OPTIMIZE 语句 - ClickHouse Documentation

该查询会尝试对表的数据分区片段发起一次计划外合并。请注意，我们通常不建议使用 OPTIMIZE TABLE ... FINAL (参见相关文档) ，因为它适用于管理场景，而非日常操作。

OPTIMIZE 无法修复 parts 过多 错误。

语法

OPTIMIZE TABLE [db.]name [ON CLUSTER cluster] [PARTITION partition | PARTITION ID 'partition_id'] [FINAL | FORCE] [DEDUPLICATE [BY expression]]

OPTIMIZE TABLE [db.]name DRY RUN PARTS 'part_name1', 'part_name2' [, ...] [DEDUPLICATE [BY expression]] [CLEANUP]

OPTIMIZE 查询支持 MergeTree 家族 (包括 materialized views) 和 Buffer 引擎。其他表引擎不支持。当 OPTIMIZE 与 ReplicatedMergeTree 家族的表引擎一起使用时，ClickHouse 会创建一个合并任务，并等待它在所有副本上执行完成 (如果 alter_sync 设置为 2) ，或在当前副本上执行完成 (如果 alter_sync 设置为 1) 。

如果 OPTIMIZE 因任何原因未执行合并，不会通知客户端。要启用通知，请使用 optimize_throw_if_noop 设置。
如果指定了 PARTITION，则只会优化指定分区。如何设置分区表达式。
如果指定了 FINAL 或 FORCE，即使所有数据已经在一个分片中，也会执行优化。你可以使用 optimize_skip_merged_partitions 控制此行为。此外，即使当前正在执行并发合并，也会强制执行合并。
如果指定了 DEDUPLICATE，则会对完全相同的行进行去重 (除非指定了 BY 子句) ；也就是说，会比较所有列。这仅对 MergeTree 引擎有意义。

你可以通过 replication_wait_for_inactive_replica_timeout 设置，指定等待非活动副本执行 OPTIMIZE 查询的时长 (以秒为单位) 。

如果 alter_sync 设置为 2，并且某些副本处于非活动状态的时间超过了 replication_wait_for_inactive_replica_timeout 设置指定的时长，则会抛出 UNFINISHED 异常。

DRY RUN

DRY RUN 子句会在不提交结果的情况下模拟合并指定的 parts。合并后的分片会写入临时位置，经过校验后再丢弃。原始 parts 和表数据均保持不变。这在以下场景中很有用：

测试不同 ClickHouse 版本中的合并正确性。
以确定性的方式复现与合并相关的 bug。
对合并性能进行基准测试。

DRY RUN 仅支持 MergeTree 家族的表。必须使用 PARTS 关键字并提供分片名称列表。所有指定的 parts 都必须存在、处于活动状态，并且属于同一个分区。 DRY RUN 与 FINAL 和 PARTITION 不兼容。它可以与 DEDUPLICATE (可选择指定列) 以及 CLEANUP (用于 ReplacingMergeTree 表) 结合使用。语法

OPTIMIZE TABLE [db.]name DRY RUN PARTS 'part_name1', 'part_name2' [, ...] [DEDUPLICATE [BY expression]] [CLEANUP]

默认情况下，生成的合并后分片会以类似 CHECK TABLE 查询的方式进行校验。此行为由 optimize_dry_run_check_part 设置控制 (默认启用) 。禁用后将跳过校验，这对仅对合并过程本身进行基准测试很有帮助。示例

CREATE TABLE dry_run_example (key UInt64, value String) ENGINE = MergeTree ORDER BY key;

INSERT INTO dry_run_example VALUES (1, 'a'), (2, 'b');
INSERT INTO dry_run_example VALUES (1, 'c'), (4, 'd');

-- 模拟合并两个 parts
OPTIMIZE TABLE dry_run_example DRY RUN PARTS 'all_1_1_0', 'all_2_2_0';

-- 模拟带去重的合并
OPTIMIZE TABLE dry_run_example DRY RUN PARTS 'all_1_1_0', 'all_2_2_0' DEDUPLICATE;

-- DRY RUN 后 parts 和数据保持不变
SELECT name, rows FROM system.parts
WHERE database = currentDatabase() AND table = 'dry_run_example' AND active
ORDER BY name;

┌─name────────┬─rows─┐
│ all_1_1_0   │    2 │
│ all_2_2_0   │    2 │
└─────────────┴──────┘

BY 表达式

如果你想基于自定义的一组列而不是所有列执行去重，可以显式指定列列表，也可以使用 *、COLUMNS 或 EXCEPT 表达式的任意组合。显式写出的或隐式展开的列列表，必须包含行排序表达式 (包括主键和排序键) 以及分区表达式 (分区键) 中指定的所有列。

请注意，* 的行为与 SELECT 中相同：MATERIALIZED 和 ALIAS 列不会被展开。此外，指定空列列表、写出结果为空列列表的表达式，或按 ALIAS 列去重，都会报错。

语法

OPTIMIZE TABLE table DEDUPLICATE; -- all columns
OPTIMIZE TABLE table DEDUPLICATE BY *; -- excludes MATERIALIZED and ALIAS columns
OPTIMIZE TABLE table DEDUPLICATE BY colX,colY,colZ;
OPTIMIZE TABLE table DEDUPLICATE BY * EXCEPT colX;
OPTIMIZE TABLE table DEDUPLICATE BY * EXCEPT (colX, colY);
OPTIMIZE TABLE table DEDUPLICATE BY COLUMNS('column-matched-by-regex');
OPTIMIZE TABLE table DEDUPLICATE BY COLUMNS('column-matched-by-regex') EXCEPT colX;
OPTIMIZE TABLE table DEDUPLICATE BY COLUMNS('column-matched-by-regex') EXCEPT (colX, colY);

