EXPLAIN 与 PIPELINE:计划树和执行流
EXPLAIN 展示计划,PIPELINE 展示 processor 及流连接;树上的打印方向并不普遍就是从上到下执行顺序。通常底部读取的结果向上游消费算子传递,Expression 也不能自动等同过滤,具体需看节点和表达式。
机制与确认边界
EXPLAIN indexes=1 的 Parts/Granules 描述各级索引的候选范围;read_rows 是执行观测而非凭计划字段随意算出的数字。跨节点计划、聚合状态阶段和并行流需要分别看,不能用两个本地候选 parts 声称验证了四分片调度。
实现与验证范围
新版探针保存完整 EXPLAIN 文本及所测版本,模型 ratio 只解析已知格式并在字段缺失时报错,不返回预置命中数。先建立可手算的数据分区与谓词,再比较计划和实际结果;诊断截图应附 SQL、DDL 与输入范围。
本章机制图
flowchart TD
SQL["固定 SQL/DDL/输入"] --> EX["EXPLAIN indexes 与 PIPELINE"] --> RUN["执行并消费结果"]
RUN --> LOG["FLUSH LOGS,按 query_id 与 QueryFinish 取记录"]
LOG --> METRIC["read_rows/read_bytes/query_duration_ms/memory_usage"]
METRIC --> CHECK["先校验结果,再解释性能变化"]
CHECK --> EX
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。