数据类型
时间字段
建表时能用数值型或日期时间类型（DateTime）表示的字段就不要用字符串
因为clickhouse进行分区时一般使用时间字段来进行分区，而将时间字段使用DateTime表示，不需要经过函数转换处理，执行效率高、可读性好
如以下建表语句：
create table t_date_type_test(
id UInt32,
sku_id String,
total_amount Decimal(16,2) ,
create_time Int32
) engine =ReplacingMergeTree(create_time)
partition by toYYYYMMDD(toDate(create_time))
primary key (id)
order by (id, sku_id);这里的create_time使用了Int32类型来保存，因此在使用toYYYYMMDD函数进行格式转换时需要使用toDate来进行处理，否则会报错：
空值存储类型
clickhouse中不建议使用Nullable 类型，因为其会对性能造成影响；
先创建一张有Nullable类型字段的表：
CREATE TABLE t_null(x Int8, y Nullable(Int8)) ENGINE TinyLog;其中Nullable(Int8)说明该字段可以是null，也可以是int8类型的数据；
然后向其中插入两条数据：
INSERT INTO t_null VALUES (1, NULL), (2, 3);然后进入/var/lib/clickhouse/data/default/t_null路径下查看：
发现多出来了一个数据文件来专门存储null类型的数据，这会对查询性能造成影响；
而且Nullable 列无法被索引，因此除非极特殊情况，应直接使用字段默认值表示空，或者自行指定一个在业务中无意义的值（例如用-1 表示没有商品ID）
官网说明如下：Nullable(typename) | ClickHouse Docs
分区
分区粒度根据业务特点决定，不宜过粗或过细。一般选择按天分区，以单表一亿数据为例，分区大小控制在 10-30 个为最佳
索引
必须指定索引列，ClickHouse 中的索引列即排序列，通过 order by 指定
通常需要满足高级列在前、查询频率大的在前原则
而且基数特别大的不适合做索引列，如用户表的 userid 字段
表参数
- Index_granularity 是用来控制索引粒度的，默认是 8192，如非必须不建议调整（该默认值适用于官方示例的单表一亿数据情况下）
- 如果表中不是必须保留全量历史数据，建议指定 TTL（生存时间值），可以免去手动过期历史数据的麻烦，TTL 也可以通过 alter table 语句随时修改
写入和删除优化
- 尽量不要执行单条或小批量删除和插入操作，这样会产生小分区文件，给后台Merge 任务带来巨大压力（需要攒批）
- 不要一次写入太多分区，或数据写入太快，数据写入太快会导致 Merge 速度跟不上而报错，一般建议每秒钟发起 2-3 次写入操作，每次操作写入 2w~5w 条数据（依服务器性能而定）
如果写入过快的话可能出现的报错信息：
1. Code: 252, e.displayText() = DB::Exception: Too many parts(304).
Merges are processing significantly slower than inserts
2. Code: 241, e.displayText() = DB::Exception: Memory limit (for query)
exceeded:would use 9.37 GiB (attempt to allocate chunk of 301989888
bytes), maximum: 9.31 GiB常见配置
clickhouse的配置文件路径：/etc/clickhouse-server
主要的配置文件有两个：
users.xml：User Settings | ClickHouse Docs
config.xml：Global Server Settings | ClickHouse Docs
大多数内容都在config.xml配置文件中；
CPU资源
clickhouse由于多线程执行，对于CPU的占用率很高，因此尽量单独部署，不要和Hadoop集群部署到一台机器上，以免运行时占用其他服务的资源
常用参数如下：
| 配置 | 描述 |
| background_pool_size | 后台线程池的大小，merge 线程就是在该线程池中执行，该线程池不仅仅是给 merge 线程用的，默认值 16，允许的前提下建议改成 cpu 个数的 2 倍（线程数） |
| background_schedule_pool_size | 执行一些轻量级周期性操作（后台任务）（复制表、Kafka 流、DNS 缓存更新）的线程数；默认值 128，建议改成 cpu 个数的 2 倍（线程数） |
| background_distributed_schedule_pool_size | 设置为分布式发送执行后台任务的线程数，默认 16，建议改成 cpu个数的 2 倍（线程数） |
| max_concurrent_queries | 最大并发处理的请求数(包含 select,insert 等)，默认值 100，推荐 150(不够再加)~300 （最新版本的默认值是0（2023），表示不进行限制） （该参数可以在运行环境中进行修改且立即生效，但不适用于修改时正在运行的任务） |
| max_threads | 设置单个查询所能使用的最大 cpu 个数，默认是 cpu 核数 Core Settings | ClickHouse Docs |
除了max_threads需要使用set param=value的方式设置外，其余参数均可在config.xml文件中设置
内存资源
| 配置 | 描述 |
| max_memory_usage | 此参数在 users.xml，表示单次 Query 占用内存最大值，该值可以设置的比较大，这样可以提升集群查询的上限。（默认值是10G）
应当保留一点给 OS，比如 128G 内存的机器，设置为 100GB 这也是clickhouse推荐单机部署的原因之一，因为如果和yarn等组件部署在一台机器上，该值无法设置的比较大 |
| max_bytes_before_external_group_by | 一般按照 max_memory_usage 的一半设置内存，当 group by使用内存超过阈值后会刷新到磁盘进行 因为 clickhouse 聚合分两个阶段：查询并及建立中间数据、合并中间数据，结合上一项，建议 50GB 这样的话如果内存不够用也不会报错，而是会把内存中的数据先刷写到磁盘上，然后继续执行，不过会大幅降低执行效率（实测降低效率十分严重，一般无法接收） Restrictions on Query Complexity | ClickHouse Docs 通过 |
| max_bytes_before_external_sort | 当 order by 已使用 max_bytes_before_external_sort 内存就进行溢写磁盘(基于磁盘排序) 与上一个参数类似 通过 |
| max_table_size_to_drop | 此参数在 config.xml 中，应用于需要删除表或分区的情况，默认是50GB，意思是如果删除 50GB 以上的分区表会失败。建议修改为 0，这样不管多大的分区表都可以删除 |
存储
ClickHouse 不支持设置多数据目录，为了提升数据 io 性能，可以挂载虚拟券组，一个券组绑定多块物理磁盘提升读写性能，多数据查询场景 SSD 会比普通机械硬盘快 2-3 倍
参数配置总结
大部分参数在config.xml中可配置，与用户相关的优先查找users.xml
如果都没有找到，则可以通过show settings like '参数名'的方式查找；
与参数配置相关的文档有：
Global Server Settings | ClickHouse Docs
Core Settings | ClickHouse Docs
User Settings | ClickHouse Docs
