Clickhouse的MergeTree表引擎存储结构

MergeTree存储的文件结构

一张数据表被分成几个data part，每个data part对应文件系统中的一个目录。通过以下SQL可以查询data parts的信息。

select table, name, path, active, * from `system`.parts where table = '<table name>' 

是一个目录，里面的文件结构如下：
- <data part 1>
○ checksums.txt
○ columns.txt
○ <column>.bin
○ <column>.mrk
○ count.txt
○ primary.idx
○ [partition.dat]
○ [minmax_<column>.idx]
○ [skp_idx_<column>.idx]
○ [skp_idx_.mrk]
- <data part 2>
○ ……
○ ……
- <data part 3>
○ ……
○ ……

Part目录

数据存在Part目录中，一次批量Insert就会产生一个Part。多个Part从属于一个Partition，一个Partition的Parts会在后台合并。Parts目录的命名能反映其所属的Partition和记录ID范围：
<Partition ID>_<Min ID>_<Max ID>_<Level>

PartitionID是分区的键，可以是一个列也可以是多列。

Min ID，Max ID表示这个Part中的数据的最小ID和最大ID，构建出一个范围。Level是层级的概念，是自增的，可以理解成每次更新操作都相当于加了一”层“。

Parts会在后台按照Partition合并，这点很重要。

参考代码src\Storages\MergeTree\MergeTreeData.h

[column].bin | data.bin

存放某一列的真实数据的文件，当采用wide part模式时会为每一列生成这样的文件，文件名就是列的名字。

另外一种模式是compact part模式，这种模式下所有的列的数据放在一个文件data.bin里面。

当数据的压缩之前的原始大小超过阈值min_bytes_for_wide_part，或者数据行数超过阈值min_rows_for_wide_part 时，就会采用wide part模式，否则采用compact part模式。

.bin文件里面的数据是以block为单位存放，block可能是压缩的也可能不压缩。这个是根据clickhouse的参数max_compress_block_size 和 min_compress_block_size 决定的。如果决定要压缩，默认使用lz4压缩格式压缩。

block分为两个组成部分：

• header
  header占9个字节，分别是：
  • [0] 编码器，比如lz4
  • [1-4] 整个block压缩后的大小
  • [5-8] 整个block压缩前的大小
  • [9-24] checksum
• data

一个mark指向指向一个granule（颗粒）的第一行的位置，包含两个信息：1. block在文件中的相对位置；2. 在block中的相对位置。

Granule是一个概念，可以理解成数据颗粒，每个颗粒包含一列的若干行数据，数量一般情况由index_granularity设置决定。

[column].mrk

当需要读取某个范围内的数据时，例如读取主键1000_{2000的某列数据，没有必要把主键0}1000以及主键2000以上的数据全部读到内存里来。.mrk文件（mark文件 / 标记文件）的引入就是为了解决这个最基本的问题的。

mark文件维持一个从mark到一组连续的granule（granule range）的映射，granule是属于某个block，一个block包含多个granule。存储的信息如下：

• offset_in_compressed_file：对应的block在压缩后的.bin文件的偏移量，由于实际的.bin文件里面就是存放压缩后的内容，也就可以理解成block块在.bin文件中的偏移位置。通过这个信息可以快速地读取block的内容。
• offset_in_decompressed_block：对应的第一个granule在解压缩后的block中的偏移量。block从磁盘中读取并解压缩到内存中以后，需要定位到granule的位置，这个信息就是用来快速定位到对应的granule在block中的偏移位置的。

以下是对应的实现类``的实际代码。它保存两个long值，一个是block的offset，一个是block内的offset。

    size_t offset_in_compressed_file;
    size_t offset_in_decompressed_block;

Mark的引入使得索引不需要映射到具体的行，而是需要大致范围地映射到某个mark上，减小了索引文件，减少了索引项，减少了IO（回想一般数据库中的B+树的索引），加快了搜索速度。clickhouse的索引指向的是mark，而mark是代表一列的n行数据，而不是一条数据，因此clickhouse里的索引也称为稀疏索引。

参考代码：src\Compression\CompressedReadBufferFromFile.cpp，src\Formats\MarkInCompressedFile.h

primary.idx

在Clickhouse中，primary key是order by的列或者是多列的order by的前部分，数据又是根据order by来存储，因此clickhouse中的数据的primary key在存储中总是有序的。primary.idx 作为主索引，维护的是 primary key -> mark的映射，主索引中不会存放所有的主键，更不会维持所有的主键到mark的映射关系。但是因为其存放的主键都是有序的，因此可以通过二分查找快速定位到需要的主键在哪个mark上。

例如下图的primary index，如果要找primary key = 5 的某列数据，则通过二分查找，我们知道primary key = 7以及大于7的和primary key = 1以及小于1的肯定不是要找的范围，因此要找的数据只会在primary key = 4 对应的mark上（由于一般是按照primary key由小到大排序，因此primary = 4 实际上是对应的mark上的数据中最小的primary key）。

skp_idx_[column].idx & skp_idx_[column].mrk

Skipping index 为跳数索引，也是一种稀疏索引。目的是跳过无用区域缩小查询范围，提升查询效率。Skipping index分为几类：

• minmax
  范围查询，包括相等查询时排除不可能的数据范围。

• set(max rows)
  用于相等查询。

• ngram bloom filter

  按ngram算法分词的布隆过滤器，快速确认要找的数据不在某个或某几个连续的granule上。

• token bloom filter

  跟ngram bloom filter差不多，只是按照标点符号分词。

Skipping index是从index key指向mark，例如{min, max} -> mark；{bloom filter} -> mark。

columns.txt

记录列的信息，包括名称、类型。

count.txt

记录当前分区Data part的数据总行数。

default_compression_codec.txt

保存block的压缩算法。

Partition.dat

保存一个值，就是partition的编号，从0开始。

Partition 合并

每次插入数据的操作都会产生一个新的partition目录，因此clickhouse周期性地或者人为强制触发分区合并的操作。分区合并就是把多个相同的Partition ID的partition目录合并为一个目录，因为原本这些数据就是属于一个partition的。

强制触发合并partition是通过optimize命令完成的，例如：

optimize table <table name> [final]

默认情况下是一次合并一部分，避免全部合并阻塞clickhouse其他操作。如果要一次全部合并所有，则要加final

很显然合并之后的partition包含原来的partition的所有数据，因此新合并后的partition目录的名字是：

PartitionID_{所有MinBlockNum中的最小}_{所有MaxBlockNum中的最大}_{自增的Level}

Level是自增的，每次合并增一。