摘要
最快的分析查询，总是那些读取数据量最少的查询。我们深知这一点的重要性，因为事实确实如此！ClickHouse 提供了多种方法来实现这一目标。在本文中，我们将以英国房地产销售数据集为例，深入探讨三种基于索引的剪枝技术——助您精准掌握其适用场景与时机。剪枝技术 1：主索引 (Primary Index)首项剪枝技术是主键 (Primary Key)，这也是创建数据表时首先需要掌握的概念之一。数据表的主键决定了数据分片 (Data Part) 内数据的排序方式。数据分片由数据粒 (Granule) 组成，每个数据粒默认包含 8,192 行。ClickHouse 的主索引 (Primary Index) 会存储 每个数据粒中首行的主键列值。如下图所示，数据按主键 C1 排序，行被组织成多个数据粒（从 g1 到 g4）。为便于理解，图中每个数据粒仅包含 3 行。主索引存储每个数据粒的首个值，例如 g1 为 10，g2 为 20，依此类推。主索引能够根据主键上的过滤条件，在数据读取之前跳过整个数据粒。例如，对于包含 WHERE C1 > 60 的查询，数据粒 g1 和 g2 将通过主索引进行剪枝，从而仅读取剩余的数据。剪枝技术 2：轻量级投影 (Lightweight Projections)我们的下一项剪枝技术是 轻量级投影，该功能最初在 ClickHouse 25.6 版本中引入，并在 ClickHouse 26.1 版本中获得了更易用的语法。ClickHouse 中的投影 (Projection) 是自动维护的隐藏表副本，它们以不同的排序方式存储，因此拥有不同的主索引。这些替代的布局能够加速那些受益于特定排序的查询。但其缺点在于，投影会在磁盘上复制基础表的数据。轻量级投影 (Lightweight projections) 的行为类似于二级索引，但无需复制完整的行。它们不存储完整的数据副本，而是仅存储其排序键以及一个指向基础表的 _part_offset 指针。这大大减少了存储开销，但意味着任何其他需要返回的列都必须从基础表读取。我们可以通过更新图表来了解其工作原理，即在 C2