《大规模分布式计算深入解析》3.3 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。

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。

卷十二目录 · 系列导读

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。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析·向量数据库与 AI 检索内核》 · 目录与学习路径(45 篇)
  2. 《大规模分布式计算深入解析》15.3 自研向量引擎:可执行骨架与工程缺口
  3. 《大规模分布式计算深入解析》14.1 Milvus:组件架构、段管理与检索链路