MergeTree 是什麼？#

MergeTree 是 ClickHouse 中最基礎的儲存引擎，負責將大量寫入資料有效儲存與管理，並支援高效的查詢與資料合併（Merge）操作。

MergeTree 的核心特性與 Merge 操作原理#

MergeTree 家族的引擎具備以下幾個特性：

1. Primary Key 排序與稀疏索引 (Sparse Primary Index)：表格的主鍵決定了每個資料片段 (Data Part) 內的排序方式（Clustered Index）。不過，這個索引並不指向單筆資料，而是以 8192 筆資料為單位的 Granule (粒度)。這種設計讓主鍵索引即便在超大資料量下仍能被保留在記憶體中，並且能有效快速地存取磁碟上的資料區塊。

2. 靈活的分區機制 (Partitioning)：使用任意表達式來劃分分區，並能透過 Partition Pruning 技術在查詢時自動跳過不相關的分區，避免不必要的 I/O。

3. 高可用性與容錯 (Replication)：資料可於多個 Cluster Nodes 間進行複製，支援高可用性、故障切換 (Failover)、以及無停機升級 (Zero Downtime Upgrade)。

4. 統計與抽樣查詢 (Sampling & Statistics)：MergeTree 支援各類型的統計與抽樣機制，可協助查詢優化器進行查詢路徑選擇與加速。

MergeTree 解決了哪些問題？#

• 大規模寫入效能瓶頸：透過將寫入資料分為小型 Data Parts 先行儲存，避免頻繁修改大型檔案帶來的 I/O 開銷。
• 查詢效率提升：依據 Partition 與 Primary Key 排序，能快速定位查詢資料區塊，避免全表掃描。
• 資料壓縮與去重整合：透過 Merge 操作合併資料時進行壓縮與去重，大幅降低儲存空間與查詢延遲。

語法和範例#

1
CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
2
(
3
    name1 [type1] [[NOT] NULL] [DEFAULT|MATERIALIZED|ALIAS|EPHEMERAL expr1] [COMMENT ...] [CODEC(codec1)] [STATISTICS(stat1)] [TTL expr1] [PRIMARY KEY] [SETTINGS (name = value, ...)],
4
    name2 [type2] [[NOT] NULL] [DEFAULT|MATERIALIZED|ALIAS|EPHEMERAL expr2] [COMMENT ...] [CODEC(codec2)] [STATISTICS(stat2)] [TTL expr2] [PRIMARY KEY] [SETTINGS (name = value, ...)],
5
    ...
6
    INDEX index_name1 expr1 TYPE type1(...) [GRANULARITY value1],
7
    INDEX index_name2 expr2 TYPE type2(...) [GRANULARITY value2],
8
    ...
9
    PROJECTION projection_name_1 (SELECT <COLUMN LIST EXPR> [GROUP BY] [ORDER BY]),
10
    PROJECTION projection_name_2 (SELECT <COLUMN LIST EXPR> [GROUP BY] [ORDER BY])
11
) ENGINE = MergeTree()
12
ORDER BY expr
13
[PARTITION BY expr]
14
[PRIMARY KEY expr]
15
[SAMPLE BY expr]
16
[TTL expr
17
    [DELETE|TO DISK 'xxx'|TO VOLUME 'xxx' [, ...] ]
18
    [WHERE conditions]
19
    [GROUP BY key_expr [SET v1 = aggr_func(v1) [, v2 = aggr_func(v2) ...]] ] ]
20
[SETTINGS name = value, ...]

1
CREATE TABLE user_events
2
(
3
    EventDate Date,
4
    UserID UInt64,
5
    EventType String,
6
    EventValue Float32
7
) ENGINE = MergeTree()
8
PARTITION BY toYYYYMM(EventDate)
9
ORDER BY (EventDate, UserID);

1
INSERT INTO user_events VALUES ('2025-08-10', 1001, 'click', 1.0);
2
INSERT INTO user_events VALUES ('2025-08-10', 1002, 'view', 1.0);
3
INSERT INTO user_events VALUES ('2025-08-11', 1001, 'purchase', 299.99);

1
SELECT *
2
FROM user_events
3
WHERE EventDate = '2025-08-10'
4
  AND UserID = 1001;

1
ENGINE = MergeTree()
2
PARTITION BY toYYYYMM(EventDate)
3
ORDER BY (EventDate, UserID)
4
SETTINGS index_granularity = 8192;

MergeTree 家族的特殊變種#

ClickHouse 根據不同業務需求，衍生出許多 MergeTree 變種引擎：

Merge 操作的原理與效能影響#

MergeTree 會在背景執行 Merge 操作，將多個小型 Data Part 合併成大型 Part，並在此過程中進行排序、壓縮與去重。

• Merge 頻率與效能平衡：Merge 操作會佔用系統 I/O 資源，設定合理的 Merge 參數（如 max_parts_to_merge_at_once）可平衡查詢與寫入效能。
• Mutation (資料變異操作)：ClickHouse 也支援在 Merge 階段進行 UPDATE / DELETE 操作，但屬於非即時性處理，適合資料分析場景。

應用場景#

• Log 分析：以日期為 Partition，URL 或 IP 為 Primary Key，支援快速查詢特定時段與條件的日誌資料。
• 使用者行為追蹤資料：透過 ReplacingMergeTree 去重資料、SummingMergeTree 快速整理使用者點擊行為。
• IoT 感測資料平台：大量寫入感測資料並以 AggregatingMergeTree 實時統計各種資料指標。

結語#

MergeTree 是 ClickHouse 高效能儲存與查詢的基礎，透過分區、排序與背景 Merge 機制，使得海量資料寫入與查詢皆能達到極致效能。針對不同業務場景選擇合適的 MergeTree 變種引擎，能夠很大的提升系統性能。