Clickhouse作为一个OLAP数据库，它对事务的支持非常有限。Clickhouse供给了MUTATION操作（通过ALTER TABLE句子）来完成数据的更新、删去，但这是一种“较重”的操作，它与规范SQL语法中的UPDATE、DELETE不同，是异步执行的，关于批量数据不频频的更新或删去比较有用 。除了MUTATION操作，Clickhouse还能够通过CollapsingMergeTree、VersionedCollapsingMergeTree、ReplacingMergeTree结合具体事务数据结构来完成数据的更新、删去，这三种方式都通过INSERT句子刺进最新的数据，新数据会“抵消”或“替换”掉老数据，可是“抵消”或“替换”都是产生在数据文件后台Merge时，也就是说，在Merge之前，新数据和老数据会同时存在。因而，咱们需求在查询时做一些处理，防止查询到老数据。Clickhouse官方文档供给了运用CollapsingMergeTree、VersionedCollapsingMergeTree的指导 。比较于CollapsingMergeTree、VersionedCollapsingMergeTree需求标记位字段、版别字段，用ReplacingMergeTree来完成数据的更新删去会愈加便利，这儿着重介绍一下如何用ReplacingMergeTree来完成数据的更新删去。

咱们假设一个需求频频数据更新的场景，如某市用户用电量的统计，咱们知道，用户的用电量每分每秒都有或许产生变化，所以会涉及到数据频频的更新。首要，创立一张表来记录某市一切用户的用电量。

CREATE TABLE IF NOT EXISTS default.PowerConsumption_local ON CLUSTER default_cluster
(
    User_ID             UInt64                              COMMENT '用户ID',
    Record_Time         DateTime    DEFAULT toDateTime(0)   COMMENT '电量记录时刻',
    District_Code       UInt8                               COMMENT '用户地点行政区编码',
    Address             String                              COMMENT '用户地址',
    Power               UInt64                              COMMENT '用电量',
    Deleted             BOOLEAN     DEFAULT 0               COMMENT '数据是否被删去'
)
ENGINE = ReplicatedReplacingMergeTree('/clickhouse/tables/default.PowerConsumption_local/{shard}', '{replica}', Record_Time)
ORDER BY (User_ID, Address)
PARTITION BY District_Code;

CREATE TABLE default.PowerConsumption ON CLUSTER default_cluster AS default.PowerConsumption_local
ENGINE = Distributed(default_cluster, default, PowerConsumption_local, rand());

PowerConsumption_local为本地表，PowerConsumption为对应的分布式表。其中PowerConsumption_local运用ReplicatedReplacingMergeTree表引擎，第三个参数‘Record_Time’表示相同主键的多条数据，只会保存Record_Time最大的一条，咱们正是使用ReplacingMergeTree的这一特性来完成数据的更新删去。因而，在选择主键时，咱们需求保证主键仅有。这儿咱们选择(User_ID, Address)来作为主键，由于用户ID加上用户的地址能够确定仅有的一个电表，不会出现第二个相同的电表，所以关于某个电表多条数据，只会保存电量记录时刻最新的一条。

然后咱们向表中刺进10条数据：

INSERT INTO default.PowerConsumption VALUES (0, '2021-10-30 12:00:00', 3, 'Yanta', rand64() % 1000 + 1, 0);
INSERT INTO default.PowerConsumption VALUES (1, '2021-10-30 12:10:00', 2, 'Beilin', rand64() % 1000 + 1, 0);
INSERT INTO default.PowerConsumption VALUES (2, '2021-10-30 12:15:00', 1, 'Weiyang', rand64() % 1000 + 1, 0);
INSERT INTO default.PowerConsumption VALUES (3, '2021-10-30 12:18:00', 1, 'Gaoxin', rand64() % 1000 + 1, 0);
INSERT INTO default.PowerConsumption VALUES (4, '2021-10-30 12:23:00', 2, 'Qujiang', rand64() % 1000 + 1, 0);
INSERT INTO default.PowerConsumption VALUES (5, '2021-10-30 12:43:00', 3, 'Baqiao', rand64() % 1000 + 1, 0);
INSERT INTO default.PowerConsumption VALUES (6, '2021-10-30 12:45:00', 1, 'Lianhu', rand64() % 1000 + 1, 0);
INSERT INTO default.PowerConsumption VALUES (7, '2021-10-30 12:46:00', 3, 'Changan', rand64() % 1000 + 1, 0);
INSERT INTO default.PowerConsumption VALUES (8, '2021-10-30 12:55:00', 1, 'Qianhan', rand64() % 1000 + 1, 0);
INSERT INTO default.PowerConsumption VALUES (9, '2021-10-30 12:57:00', 4, 'Fengdong', rand64() % 1000 + 1, 0);

表中数据如图所示：

Clickhouse如何实现数据更新

假如现在咱们要行政区编码为1的一切用户数据都需求更新，咱们刺进最新的数据：

INSERT INTO default.PowerConsumption VALUES (2, now(), 1, 'Weiyang', rand64() % 100 + 1, 0);
INSERT INTO default.PowerConsumption VALUES (3, now(), 1, 'Gaoxin', rand64() % 100 + 1, 0);
INSERT INTO default.PowerConsumption VALUES (6, now(), 1, 'Lianhu', rand64() % 100 + 1, 0);
INSERT INTO default.PowerConsumption VALUES (8, now(), 1, 'Qianhan', rand64() % 100 + 1, 0);

刺进最新数据后，表中数据如图所示：

Clickhouse如何实现数据更新

能够看到，此时新刺进的数据与老数据同时存在于表中，由于后台数据文件还没有进行Merge，“替换”还没有产生，这时就需求对查询句子做一些处理来过滤掉老数据，函数argMax(a, b)能够按照b的最大值取a的值，所以通过如下查询句子就能够只获取到最新数据：

SELECT
    User_ID,
    max(Record_Time) AS R_Time,
    District_Code,
    Address,
    argMax(Power, Record_Time) AS Power,
    argMax(Deleted, Record_Time) AS Deleted
FROM default.PowerConsumption
GROUP BY
    User_ID,
    Address,
    District_Code
HAVING Deleted = 0;

查询成果如下图：

Clickhouse如何实现数据更新

为了更便利咱们查询，这儿能够创立一个视图：

CREATE VIEW PowerConsumption_view ON CLUSTER default_cluster AS
SELECT
    User_ID,
    max(Record_Time) AS R_Time,
    District_Code,
    Address,
    argMax(Power, Record_Time) AS Power,
    argMax(Deleted, Record_Time) AS Deleted
FROM default.PowerConsumption
GROUP BY
    User_ID,
    Address,
    District_Code
HAVING Deleted = 0;

通过该视图，能够查询到最新的数据：

Clickhouse如何实现数据更新

假如现在咱们又需求删去用户ID为0的数据，咱们需求刺进一条User_ID字段为0，Deleted字段为1的数据：

INSERT INTO default.PowerConsumption VALUES (0, now(), 3, 'Yanta', null, 1);

查询视图，发现User_ID为0的数据现已查询不到了：

Clickhouse如何实现数据更新

通过如上方法，咱们能够完成Clickhouse数据的更新、删去，就好像在运用OLTP数据库相同，但咱们应该清楚，实际上老数据真正的删去是在数据文件Merge时产生的，只要在Merge后，老数据才会真正物理意义上的删去掉。

本文由华为云发布。