clickhouse 分布式表

### 关于ClickHouse分布式表

#### 配置方法

在ClickHouse中，`Distributed`引擎用于创建分布式的逻辑视图。这使得查询能够被分发到多个节点上的底层本地表，并最终汇总结果返回给客户端。要创建一张基于`Distributed`引擎的表格，需提供集群名、目标数据库名、实际存储数据的目标表以及分片键等参数[^4]。

CREATE TABLE distributed_table ON CLUSTER '{cluster}'
(
    `id` UInt64,
    ...
)
ENGINE = Distributed('{cluster}', 'default', 'local_table', rand());

上述SQL语句展示了如何定义一个名为`distributed_table`的分布式表，在此过程中指定了所属集群(`{cluster}`)，默认使用的数据库(`'default'`)及其内部的具体表(`'local_table'`)作为数据源；而`rand()`函数用来随机分配记录至不同分片之中。

#### 使用场景

对于大规模数据分析而言，单台服务器难以满足海量数据处理需求。借助`Distributed`表结构，可以轻松实现跨多台机器的数据管理和高效检索操作。尤其适用于以下几种情况：

- 数据量庞大以至于单一实例无法承载；
- 对高可用性和容错能力有较高要求的应用环境；
- 实现水平扩展以应对不断增长的工作负载压力。

#### 性能调优

为了进一步增强系统的响应速度并减少延迟时间，可以从以下几个方面着手优化：

- **合理规划硬件资源**：考虑到I/O性能的重要性，建议采用固态硬盘(SSD)代替传统机械硬盘来部署ClickHouse服务端程序，因为前者可带来显著的速度优势——大约是后者的两到三倍效率提升[^2]。

- **调整预过滤机制**：启用`optimize_move_to_prewhere`选项有助于提前筛选符合条件的数据集，进而减轻后续计算负担。该功能默认处于激活状态(set optimize_move_to_prewhere=1)[^1]。

- **优化JOIN操作**：当涉及关联两张大表时，应特别关注执行计划是否正确应用了预期中的索引或分区策略。必要情况下可以通过EXPLAIN命令验证具体的执行路径，并考虑将右侧参与连接的对象转换成子查询形式以便更好地控制其行为模式[^3]。