示例假设有下表：

Query

CREATE TABLE example (
    primary_key Int32,
    secondary_key Int32,
    value UInt32,
    partition_key UInt32,
    materialized_value UInt32 MATERIALIZED 12345,
    aliased_value UInt32 ALIAS 2,
    PRIMARY KEY primary_key
) ENGINE=MergeTree
PARTITION BY partition_key
ORDER BY (primary_key, secondary_key);

Query

INSERT INTO example (primary_key, secondary_key, value, partition_key)
VALUES (0, 0, 0, 0), (0, 0, 0, 0), (1, 1, 2, 2), (1, 1, 2, 3), (1, 1, 3, 3);

Query

SELECT * FROM example;

Response

┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           0 │             0 │     0 │             0 │
│           0 │             0 │     0 │             0 │
└─────────────┴───────────────┴───────┴───────────────┘
┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           1 │             1 │     2 │             2 │
└─────────────┴───────────────┴───────┴───────────────┘
┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           1 │             1 │     2 │             3 │
│           1 │             1 │     3 │             3 │
└─────────────┴───────────────┴───────┴───────────────┘

以下所有示例均基于这一包含 5 行的状态执行。

`DEDUPLICATE`

如果未指定去重列，则默认考虑所有列。只有当所有列的值都与上一行中对应的值相等时，才会删除该行：

Query

OPTIMIZE TABLE example FINAL DEDUPLICATE;

Query

SELECT * FROM example;

Response

┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           1 │             1 │     2 │             2 │
└─────────────┴───────────────┴───────┴───────────────┘
┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           0 │             0 │     0 │             0 │
└─────────────┴───────────────┴───────┴───────────────┘
┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           1 │             1 │     2 │             3 │
│           1 │             1 │     3 │             3 │
└─────────────┴───────────────┴───────┴───────────────┘

`DEDUPLICATE BY *`

当列为隐式指定时，表会按所有不是 ALIAS 或 MATERIALIZED 的列去重。以上表为例，这些列包括 primary_key、secondary_key、value 和 partition_key：

Query

OPTIMIZE TABLE example FINAL DEDUPLICATE BY *;

Query

SELECT * FROM example;

Response

┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           1 │             1 │     2 │             2 │
└─────────────┴───────────────┴───────┴───────────────┘
┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           0 │             0 │     0 │             0 │
└─────────────┴───────────────┴───────┴───────────────┘
┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           1 │             1 │     2 │             3 │
│           1 │             1 │     3 │             3 │
└─────────────┴───────────────┴───────┴───────────────┘

`DEDUPLICATE BY * EXCEPT`

按所有既非 ALIAS、也非 MATERIALIZED，且明确排除 value 的列进行去重：primary_key、secondary_key 和 partition_key 列。

Query

OPTIMIZE TABLE example FINAL DEDUPLICATE BY * EXCEPT value;

Query

SELECT * FROM example;

Response

┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           1 │             1 │     2 │             2 │
└─────────────┴───────────────┴───────┴───────────────┘
┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           0 │             0 │     0 │             0 │
└─────────────┴───────────────┴───────┴───────────────┘
┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           1 │             1 │     2 │             3 │
└─────────────┴───────────────┴───────┴───────────────┘

`DEDUPLICATE BY <list of columns>`

按 primary_key、secondary_key 和 partition_key 列进行显式去重：

Query

OPTIMIZE TABLE example FINAL DEDUPLICATE BY primary_key, secondary_key, partition_key;

Query

SELECT * FROM example;

Response

┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           1 │             1 │     2 │             2 │
└─────────────┴───────────────┴───────┴───────────────┘
┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           0 │             0 │     0 │             0 │
└─────────────┴───────────────┴───────┴───────────────┘
┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           1 │             1 │     2 │             3 │
└─────────────┴───────────────┴───────┴───────────────┘

`DEDUPLICATE BY COLUMNS(<regex>)`

按所有匹配正则表达式的列去重：primary_key、secondary_key 和 partition_key 列：

Query

OPTIMIZE TABLE example FINAL DEDUPLICATE BY COLUMNS('.*_key');

Query

SELECT * FROM example;

Response

┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           0 │             0 │     0 │             0 │
└─────────────┴───────────────┴───────┴───────────────┘
┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           1 │             1 │     2 │             2 │
└─────────────┴───────────────┴───────┴───────────────┘
┌─primary_key─┬─secondary_key─┬─value─┬─partition_key─┐
│           1 │             1 │     2 │             3 │
└─────────────┴───────────────┴───────┴───────────────┘

​DRY RUN

​BY 表达式

​DEDUPLICATE

​DEDUPLICATE BY *

​DEDUPLICATE BY * EXCEPT

​DEDUPLICATE BY <list of columns>

​DEDUPLICATE BY COLUMNS(<regex>)

DRY RUN

BY 表达式

`DEDUPLICATE`

`DEDUPLICATE BY *`

`DEDUPLICATE BY * EXCEPT`

`DEDUPLICATE BY <list of columns>`

`DEDUPLICATE BY COLUMNS(<regex>)`