ClickHouse

注意时区

Hello World

你这个问题非常关键，关系到 ClickHouse 的分区设计理念：

---

为什么用表达式 PARTITION BY concat(...)，而不是单独新增一个“分区字段”？

1. ClickHouse 分区不是逻辑列，而是物理划分

• ClickHouse 的分区是基于表达式计算的结果来物理划分存储数据的目录，它不是表中的普通列，而是建表时通过表达式“派生”出来的。
• 这意味着不需要额外保存一个“分区字段”列，因为分区信息是根据已有的字段（比如 outtime）计算得出。

---

2. 直接用时间字段计算分区，避免数据冗余

• 如果你额外添加一个专门的“分区字段”，

  • 会导致数据重复存储这部分信息，浪费存储空间
  • 增加写入时数据的复杂度和错误风险（分区字段要和时间字段同步）

• 直接用 outtime 字段计算分区表达式，能保证分区自动、准确。

---

3. 灵活且便于变更分区策略

• 通过表达式控制分区，修改分区粒度只需修改建表语句中的表达式即可，无需修改表结构。
• 例如想改成按月分区，只改 PARTITION BY toYYYYMM(outtime)，不需要加列。

---

4. 查询性能优化

• 分区表达式是 ClickHouse 用来做数据裁剪（pruning）的依据，直接用时间字段计算，查询时按时间范围过滤，可以高效跳过无关分区。
• 额外字段不一定能带来更好的分区裁剪效果。

---

总结

方式	说明	推荐度
用表达式 PARTITION BY ...	分区由字段直接计算，物理划分，零冗余	✅ 最常见推荐方式
新增分区字段列	需要维护字段一致性，数据冗余，复杂	❌ 不建议

---

删除重复数据

CREATE TABLE t_access_person_record_dedup AS
SELECT *
FROM (
  SELECT *,
         row_number() OVER (PARTITION BY access_person_record_id ORDER BY access_time DESC) AS rn
  FROM t_access_person_record
)
WHERE rn = 1;

DROP TABLE t_access_person_record;
RENAME TABLE t_access_person_record_dedup TO t_access_person_record;