文章目录
- Tuple类型
- Array类型
- Nested类型
- 使用示例
- 单独使用Tuple
- 数组嵌套 Array(Tuple)
- Nested类型
- 生产使用:分组查询
Tuple类型
- Tuple是ClickHouse数据库中的一种数据类型,它允许在一个字段中存储由不同数据类型组成的元组(tuple)。
- 元组可以包含任意数量的值,并且每个值可以是不同的数据类型,如int、float、string、date等。
- 例如,以下是一个clickhouse Tuple类型的例子:
(1, 'John', 12.5, Date('2021-01-01'))
该元组包含四个值,分别是整数1,字符串’John’,浮点数12.5和日期型数据’2021-01-01’。这些值可以通过索引或字段名来访问。
- Tuple类型可以用于存储数据结构复杂的数据,如JSON和XML数据。
- 此外,clickhouse的Tuple类型还可以用于支持复杂的查询和分析操作,例如在SELECT语句中使用子查询或嵌套查询,或在JOIN运算中使用多个字段来匹配复杂的条件等。
Array类型
- Array类型表示一个包含多个相同类型元素的数组,可以通过索引访问其中的元素
- Array类型就不详细讲了,之前写过一篇文章,有兴趣的可以点击看下
- 当需要处理数组结构时,可以使用Array类型,而当需要处理更复杂的数据结构时,可以使用Nested类型
- 通常,Nested类型比Array类型更加灵活,但是在性能方面可能会稍微慢一些。
Nested类型
- ClickHouse中的Nested类型指的是复杂数据类型,它允许将多个数据类型组合成一种数据类型
- Nested类型支持结构化数组、嵌套映射(Map)和嵌套集合(Set),可以方便地处理非标量类型的数据
- Nested类型可以用于存储和查询具有嵌套结构的数据,例如JSON和XML格式的数据。它能够支持高效的查询和聚合操作,如对嵌套数组进行平均、求和、最大、最小等操作,对于分析大量结构化数据非常有效。
- 在使用Nested类型时,需要注意其与普通数据类型的不同之处,在查询语句中需要使用嵌套函数或语法。同时需要进行适当的数据类型转换和格式化操作,以确保数据的准确性和一致性。
使用示例
单独使用Tuple
- 具体SQL如下,包括建表、插入数据、查询
- 需要注意的点:
- 字段为Tuple类型时,里面要直接是数据类型,即tuple_col Tuple(String, UInt8)
- 插入时,只能是单个Tuple数据,不能为复数个,即(1, ('Alice', 20))
-- 建表 drop table if exists my_table_tuple; CREATE TABLE my_table_tuple ( id Int32, tuple_col Tuple(String, UInt8) ) ENGINE = MergeTree ORDER BY id; -- 插入数据 INSERT INTO my_table_tuple VALUES (1, ('Alice', 20)),(2, ('Bob', 35)),(3, ('Charlie', 40)),(4, ('David', 45)); -- 查询数据 SELECT * FROM my_table_tuple; SELECT id, tuple_col.1 as name, tuple_col.2 as age FROM my_table_tuple; -- 注意,Tuple无法使用ARRAY JOIN,会执行报错 SELECT * FROM my_table_tuple ARRAY JOIN tuple_col;
- 下面2个截图,为上面2个可以执行成功的SQL的查询结果
数组嵌套 Array(Tuple)
- 数组类型,数组内为Tuple
- 具体SQL如下,包括建表、插入数据、查询
- 需要注意的点:
- 此时的Tuple允许定义字段名称,即Tuple( name String, age UInt8)
- 插入时,可以是单个Tuple数据,也可以是复数个,即(1, ['Alice','Bob'], [20, 35])
- 需要注意的是,不能像单个Tuple类型使用时写的('Bob', 35),而是每个Tuple嵌套类型里的字段,都是一个数组,要作为数组插入
- 插入时,行和行之间的属性的个数可以不一致 ,但是当前行的Nested类型中的字段对应的数组内的数量要一致
-- 新建表 DROP table if exists my_table_array_tuple; CREATE TABLE my_table_array_tuple ( id Int32, array_tuple Array( Tuple( name String, age UInt8) ) ) ENGINE = MergeTree ORDER BY id; -- 插入数据 INSERT INTO my_table_array_tuple VALUES (1, ['Alice','Bob'], [20, 35]), (2, ['Charlie', 'David', 'Tom'], [40, 45, 34]); -- 这个插入数据的SQL执行失败,无法类似这样插入 INSERT INTO my_table_array_tuple VALUES (3, [('Alice', 20),('Bob', 35)]), (4, [('Charlie', 40),('David', 45)]); -- 查询 SELECT * FROM my_table_array_tuple; SELECT id, array_tuple.name, array_tuple.age FROM my_table_array_tuple; SELECT * FROM my_table_array_tuple ARRAY JOIN array_tuple;
- 上面三个查询SQL的查询结果,截图如下,其中前两个SQL执行结果一致
- 前两个查询结果为啥一致,为什么插入的时候是插入多个数组,看下create table执行后的表ddl就很明确了
-- `default`.my_table_array_tuple definition CREATE TABLE default.my_table_array_tuple ( `id` Int32, `array_tuple.name` Array(String), `array_tuple.age` Array(UInt8) ) ENGINE = MergeTree ORDER BY id SETTINGS index_granularity = 8192;
- 第三条SQL是使用了ARRAY JOIN,分行展开们我们需要的样子
Nested类型
- 类似Tuple,但是不一样,Tuple一次只能插入一个元祖,但Nested类型既可以插入一个Nested类型数据,也可以插入多个,用起来感觉类似Array(Tuple)
- 具体SQL如下,包括建表、插入数据、查询
- 需要注意的点:
