我这个场景， clickhouse 适用吗？

[wenjun19931112]

比如求每个客户的“平均购买力”。 我们表设计 3 个字段 （ userId,orderId,price ）。 但是 price 可能会变动，这条记录会被删除（业务原因）。

为了支持 update\delete，我们选择版本折叠树。 主键设置 (userId,orderId)两个字段。 但是我的统计维度却只要 userId （求每个客户的“平均购买力”），如果通过一个维度去聚合 “版本折叠树”，得到的数据又是不准确的。

有什么办法吗？

[leiuu]

1. 为什么结果是不准确的 这里没太理解
2. 如果你的描述我理解没错的话 好多 olap 引擎都可以支持这类的聚合统计的 数据不大甚至可以用 mysql （这里可能是我想简单了）

[weizhen199]

表更新频率数据量？

[wenjun19931112]

@weizhen199
数据量至少是千万级别，更新频率不算太高

[wenjun19931112]

@leiuu
因为 版本折叠树 需要 group by 主键，聚合出来的数据才是准确的

[liuhuansir]

@wenjun19931112 千万级别不需要 clickhouse 吧？我们都是百亿级别的数据，监控类数据，不存在更新

[PiersSoCool]

olap 的数据库都不太支持更新 会影响性能

[leiuu]

我试了下结果是符合预期的呢，
```sql
CREATE TABLE user_order_price
(
userId UInt64,
orderId UInt8,
price Float64,
sign Int8,
version UInt8
)
ENGINE = VersionedCollapsingMergeTree(sign, version)
ORDER BY (userId,orderId)



INSERT INTO user_order_price VALUES (101, 10000, 100, 1, 1),(101, 10000, 100, -1, 2),(102, 10000, 200, 1, 2)



INSERT INTO user_order_price VALUES (103, 10000, 500, 1, 2)



SELECT
userId,
sum(price * sign) AS avgPrice
FROM user_order_price
GROUP BY userId

```
结果不准确是指哪个位置

[wenjun19931112]

@leiuu
sql 中 `group by userId`，但是你的主键是（ userId,orderId ）。那么 sql 不是按主键对应折叠，`avgPrice`会不对。
数据正确的写法是 `group by userId,orderId`

[wenjun19931112]

@liuhuansir
考虑到后期的数据增长，数据上亿是很快的。

[wenjun19931112]

我找到了一个新的写法，搜索之前使用 final 去合并。因为据说现在 final 的性能已经比较好了。
比如：
SELECT
userId,
sum(price * sign) AS avgPrice
FROM user_order_price FINAL
GROUP BY userId

https://cloud.tencent.com/developer/article/1662230

[wenjun19931112]

贴错链接了，应该是这个
https://cloud.tencent.com/developer/article/1680925

[wenjun19931112]

@leiuu
我想错了，group by 没有说要求一定要是主键

[leiuu]

👍 查询中使用 final 关键词确实是一个折衷的较好的方法： https://clickhouse.tech/docs/en/sql-reference/statements/select/from/#select-from-final 。


这里还要正好探讨下：
```
SELECT
userId,
sum(price * sign) AS avgPrice
FROM user_order_price
GROUP BY userId
```
这个 sql 其实和折叠数关系不大，你的场景中 price 都是正数的情况下，结果应该是对的，和是否使用全部主键关系不大，不过这里也可能我理解错误。

另外如果相同 userId 的数据分散在不同物理机上，那结果可能是不对的（未做验证）。

[leiuu]

对的 对主键没要求的 😂

[wenjun19931112]

@leiuu
1 、我测试了一下。price 是负数也不影响结果。
2 、我认为和数据分布在不同机器上没关系。假设不考虑自动折叠，我认为用最普通的 mergetree 也能达到我要的效果（ update `price`后保证 groupby 的聚合结果正确）。只要我人为的增加一个 sign 列就好了。
3 、自动折叠，据看官方文档的了解只是为了节省空间。
不知道我的理解是否正确。