clickhouse 各个引擎适用的场景
1. MergeTree - 最常用的引擎
场景：网站访问日志分析
sqlCREATE TABLE website_logs (
date Date,
user_id UInt32,
page_url String,
visit_time DateTime
) ENGINE = MergeTree()
PARTITION BY toYYYYMM(date)
ORDER BY (user_id, date);
现实例子：就像一个图书馆的借书记录，按时间分区（每月一个文件夹），按用户ID排序，方便快速查找某个用户的借书历史。
2. ReplacingMergeTree - 去重引擎
场景：用户资料表（会更新）
sqlCREATE TABLE user_profiles (
user_id UInt32,
name String,
phone String,
updated_at DateTime
) ENGINE = ReplacingMergeTree(updated_at)
ORDER BY user_id;
现实例子：像员工档案柜，每个员工只能有一份最新的档案。如果员工信息更新了，旧的档案会被新的替换掉。
3. SummingMergeTree - 自动求和引擎
场景：销售数据统计
sqlCREATE TABLE daily_sales (
date Date,
product_id UInt32,
sales_amount Float64
) ENGINE = SummingMergeTree()
ORDER BY (date, product_id);
现实例子：像收银台的小票汇总，同一天同一商品的多次销售会自动加起来，最终得到每日每商品的总销售额。
4. AggregatingMergeTree - 聚合引擎
场景：用户行为指标统计
sqlCREATE TABLE user_metrics (
date Date,
user_id UInt32,
page_views AggregateFunction(sum, UInt64),
unique_pages AggregateFunction(uniq, String)
) ENGINE = AggregatingMergeTree()
ORDER BY (date, user_id);
现实例子：像健身房的会员运动记录统计表，自动计算每个会员每天的总运动时间、使用过的不同器械数量等指标。
5. CollapsingMergeTree - 折叠引擎
场景：订单状态变化记录
sqlCREATE TABLE order_changes (
order_id UInt32,
status String,
amount Float64,
sign Int8 – 1表示新增，-1表示撤销
) ENGINE = CollapsingMergeTree(sign)
ORDER BY order_id;
现实例子：像银行账户的交易记录，如果一笔交易被撤销，会插入一条相反的记录来抵消原交易，最终余额是正确的。
6. VersionedCollapsingMergeTree - 版本化折叠引擎
场景：商品价格变化历史
sqlCREATE TABLE product_prices (
product_id UInt32,
price Float64,
version UInt64,
sign Int8
) ENGINE = VersionedCollapsingMergeTree(sign, version)
ORDER BY (product_id, version);
现实例子：像商品价格标签的更新历史，每次改价都有版本号，可以追踪价格变化轨迹，错误的价格记录可以被正确版本覆盖。
7. GraphiteMergeTree - 时序数据引擎
场景：服务器监控指标
sqlCREATE TABLE server_metrics (
metric_name String,
timestamp UInt32,
value Float64
) ENGINE = GraphiteMergeTree(‘graphite_rollup’)
ORDER BY (metric_name, timestamp);
现实例子：像医院的心电监护仪，记录病人的心率、血压等生命体征，旧数据会按规则自动聚合（比如每分钟的数据合并成每小时的平均值）。
8. Memory - 内存引擎
场景：临时计算表
sqlCREATE TABLE temp_calculations (
id UInt32,
result Float64
) ENGINE = Memory;
现实例子：像计算器的临时结果，数据存在内存中，计算完就清空，重启后就没了。
9. Distributed - 分布式引擎
场景：大规模数据分析
sqlCREATE TABLE global_sales (
date Date,
region String,
sales Float64
) ENGINE = Distributed(cluster_name, database_name, local_table_name, rand());
现实例子：像连锁超市的总部系统，可以查询全国各个分店的销售数据，数据实际存储在各地的服务器上，但查询时像一张大表。
选择建议
日志分析、报表 → MergeTree
用户资料、配置信息 → ReplacingMergeTree
销售统计、计数器 → SummingMergeTree
复杂指标统计 → AggregatingMergeTree
状态变化追踪 → CollapsingMergeTree
监控指标 → GraphiteMergeTree
临时计算 → Memory
多机房部署 → Distributed