- 与Array(Tuple)一样,此时的Nested也允许定义字段名称,即Nested( name String, age UInt8)
- 插入数据时,也需要遵循“嵌套类型里的每一个字段对应一个数组”
- 插入数据时,也需要遵循“单条记录内,嵌套类型每一个字段对应的值数量相同”,不同记录数量没有要求
-- 创建表 drop table if exists movies; CREATE TABLE movies ( title String, actors Nested( name String, age UInt8 ) ) ENGINE = MergeTree() ORDER BY title; -- 插入数据 INSERT INTO movies VALUES('Interstellar', ['Matthew McConaughey', 'Anne Hathaway'], [50, 38]); INSERT INTO movies VALUES('The Dark Knight', ['Christian Bale', 'Heath Ledger', 'Aaron Eckhart'], [47, 28, 52]); -- 查询 SELECT * FROM movies; SELECT * FROM movies ARRAY JOIN actors; -- 查询并求平均年龄 SELECT title, avg(actor.age) AS avg_age FROM movies ARRAY JOIN actors AS actor GROUP BY title ORDER BY title;
- 第一条SQL的执行结果如下:
- 这里看下使用Nested类型创建之后表的DDL,可以发现与Tuple没啥区别
-- `default`.movies definition CREATE TABLE default.movies ( `title` String, `actors.name` Array(String), `actors.age` Array(UInt8) ) ENGINE = MergeTree ORDER BY title SETTINGS index_granularity = 8192;
- 第二条SQL也是使用了ARRAY JOIN,执行结果如下:
- 第三条SQL,是查询评价年龄,是对嵌套类型里的一个字段进行运算。除了求平均,其他的函数运算也可以,聚合分组也可以
生产使用:分组查询
- 我们的安全指标表,需要存储道路级别安全指标和进口级别安全指标,建表语句(部分)如下:
-- radar.index_cycle_security definition DROP table if exists radar.index_cycle_security; CREATE TABLE radar.index_cycle_security ( `time_stamp` DateTime COMMENT '时间', `intersection_number` Int32 COMMENT '交叉口编号', `safety_factor` Float64 COMMENT '安全系数(根据下面4个安全评价参数加权计算,只计算整个路口的)', `phase_clearance_rate` Float64 COMMENT '相位清空率(路口)', `pedestrian_time_guarantee_rate` Float64 COMMENT '行人过街时间保障率(路口)', `pedestrian_illegal_rate` Float64 COMMENT '行人闯红灯违法率(路口)', `traffic_conflict` Int16 COMMENT '交通冲突次数(车道/方向)', `approach_index` Array( Tuple( `approach` String, `pedestrian_time_guarantee_rate` Float64, `pedestrian_illegal_rate` Float64 ) ) ) ENGINE = MergeTree PARTITION BY toYYYYMM(time_stamp) PRIMARY KEY time_stamp ORDER BY (time_stamp, intersection_number) SETTINGS index_granularity = 8192, old_parts_lifetime = 300, max_suspicious_broken_parts = 1000; -- 显示表结构 desc radar.index_cycle_security;
- 现在我的业务查询需求,需要根据进口按列返回,SQL如下:
SELECT time_stamp , approach_index.approach as approach, approach_index.pedestrian_time_guarantee_rate as pedestrian_time_guarantee_rate, approach_index.pedestrian_illegal_rate as pedestrian_illegal_rate FROM index_cycle_security ARRAY JOIN approach_index where time_stamp = '2023-05-09 14:05:52' order by time_stamp
- 查询时,使用ARRAY JOIN将嵌套结构分成一个个列,查询结果如下:
- 我也可以按照时间粒度聚合(使用toStartOfInterval),之后求平均值,SQL如下:
SELECT toStartOfInterval(time_stamp , INTERVAL 1 HOUR) as time_stamp2 , approach_index.approach as approach, round(avg(approach_index.pedestrian_time_guarantee_rate), 2) as pedestrianTimeGuaranteeRate, round(avg(approach_index.pedestrian_illegal_rate), 2) as pedestrianIllegalRate FROM index_cycle_security ARRAY JOIN approach_index where time_stamp > '2023-05-09 14:05:52' GROUP BY time_stamp2, approach order by time_stamp2 limit 0,20
- 查询结果如下(由于都是测试数据,结果一样了,结构是可以看的):
- 看到最后的小伙伴,欢迎评论交流,给个点赞也行
- 现在我的业务查询需求,需要根据进口按列返回,SQL如下:
- 我们的安全指标表,需要存储道路级别安全指标和进口级别安全指标,建表语句(部分)如下:
- 第三条SQL是使用了ARRAY JOIN,分行展开们我们需要的样子
- 下面2个截图,为上面2个可以执行成功的SQL的查询结果