1.2.7 稀疏索引

ClickHouse支持主键索引。它根据索引粒度（默认为8192行）对每一列数据进行划分。每个索引粒度开头的第一行称为标记行。主键索引存储了标记行对应的主键的值。对于WHERE条件下有主键的查询，主键索引的二分查找可以直接定位到对应的索引粒度，避免了全表扫描，加快了查询速度。

ClickHouse支持在任何列上创建任意数量的稀疏索引。索引值可以是任何合法的SQL表达式，而不限于索引列值本身。之所以称为稀疏索引，是因为它本质上是一个完整索引粒度的统计信息，并不记录每一行在文件中的位置。MySQL会为每行都建立B树索引，而ClickHouse不会为所有的列都建立索引，而是间隔index_granularity（默认为8192）行才建立一个索引。标记（Mark）与标记行（Mark Number）均被保存在内存中，便于查询时快速检索。稀疏索引存储在primary.idx文件中。

目前，ClickHouse支持的稀疏索引类型如下。

❑minmax：以索引粒度为单位存储指定表达式计算后的最小值和最大值；它可以帮助快速跳过不满足要求的块，并减少等价和范围查询中的I/O。

❑set（max_Rows）：以索引粒度为单位存储指定表达式的distinct值集，用于快速判断等价查询是否命中块，减少数据读写性能损耗。

❑ngrambf_v1索引：根据ngram切分的布隆过滤器。ngrambf_v1按照指定的长度切割n元短语，所以切出来的短语可能是无意义的。可用于优化equals、like和in表达式的性能。ngrambf_v1索引语法如下：

ngrambf_v1(n,size_of_bloom_filter_in_bytes,number_of_hash_functions,random_seed)

参数说明如下。

●n：token长度，依据n的长度将数据切割为token短语。

●size_of_bloom_filter_in_bytes：布隆过滤器的大小。

●number_of_hash_functions：布隆过滤器中使用Hash函数的个数。

●random_seed：Hash函数的随机种子。

❑tokenbf_v1索引：与ngrambf_v1类似，但是存储的是token而不是ngram。这里的token是指由非字母和非数字的分隔符分隔得到的序列。tokenbf_v1索引语法如下：tokenbf_v1(size_of_bloom_filter_in_bytes,number_of_hash_functions,random_seed)

❑布隆过滤器索引：布隆过滤器索引的工作原理和布隆过滤器相同，与上面的短语索引的区别是，它支持的数据类型更多，有Int*、UInt*、Float*、Enum、Date、DateTime、String、FixedString、Array、LowCardinality、Nullable、UUID、Map等。对于Map数据类型，客户端可以指定是否应使用mapKeys或mapValues函数为键或值创建索引。

不过值得注意的是，ClickHouse的主键索引与MySQL等数据库的主键索引不同。它不用于重复数据删除，即使具有相同主键的行也可以同时存在于数据库中。为了达到去重的效果，需要结合使用具体的表引擎ReplaceMergeTree、CollapsingMergeTree、Versioned CollapsingMergeTree。