ClickHouse列独立存储下多列关联机制及单条件查询流程问询

列之间的关联核心：行号（Position）映射 #

ClickHouse的列独立存储，本质是把同一条数据的不同字段，分别按行顺序存在各自的列文件里。每一行数据在所有列中都对应相同的位置索引（行号）——比如原始表的第5行数据，它的a列值在a列文件的第5个位置，b、c列值也分别在各自列文件的第5个位置。这种「位置对齐」就是列之间直接关联的基础，不需要额外的关联键。

单条件筛选后的列关联逻辑（以select a, b, c from table where a=?为例） #

当执行这个查询时，列关联的逻辑很直接：

• 首先遍历a列的存储块，筛选出满足a=?的所有行，记录这些行的行号集合
• 拿到行号集合后，直接去b、c列的存储块中，提取对应行号位置上的值
• 最后把a、b、c列对应行号的值拼接成完整的结果行，返回给用户

这类查询的具体执行流程 #

1. 查询解析与规划：ClickHouse先解析SQL语句，明确要读取a、b、c三列，过滤条件是a列匹配指定值。优化器会确定最优执行路径——优先扫描a列做过滤，避免全量读取所有列。
2. 列数据读取与过滤：
   • 读取a列的存储片段（按分区+数据块划分），逐块处理数据
   • 对每个a列的数据块，应用a=?的过滤条件，生成符合条件的行号掩码（或行号列表）——掩码里标记哪些行是满足条件的
3. 关联提取其他列数据：
   • 拿着生成的行号掩码，分别读取b、c列对应的存储块
   • 只提取掩码中标记为有效的行号位置上的b、c列值，跳过不满足条件的行，减少不必要的IO和计算
4. 结果拼接与返回：将a、b、c列中对应行号的数据按行组合，形成完整的结果集，经过格式转换后返回给客户端
5. 资源清理：完成数据读取后，释放临时占用的内存、文件句柄等资源

内容的提问来源于stack exchange，提问作者aisnia