《大规模分布式计算深入解析》10.1 分区裁剪、主索引与 minmax:多级候选集

分区裁剪按分区表达式及谓词排除 parts,主索引按排序相关键缩小 granule,附加 minmax 对索引块给出范围摘要。三者相互协作但不是一套固定“先分区后所有 minmax”的逻辑图,实际 EXPLAIN 以版本为准。

分区裁剪、主索引与 minmax:多级候选集

分区裁剪按分区表达式及谓词排除 parts,主索引按排序相关键缩小 granule,附加 minmax 对索引块给出范围摘要。三者相互协作但不是一套固定“先分区后所有 minmax”的逻辑图,实际 EXPLAIN 以版本为准。

机制与确认边界

按月分区的表查询 11 月 1 日到 11 月 30 日,应保留 11 月而排除 12 月,不能在账本里算成两个月。若查询跨月或日期转换改变边界,则按真实区间计算;推荐用半开区间避免时间字段精度混淆。

实现与验证范围

原生在 11/12 月各写数据,再用 EXPLAIN indexes=1 核对候选 parts。MinMax/Partition/PrimaryKey 各阶段的分母可能是上一阶段候选,并非统一全表总数;截图中的 1/1 不能脱离上游 1/2 判断完全未裁剪。

本章机制图

flowchart TD
    ROW["谓词行选择率"] --> DIST["命中是否聚簇/散布?"] --> BLOCK["实际存活索引块数"]
    BLOOM["m、n、k 与编码"] --> FP["假阳性概率,无最多一次上界"] --> BLOCK
    BLOCK --> COST["索引读成本+存活块成本"]
    COST --> COMP["与全扫及维护成本比较"]

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