ClickHouse基础系列（九）ClickHouse表引擎之Special系列

上文《ClickHouse基础系列（八）ClickHouse表引擎之Log系列》我们介绍的是Log系列的表引擎，本文我们介绍下Special系列的表引擎。

在clickhouse中Special系列的表引擎主要包含有：

1、Memory引擎
2、Merge引擎
3、Distributed引擎

下面我们分别来介绍下这3个引擎

1）Memory引擎

这里的memory引擎顾名思义就是把表的数据存储在内存中，如果发生clickhouse实例重启之后，对应的表结构还在，但是表数据就不存在了。关于Memory引擎主要的特点有：

1、数据存储在内存中，并且是未压缩的。如果clickhouse实例发生重启的时候，数据会丢失
2、读写操作不会发生阻塞
3、不支持索引
4、由于数据存储在内存中，查询效率是最快的。

下面演示下使用Memory引擎创建表：

create table test.users(
	id Int32,
	name String,
	age Int32
)engine = Memory

2）Merge引擎

这里的Merge引擎可以看作是视图，也就是他不存储数据，而是结合多张表的数据做一个视图。关于Merge引擎的主要特点是：

1、必须指定其他关联的库表。
2、不存储任何数据
3、只支持查询，不支持写入数据。

下面演示下使用Merge引擎创建表:

#创建名称为test的库
create database test;

#创建第一张物理表
create table test.users1(
	id Int32,
	name String,
	age Int32
)engine = Memory;
#插入数据
insert into test.users1(id,name,age) values(1,'张三',1);
#创建第er张物理表
create table test.users2(
	id Int32,
	name String,
	age Int32
)engine = Memory;
#插入数据
insert into test.users2(id,name,age) values(2,'李四',2);

#创建Merge引擎的视图
create table test.users_merge (id Int32,name String,age Int32) engine = Merge(test,'^users');

#查询视图
select * from test.users_merge;

最后我们能看到查询出来了相关的结果

备注：

1、在创建Merge引擎表的时候，需要传入两个参数，第一个是对应的库名，第二个是对应的表明正则表达式，也就是根据正则表达式来匹配满足的表。这里大家可以理解成在正常的业务中，同一个库做分表的业务逻辑，最后使用Merge引擎来满足查询

3）Distributed引擎

这里的Distributed引擎其实也可以看做是一个视图，他和merge不一样的地方在于，distributed是依靠分布式的能力来查询数据。t他是把clickhouse集群不通节点上的同结构的物理表合并为一张逻辑表进行查询。

在之前的创建及查询的时候，其实查询的数据主要是node1的，不是node2的，也不是node3的，之前的模式是没法满足集群查询的，例如node1节点上有一张users表，数据是张三的数据，node2上也有一张users表，数据是李四的数据，node3上也有一张users表，数据是王五的数据，那么之前在node1上进行查询users表的话只能查询出张三的数据，查询不出来李四，王五的数据，但是如果使用Distributed引擎的话，则相当于把node1，node2，node3的users表合并起来做成一个逻辑表（相当于各个分片的路由网关），此时不管在哪个节点上进行查询，都可以查询出张三，李四，王五的数据。

下面举个例子来演示一下。

#前置条件，假设我们现在有一个3个节点的clickhouse集群，分别是node1，node2，node3

#在node1上创建一张users表,并插入数据
create table test.users( id Int32,name String,age Int32 )engine = Memory;
insert into test.users(id,name,age) values(1,'张三',1);

#在node2上创建一张users表
create table test.users( id Int32,name String,age Int32 )engine = Memory;
insert into test.users(id,name,age) values(2,'李四',2);

#在node3上创建一张users表
create table test.users( id Int32,name String,age Int32 )engine = Memory;
insert into test.users(id,name,age) values(3,'王五',3);

#创建distributed逻辑表
create table test.users_cluster on cluster test_cluster_one_shard_three_replicas_localhost (id UInt8,name String) engine = Distributed(test_cluster_one_shard_three_replicas_localhost,test,users,id);

#查询结果
select * from test.users_cluster;

这里由于没有演示的集群所以暂时不演示了。主要介绍下这里创建逻辑表，整个逻辑表的语法是：

create table ${库名}.${表名} on cluster ${集群名称} (${字段名称} ${字段类型}) engine = Distributed(${集群名称},${库名},${表名},${主键});

我们在这里创建的逻辑表主要是指定了集群分片，因此他会在关联的集群节点分片上都创建一张这里的逻辑表，此时不管是连接node1，还是node2，还是node3，查询出来的结果都是一样的。

这里的Distributed引擎表还有一个很重要的功能，就是支持插入数据，也就是执行下列的sql语句也是没问题的，例如：

insert into test.users_cluster(id,name,age) values(3,'王五',3);

这里执行插入是成功的，数据也会被分布到对应的分片上。

备注：

1、这里大家可以理解成在正常的业务中，同一个表中做分库的业务逻辑，最后使用Distributed引擎来满足查询

以上就是关于Special系列的表引擎。