,
first Date,
last Date
)
PRIMARY KEY id
LAYOUT(RANGE_HASHED())
RANGE(MIN first MAX last)
```
要使用这些字典,您需要将附加参数传递给 `dictGetT` 函数,为其选择一个范围:
``` sql
dictGetT('dict_name', 'attr_name', id, date)
```
此函数返回指定的值 `id`s和包含传递日期的日期范围。
算法的详细信息:
- 如果 `id` 未找到或范围未找到 `id`,它返回字典的默认值。
- 如果存在重叠范围,则可以使用任意范围。
- 如果范围分隔符是 `NULL` 或无效日期如1900-01-01或2039-01-01范围保持打开状态。 范围可以在两侧打开。
配置示例:
``` xml
<yandex>
<dictionary>
...
<layout>
<range_hashed />
</layout>
<structure>
<id>
<name>Abcdef</name>
</id>
<range_min>
<name>StartTimeStamp</name>
<type>UInt64</type>
</range_min>
<range_max>
<name>EndTimeStamp</name>
<type>UInt64</type>
</range_max>
<attribute>
<name>XXXType</name>
<type>String</type>
<null_value />
</attribute>
</structure>
</dictionary>
</yandex>
```
``` sql
CREATE DICTIONARY somedict(
Abcdef UInt64,
StartTimeStamp UInt64,
EndTimeStamp UInt64,
XXXType String DEFAULT ''
)
PRIMARY KEY Abcdef
RANGE(MIN StartTimeStamp MAX EndTimeStamp)
```
### 缓存 {#cache}
字典存储在具有固定数量的单元格的缓存中。 这些单元格包含经常使用的元素。
搜索字典时,首先搜索缓存。 对于每个数据块,所有在缓存中找不到或过期的密钥都从源请求,使用 `SELECT attrs... FROM db.table WHERE id IN (k1, k2, ...)`. 然后将接收到的数据写入高速缓存。
对于缓存字典,过期 [使用寿命](external-dicts-dict-lifetime.md) 可以设置高速缓存中的数据。 如果更多的时间比 `lifetime` 自从在单元格中加载数据以来,单元格的值不被使用,并且在下次需要使用时重新请求它。
这是存储字典的所有方法中最不有效的。 缓存的速度在很大程度上取决于正确的设置和使用场景。 缓存类型字典只有在命中率足够高推荐99%或更高)时才能表现良好。 您可以查看平均命中率 `system.dictionaries` 桌子
要提高缓存性能,请使用以下子查询 `LIMIT`,并从外部调用字典函数。
支持 [来源](external-dicts-dict-sources.md):MySQL的,ClickHouse的,可执行文件,HTTP.
设置示例:
``` xml
<layout>
<cache>
<!-- The size of the cache, in number of cells. Rounded up to a power of two. -->
<size_in_cells>1000000000</size_in_cells>
</cache>
</layout>
```
``` sql
LAYOUT(CACHE(SIZE_IN_CELLS 1000000000))
```
设置足够大的缓存大小。 你需要尝试选择细胞的数量:
1. 设置一些值。
2. 运行查询,直到缓存完全满。
3. 使用评估内存消耗 `system.dictionaries` 桌子
4. 增加或减少单元数,直到达到所需的内存消耗。
!!! warning "警告"
不要使用ClickHouse作为源因为处理随机读取的查询速度很慢。
2020-10-13 17:23:29 +00:00
### complex_key_cache {#complex-key-cache}
这种类型的存储是用于复合 [](external-dicts-dict-structure.md). 类似于 `cache`.
### 直接 {#direct}
字典不存储在内存中,并且在处理请求期间直接转到源。
字典键具有 `UInt64` 类型。
所有类型的 [来源](external-dicts-dict-sources.md),除了本地文件,支持。
配置示例:
``` xml
<layout>
<direct />
</layout>
```
``` sql
LAYOUT(DIRECT())
```
2020-10-13 17:23:29 +00:00
### ip_trie {#ip-trie}
这种类型的存储用于将网络前缀IP地址映射到ASN等元数据。
示例该表包含网络前缀及其对应的AS号码和国家代码:
``` text
+-----------|-----|------+
| prefix | asn | cca2 |
+=================+=======+========+
| 202.79.32.0/20 | 17501 | NP |
+-----------|-----|------+
| 2620:0:870::/48 | 3856 | US |
+-----------|-----|------+
| 2a02:6b8:1::/48 | 13238 | RU |
+-----------|-----|------+
| 2001:db8::/32 | 65536 | ZZ |
+-----------|-----|------+
```
使用此类布局时,结构必须具有复合键。
示例:
``` xml
<structure>
<key>
<attribute>
<name>prefix</name>
<type>String</type>
</attribute>
</key>
<attribute>
<name>asn</name>
<type>UInt32</type>
<null_value />
</attribute>
<attribute>
<name>cca2</name>
<type>String</type>
<null_value>??</null_value>
</attribute>
...
</structure>
<layout>
<ip_trie>
<access_to_key_from_attributes>true</access_to_key_from_attributes>
</ip_trie>
</layout>
```
``` sql
CREATE DICTIONARY somedict (
prefix String,
asn UInt32,
cca2 String DEFAULT '??'
)
PRIMARY KEY prefix
```
该键必须只有一个包含允许的IP前缀的字符串类型属性。 还不支持其他类型。
对于查询,必须使用相同的函数 (`dictGetT` 与元组)至于具有复合键的字典:
``` sql
dictGetT('dict_name', 'attr_name', tuple(ip))
```
该函数采用任一 `UInt32` 对于IPv4`FixedString(16)` 碌莽禄Ipv6拢IPv6:
``` sql
dictGetString('prefix', 'asn', tuple(IPv6StringToNum('2001:db8::1')))
```
还不支持其他类型。 该函数返回与此IP地址对应的前缀的属性。 如果有重叠的前缀,则返回最具体的前缀。
数据存储在一个 `trie`. 它必须完全适合RAM。
[原始文章](https://clickhouse.com/docs/en/query_language/dicts/external_dicts_dict_layout/) <!--hide-->