增量物化视图:插入 block 触发
增量物化视图处理进入源表的插入 block,并将转换结果写到目标表;block 与落盘 part 不是一一对应关系。它通常不自动重算历史数据,也不因源表旧行 mutation、删除或后台合并而自动撤销目标表中的贡献。
机制与确认边界
建视图时要定义历史回填、新数据切换边界、源/目标引擎和聚合状态。目标若用 SummingMergeTree 或 AggregatingMergeTree,查询可能仍需要 SUM 或 Merge 函数合并尚未物理合并的多份状态,不能只按目标当前行数假定最终正确。
实现与验证范围
模型 Mv 按每个插入块累加 key 的值,第二块继续增量;原生两批插入后查询目标聚合,并修改源表后确认目标不会自动倒扣。单次源表 100 行对目标两行不是 query_log 的 read_rows 实测,不能宣称真实查询固定省五十倍 IO。
本章机制图
flowchart TD
IN["源表插入 block"] --> MV["增量 MV 转换"] --> TARGET["独立目标表/状态"]
IN --> BASE["主表 part"] --> PROJ["内部 Projection"]
Q["查询"] --> OPT["覆盖/匹配与估算"] --> BASE
OPT --> PROJ
MUT["源表旧行 mutation/删除"] -. "不自动撤销旧贡献" .-> TARGET
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。