「Clickhouse Array 的力量」1-3

---

数组与table JOIN

直接使用数组函数来定位和处理标签值可能会很麻烦，特别是在跨数组的几列工作时。 幸运的是，ClickHouse有一个非常方便的 **ARRAY JOIN**，可以很容易地将数组值 "解卷" 到一个名称值对表中。 下面是一个使用 **ARRAY JOIN** 的例子：

SELECT date, vm_id, vm_type, name, value
FROM vm_data
ARRAY JOIN tags_name AS name, tags_value AS value
ORDER BY date, vm_id, name

ARRAY JOIN的工作方式如下：

左侧表 vm_data 的列（date, vm_id, vm_type）与 ARRAY JOIN（tags_name, tags_value）后列出的数组中的值 "连接"。 ClickHouse为每个列出的数组创建一个列，并以相同的顺序从每个数组中填充值。 结果看起来像下面这样。

┌───────date─┬─vm_id─┬─vm_type─────┬─name──┬─value───────┐
│ 2020-09-03 │  6220 │ m5.large    │ group │ rtb         │
│ 2020-09-03 │  6220 │ m5.large    │ name  │ sfg-prod-01 │
│ 2020-09-03 │  6221 │ m5ad.xlarge │ group │ marketing   │
│ 2020-09-03 │  6221 │ m5ad.xlarge │ name  │ mt-prod-65  │
│ 2020-09-03 │  6221 │ m5ad.xlarge │ owner │ casey       │
└────────────┴───────┴─────────────┴───────┴─────────────┘

ClickHouse的文档中有一篇关于 ARRAY JOIN的文章，说明了它的灵活性。

这里有一个例子：下面的查询添加了一个序列号，并使用方便的 **arrayEnumerate()** 按照数组序列顺序对行进行排序，该函数以升序返回数组索引值。

SELECT date, vm_id, vm_type, name, value, seq
FROM vm_data
ARRAY JOIN
  tags_name AS name,
  tags_value AS value,
  arrayEnumerate(tags_name) AS seq
ORDER BY date, vm_id, seq

/* sql answer*/
┌───────date─┬─vm_id─┬─vm_type─────┬─name──┬─value───────┬─seq─┐
│ 2020-09-03 │  6220 │ m5.large    │ name  │ sfg-prod-01 │   1 │
│ 2020-09-03 │  6220 │ m5.large    │ group │ rtb         │   2 │
│ 2020-09-03 │  6221 │ m5ad.xlarge │ name  │ mt-prod-65  │   1 │
│ 2020-09-03 │  6221 │ m5ad.xlarge │ group │ marketing   │   2 │
│ 2020-09-03 │  6221 │ m5ad.xlarge │ owner │ casey       │   3 │
└────────────┴───────┴─────────────┴───────┴─────────────┴─────┘

ARRAY JOIN 对于呈现输出很有帮助，因为包含数组的查询结果对人类来说很难阅读，而且可能需要在客户端应用程序中进行专门的反序列化逻辑。它对降低查询的复杂性也很有帮助。

使用ARRAY JOIN，我们可以最小化甚至消除数组函数表达式。下面的例子是对前面的例子的重写，以寻找 "group rtb" 使用的虚拟机类型：

SELECT distinct vm_type FROM (
  SELECT date, vm_id, vm_type, name, value
  FROM vm_data
  ARRAY JOIN tags_name AS name, tags_value AS value
  WHERE name = 'group' AND value = 'rtb'
)

如果不提及 arrayJoin()，就无法结束我们对使用数组的数据建模的介绍。这个函数可以被添加到SELECT 列表中，以产生未滚动的结果，如下例所示：

SELECT 1, 2, arrayJoin(['a', 'b']) AS a1

/* sql answer*/
┌─1─┬─2─┬─a1─┐
│ 1 │ 2 │ a  │
│ 1 │ 2 │ b  │
└───┴───┴────┘

这完全等同于以下带有ARRAY JOIN的查询:

SELECT 1, 2 FROM system.one ARRAY JOIN ['a', 'b'] AS a1

然而，有一个关键的区别。

正如我们在上面看到的，ARRAY JOIN允许多个数组，并在所有数组上并行展开数值。 arrayJoin() 行为则不同。如果有多个 arrayJoin() 调用，它们会产生如下的结果:

SELECT  1,  2, 
  arrayJoin(['a', 'b']) AS a1, arrayJoin(['i', 'ii']) AS a2

/* sql answer*/
┌─1─┬─2─┬─a1─┬─a2─┐
│ 1 │ 2 │ a  │ i  │
│ 1 │ 2 │ a  │ ii │
│ 1 │ 2 │ b  │ i  │
│ 1 │ 2 │ b  │ ii │
└───┴───┴────┴────┘

正如你所看到的，结果是数组值的笛卡尔乘积，这可能不是你想要的结果。在本文的其余部分，我们将重点讨论ARRAY JOIN，因为它允许我们处理具有相关值的数组。这种行为对于数组的更多高级应用是至关重要的。

结论

你刚才读的文章介绍了数组在ClickHouse中的基本用法。 我们展示了如何使用成对的数组来表示变量数据，如何使用数组函数来提取数据，以及如何使用 ARRAY JOIN 和 arrayJoin() 来连接数组与表的行。

我们所涉及的数组功能已经超越了许多SQL数据库的能力。 对于ClickHouse来说，这仅仅是一个开始。在下一篇文章中，我们将展示数组和SQL GROUP BY是如何紧密相连的。阵列和聚合之间的整合使用户能够识别事件的序列，以及建立漏斗，从而跟踪营销、销售和其他领域的预期目标的进展。这是一个重要的分析工具，可用于广泛的有趣的应用。