ClickHouse中ReplicatedReplacingMergeTree如何更新指定列数据？

针对10亿级数据量的ReplicatedReplacingMergeTree表，要单独更新新增的ed_status列、避免全字段INSERT造成的资源浪费，可按以下几种方案处理：

方案1：使用官方原生UPDATE语法（推荐，ClickHouse 21.12+适用） #

从ClickHouse 21.12版本起，MergeTree系列引擎正式支持ALTER TABLE ... UPDATE语句，可直接指定更新列，无需全字段插入。
示例命令：

ALTER TABLE your_table 
UPDATE ed_status = CASE 
    WHEN ed_code = 'cabinet_001' THEN 1 
    WHEN ed_code = 'cabinet_002' THEN 0 
    ELSE 2 
END 
WHERE ed_code IN ('cabinet_001', 'cabinet_002');

注意点：

• 该操作是异步执行的，后台会生成新的分区片段并逐步Merge，不会立即生效，可通过SELECT * FROM system.mutations查看执行进度。
• 10亿级数据建议分批次执行，比如按ed_code的范围或表分区拆分任务，避免单批次操作占用过多CPU、IO资源。
• 对于ReplicatedReplacingMergeTree，该更新操作会自动同步到所有副本，无需额外处理副本数据。

方案2：利用ReplacingMergeTree的版本特性实现伪更新（低版本兼容） #

如果你的ClickHouse版本低于21.12，没法用原生UPDATE，可以借助版本列实现：

1. 先给表新增版本列并调整排序键：

ALTER TABLE your_table ADD COLUMN version UInt64 DEFAULT 1;
ALTER TABLE your_table MODIFY ORDER BY (ed_code, version);

2. 更新时只插入包含目标ed_code、新ed_status和更高版本号的行，无需携带其他字段：

INSERT INTO your_table (ed_code, ed_status, version) 
VALUES ('cabinet_001', 1, 2), ('cabinet_002', 0, 2);

3. 后台Merge触发时，同一ed_code下会保留版本号最高的行，达到更新效果。查询时可加FINAL关键字获取最新数据，或创建视图简化查询：

CREATE VIEW your_table_latest AS 
SELECT ed_code, ed_status, other_columns 
FROM your_table 
FINAL;

注意：这种方式会产生冗余历史数据，大表不建议频繁执行OPTIMIZE TABLE your_table FINAL，尽量依赖ClickHouse自动的Merge机制清理。

方案3：临时表+物化视图批量更新 #

适合大规模批量更新场景：

1. 创建临时表存储待更新的键值对：

CREATE TEMPORARY TABLE update_batch 
(ed_code String, ed_status Int8) 
ENGINE = Memory;
INSERT INTO update_batch VALUES ('cabinet_001', 1), ('cabinet_002', 0);

2. 创建物化视图关联原表和临时表，生成包含更新后数据的新行：

CREATE MATERIALIZED VIEW update_mv TO your_table AS
SELECT 
    t.ed_code,
    COALESCE(u.ed_status, t.ed_status) AS ed_status,
    t.col1, t.col2, ... -- 原表其他字段
FROM your_table t
LEFT JOIN update_batch u ON t.ed_code = u.ed_code;

3. 刷新物化视图后，删除临时表和物化视图，等待后台Merge完成即可。同样建议分批次处理，避免单次操作负载过高。

内容的提问来源于stack exchange，提问作者rant S