索引选型:看块内分布与实际成本
minmax 适合块范围有区分度的谓词,Bloom 适合某值在许多索引块中确实不存在的等值/IN 查询;低基数并不自动有利,若每块都含所有低基数值,几乎无法跳过。主键前缀和分区裁剪可能已覆盖主要收益。
机制与确认边界
行选择率 5% 不意味着能跳过 95% granule:匹配行均匀散到所有块时仍须读全部块。索引成本至少包括索引读取、存活块扫描、维护与存储,是否使用还受表达式支持与优化器条件限制,不存在通用 10% 阈值。
实现与验证范围
模型按 indexReadCost+survivingBlockCost 与 fullScanCost 比较;原生用可控的聚簇/均匀输入记录选中 granule 及实际 read_rows。Bloom、minmax 和稀疏主索引分别建模,不把常见行存 B+ 树的点查结论直接套给块跳过索引。
本章共享图解见 3.1 的机制图 ,其中的状态与确认点需和本节一起阅读。
复现与资料
下载本卷实验包
,按 README 运行 Java 8 lab.RunAll。单节点原生运行 clickhouse-probe.sh,多分片与复制实验运行 clickhouse_cluster.py;每个脚本仅把实际执行并断言的场景记为实测。外部源、真实 Kafka、TTL 介质、TPC-H 和未测版本的功能不包含在这些结果中。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。