1.介紹
Clickhouse 中最強大的表引擎當屬 MergeTree （合並樹）引擎及該系列（MergeTree）中的其他引擎。MergeTree 允許依據主鍵和日期創建索引，並進行實時的數據更新操作。MergeTree 是 ClickHouse 里最為先進的表引擎。
請注意不要將 MergeTree 跟 Merge引擎混淆！！！
MergeTree 引擎系列的基本理念如下。當你有巨量數據要插入到表中，你要高效地一批批寫入數據片段，並希望這些數據片段在后台按照一定規則合並。相比在插入時不斷修改（重寫）數據進存儲，這種策略會高效很多。
主要特點:
存儲的數據按主鍵排序。
這讓你可以創建一個用於快速檢索數據的小稀疏索引。
允許使用分區，如果指定了分區鍵的話。
在相同數據集和相同結果集的情況下 ClickHouse 中某些帶分區的操作會比普通操作更快。查詢中指定了分區鍵時 ClickHouse 會自動截取分區數據。這也有效增加了查詢性能。
支持數據副本。
ReplicatedMergeTree 系列的表便是用於此。更多信息，請參閱官方文檔。
支持數據采樣。
需要的話，你可以給表設置一個采樣方法。
不使用采樣表達式的例子：
MergeTree(EventDate, (CounterID, EventDate), 8192)*
MergeTree(EventDate, intHash32(UserID), (CounterID, EventDate, intHash32(UserID)), 8192)*
2. 建表
CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1],
name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2],
...
INDEX index_name1 expr1 TYPE type1(...) GRANULARITY value1,
INDEX index_name2 expr2 TYPE type2(...) GRANULARITY value2
) ENGINE = MergeTree()
[PARTITION BY expr]
[ORDER BY expr]
[PRIMARY KEY expr]
[SAMPLE BY expr]
[SETTINGS name=value, ...]
MergeTree 引擎在創建時接收以下4個參數，
日期字段的名稱 （索引字段）
采樣表達式 （可選的）
含有主鍵相關字段的元組
稀疏索引的粒度（見下文）。
以 MergeTree 作為引擎的數據表必須含有一個獨立的 Date 字段。比如說， EventDate 字段。這個日期字段必須是 Date 類型的（非 DateTime 類型）。
主鍵可以是任意表達式構成的元組（通常是列名稱的元組），或者是單獨一個字段。
抽樣表達式（可選的）可以是任意表達式。這個表達式必須在主鍵中。上面的例子使用了 CounterID 的哈希 intHash32 作為采樣表達式，旨在近乎隨機地在 CounterID 和 EventDate 內打亂數據條目。換而言之，當我們在查詢中使用 SAMPLE 子句時，我們就可以得到一個近乎隨機分布的用戶列表。
數據表將數據分割為小的索引塊作為單位進行處理。 每個索引塊之間依照主鍵排序。每個索引塊記錄了指定的開始日期和結束日期。在您插入數據時，MergeTree 就會對數據進行排序處理，以保證存儲在索引塊內的數據有序。 索引塊之間的合並過程會在系統后台定期自動執行。MergeTree 引擎會選擇幾個相鄰的索引塊進行合並（通常是較小的索引塊）， 然后對二者合並、排序。
具體而言, 向 MergeTree 表中插入數據時，引擎會首先對新數據執行遞增排序而保存索引塊；其后，數據索引塊之間又會進一步合並，以減少總體索引塊數量。 因此，合並過程本身並無過多排序工作。
3.主鍵和索引在查詢中的表現
我們以 (CounterID, Date) 以主鍵。排序好的索引的圖示會是下面這樣：
全部數據 : [-------------------------------------------------------------------------]
CounterID: [aaaaaaaaaaaaaaaaaabbbbcdeeeeeeeeeeeeefgggggggghhhhhhhhhiiiiiiiiikllllllll]
Date: [1111111222222233331233211111222222333211111112122222223111112223311122333]
標記: | | | | | | | | | | |
a,1 a,2 a,3 b,3 e,2 e,3 g,1 h,2 i,1 i,3 l,3
標記號: 0 1 2 3 4 5 6 7 8 9 10
如果指定查詢如下：
CounterID in (‘a’,’h’)，服務器會讀取標記號在 [0, 3) 和 [6, 8) 區間中的數據。
CounterID IN (‘a’,’h’) AND Date = 3，服務器會讀取標記號在 [1, 3) 和 [7, 8) 區間中的數據。
Date = 3，服務器會讀取標記號在 [1, 10] 區間中的數據。
上面例子可以看出使用索引通常會比全表描述要高效。
稀疏索引會引起額外的數據讀取。當讀取主鍵單個區間范圍的數據時，每個數據塊中最多會多讀 index_granularity * 2 行額外的數據。大部分情況下，當 index_granularity = 8192 時，ClickHouse的性能並不會降級。
稀疏索引讓你能操作有巨量行的表。因為這些索引是常駐內存（RAM）的。
ClickHouse 不要求主鍵惟一。所以，你可以插入多條具有相同主鍵的行。