《大规模分布式计算深入解析》4.3 mutation、轻量删除与版本去重

ALTER TABLE UPDATE/DELETE mutation 通过重写受影响数据生成新 part,不能将 ALTER DELETE 通称“额外生成一个墓碑 part”。lightweight DELETE 使用另一套行存在掩码机制;选用时应明确版本、可见性、后台清理和投影限制。

mutation、轻量删除与版本去重

ALTER TABLE UPDATE/DELETE mutation 通过重写受影响数据生成新 part,不能将 ALTER DELETE 通称“额外生成一个墓碑 part”。lightweight DELETE 使用另一套行存在掩码机制;选用时应明确版本、可见性、后台清理和投影限制。

机制与确认边界

ReplacingMergeTree 在合并时按排序键保留所定义的新版本;合并前可能仍有多行,查询时 FINAL 或显式聚合又是另外的成本与语义。分区设计、版本相等时规则和删除标记都要列清,不能把它当插入时的唯一键约束。

实现与验证范围

原生以 mutations_sync=1 等待指定 mutation 完成并查询结果,再检查 system.mutations;不要只 sleep 固定秒数猜完成。模型 delete 重写新不可变对象并验证旧对象未变,不模拟产品文件回收;状态可见不代表旧字节已安全擦除。

本章共享图解见 4.1 的机制图 ,其中的状态与确认点需和本节一起阅读。

状态与时序补图

flowchart TD
    UPDATE["ALTER UPDATE/DELETE mutation"] --> NEW["重写受影响 part"]
    LIGHT["lightweight DELETE"] --> MASK["行存在掩码,后续物理清理另判"]
    REPLACE["ReplacingMergeTree 重复排序键"] --> MERGE["后台合并或查询 FINAL 语义"]
    NEW --> VIS["发布与可见性"]
    MASK --> VIS
    MERGE --> VIS

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