SELECT 是什么

ClickHouse 的 SELECT 是列式查询：只扫描用到的列，配合稀疏索引与分区裁剪，能在海量数据上做秒级聚合。语法与标准 SQL 接近，支持表达式、别名、WHERE、GROUP BY、HAVING、ORDER BY、LIMIT，并提供 LIMIT BY、WITH TOTALS、WINDOW 等扩展能力。大数据量下的典型用法是聚合与窗口计算，而不是逐行取明细。

基本信息

典型使用场景

• 按维度聚合统计，替代预计算的报表表
• 按时间范围做趋势分析，配合 toDate 与 toStartOfHour
• 明细抽样排查：加 LIMIT 快速看样本数据
• 去重计数：uniq 与 uniqExact 权衡精度与性能
• 分组取前 N 条：用 LIMIT BY 替代窗口函数
• 与外部 BI 对接：直接输出宽表结果集

示例

SELECT
    toDate(ts) AS d,
    count() AS requests,
    round(avg(value), 2) AS avg_value,
    uniq(user_id) AS users
FROM metrics
WHERE ts >= now() - INTERVAL 7 DAY          -- 范围条件才能裁剪分区与索引
GROUP BY d
HAVING requests > 100
ORDER BY d
LIMIT 100;

常用聚合与函数

查询与裁剪要点

• 对分区键用范围条件，避免函数包装导致无法裁剪
• 排序键前缀上的条件裁剪效果最好
• SELECT 只写需要的列，列式存储下能显著减少 IO
• PREWHERE 比 WHERE 更早过滤，适合高选择性的条件
• GROUP BY 后的 ORDER BY 要配合 LIMIT，避免无界排序
• 大结果集导出用 LIMIT 分批，避免一次性拉满内存

结果判读与常见偏差

• uniq 是近似去重，结果与 uniqExact 可能有极小差异
• avg 忽略 NULL，分母与业务口径要提前确认
• count() 与 countDistinct 的语义不同，别混用
• 时区影响 toDate 结果，跨时区业务要显式指定
• 浮点求和存在精度误差，金额类应存整数分
• HAVING 在分组后过滤，条件写成 WHERE 才能真正减少扫描量

查询性能实践

• 只选需要的列，列式存储按列读取，减少 IO 最直接
• 过滤条件尽量前置，放在 PREWHERE 或 WHERE 的靠前位置
• 大表统计先靠分区裁剪，再靠排序键裁剪
• GROUP BY 键基数过高时会占用大量内存，考虑预聚合
• 用 EXPLAIN 看读取的 granule 与行数，判断裁剪是否生效
• 结果集大时用 LIMIT 分批导出，避免一次性拉满内存

常见口径差异

• count() 统计行数，countDistinct 统计去重值，语义完全不同
• uniq 是近似去重，与 uniqExact 结果可能有极小差异
• avg 忽略 NULL，分母口径要与业务确认
• toDate 受时区影响，跨时区业务要显式指定
• 整型相除会截断，需要小数结果要转成浮点再算
• 浮点求和存在精度误差，金额类建议按分存整数