Databend Cluster Key 是指 Databend 可以按声明的 key 排序存储，主要用于用户对时间响应比较高，同时愿意为这个 cluster key 进行额排序操作的用户。 Databend 只支持一个 Cluster key，Cluster key中可以包含多列及表达式。

基本语法

更多关于 Databend Cluster key 语法参考：

https://databend.rs/doc/sql-commands/ddl/clusterkey/

使用注意事项

目前 Databend 在表有 cluster key 的情况下，使用

• copy into

• replace into

这两种方式写入数据时，会自动执行 compact 和 recluster 操作。

关于 Databend Cluster Key 你需要了解的：

1. Databend 中数据分区按： block_size_threshold (default: 100M ) or row_per_block(default 100万） 组织，两者任意达到之一就会生成新的 Block

2. 新生成的 Block 中会按定义的 cluster key 排序存储，当该key的 min = max 时，该 block 为 constant_block， 同时 cluster key 不保证全局有序

3. 多个 block 之间可能有重叠区间，如，cluster by (age)

不同区间的重叠形成了不同的深度，例如上图：

这样一个查询，需要查找到的深度为 3 ，即为 3 个 Block。

所以表中指定列的重叠block-partitions的平均深度,越小越好。如下所示：

结果中最重要信息是“average_depth”，数字越小， 表的clustering效果越好，上图为： 2.46，属于比较好的状态（小于 total_block_count * 0.1 ) 。block_depth_histogram 告诉更多关于每个深度有多少个分区的详细信息。 如果在较低深度中的分区数更多，则表的聚类效果更好。 例如"00004" :38 表示 (3,4] 有 38 个 block 有 4 个深度。

其它优化建议

1. 一般来讲声明 Cluster key 后对于区间查询和点查都有较大的优化

2. 如果声明 cluster key 后，还想进一步的提升点查或是区间查询的能力，可以通过调整 block 大小

关于 options 查看： https://databend.rs/doc/sql-reference/table-engines/fuse#options

默认数据分布：

优化数据在 Block 中的分布

3. 对于特别宽的表，建议查询中只访问需要的列来减少时间开销

4. 对于复杂的 SQL 里面有大量聚合的操作还是推荐大一点的 Block 及行数

参考

• https://databend.rs/doc/sql-functions/system-functions/clustering_information

• https://databend.rs/doc/sql-commands/ddl/clusterkey/dml-recluster-table