CoalescingMergeTree：列级合并，一行成景

王一川2025-08-272025-08-27

CoalescingMergeTree 引擎通过追加写的方式，为 ClickHouse 带来了真正的列级更新能力。作为 MergeTree 家族的新成员，它能够在后台合并时，把稀疏的局部记录逐步聚合成完整行，非常适合以下场景：

需要高效保留每个实体的最完整版本
可接受后台合并时才落盘整合的延迟
只想填补缺失字段，而非像 ReplacingMergeTree 那样整行覆盖

CoalescingMergeTree 首发于 25.6 版本，25.7.2.54 已具备完整更新能力。详情查看issue #84116

一、实现原理

1.1 八股文版

与其它 MergeTree 引擎一样，需要先通过 ORDER BY 声明排序键（主键）。CoalescingMergeTree 会把相同排序键的多条记录做合并，规则：每列保留最新的非 NULL 值，最终在磁盘上得到一行“完整”数据。
merge
其中 1- 4 为数据 insert 过程，对于同一个 vin 每次插入局部数据

初始化 vin 的电池电量和防火墙信息
更新 GPS 数据（本质上是插入追加操作）
更新速度和温度数据
更新电池电量
其中的 5 - 6 为 MergeTree 的局部合并， 7 则将若干个 part 合并成一个 active part 并进行落盘，其中的合并逻辑为：取每列最新的非 null 数据。
tip: 这里的最新指的是行插入的顺序，并非依据排序列或者人为指定的列。

1.2 解剖版：用 SQL 讲清楚

如果上面仍显抽象，下面用最简 SQL 演示其本质。
首先是对“最新”的解释：可以理解成 clickhouse 为每一行都分配一个默认值为 now() 的虚拟插入时间。
建表（演示用，非 CoalescingMergeTree）

create table demo  
(  
    id           UInt8 comment '主键 ID',  
    name         Nullable(String) comment '姓名',  
    age          Nullable(UInt8) comment '年龄',  
    _insert_time DateTime64 materialized now() comment '插入时间'  
) engine MergeTree  
      order by id;

追加式更新

insert into table demo(id, name, age) values (1, '张三', 20); -- 初始化 id: 1 数据  
insert into table demo(id, age) values (1,  21); -- 更新年龄  
insert into table demo(id, name) values (1,  '张一三'); -- 更新姓名

明细数据
query_result
CoalescingMergeTree 的合并逻辑等价于

select  
    id,  
    argMax(name, _insert_time) as name,  
    argMax(age, _insert_time)  as age  
from demo  
group by id;

若把该语句封装成物化视图，即可模拟 CoalescingMergeTree；而 CoalescingMergeTree 只是把这个过程内嵌到了 MergeTree 的合并阶段。

二、实战

CoalescingMergeTree 特别适合局部更新场景，例如官网给出的 Tesla 在车联网上的应用。我们知道 clickhouse 在超大宽表的查询上性能极高，但超大宽表中每个数据域的就绪时间往往是不同的，企业中为了让 clickhouse 中宽表的可用时间尽可能长采用局部分批更新策略，使用 CoalescingMergeTree 将会变得更加方便

2.1 构建环境

宽表: user_profile_wide（CoalescingMergeTree）
分域表: user_profile_basic / behavior / business（MergeTree）

create table user_profile_wide  
(  
    -- 主键 & 分区键  
    user_id          UInt64,  
  
    -- 1️⃣ 基础属性域（低频更新，每日）  
    gender           Nullable(Enum8('M' = 1, 'F' = 2)),  
    age              Nullable(UInt8),  
    city_level       Nullable(UInt8),  
    register_channel Nullable(String),  
  
    -- 2️⃣ 行为偏好域（中频更新，小时级）  
    last30d_pv       Nullable(UInt32),  
    last30d_uv       Nullable(UInt32),  
    fav_category     Nullable(String),  
    last_login_time  Nullable(DateTime64),  
  
    -- 3️⃣ 业务价值域（高频更新，分钟级）  
    ltv_7d           Nullable(Float64),  
    ltv_30d          Nullable(Float64),  
    churn_prob       Nullable(Float32),  
    vip_level        Nullable(UInt8)  
)  
    engine = CoalescingMergeTree  
        order by (user_id);

为了方便进行局部数据更新，以及对不同主题域 ETL 任务的拆分，每个域的数据在 clickhouse 中都有一张表

create table user_profile_basic  
(  
    -- 主键 & 分区键  
    user_id          UInt64,  
  
    -- 1️⃣ 基础属性域  
    gender           Nullable(Enum8('M' = 1, 'F' = 2)),  
    age              Nullable(UInt8),  
    city_level       Nullable(UInt8),  
    register_channel Nullable(String)  
) engine = MergeTree  
      order by (user_id);

create table user_profile_behavior  
(  
    -- 主键 & 分区键  
    user_id         UInt64,  
  
    -- 2️⃣ 行为偏好域  
    last30d_pv      Nullable(UInt32),  
    last30d_uv      Nullable(UInt32),  
    fav_category    Nullable(String),  
    last_login_time Nullable(DateTime64)  
) engine = MergeTree  
      order by (user_id);

create table user_profile_business  
(  
    -- 主键 & 分区键  
    user_id     UInt64,  
  
    -- 3️⃣ 业务价值域  
    ltv_7d      Nullable(Float64),  
    ltv_30d     Nullable(Float64),  
    churn_prob  Nullable(Float32),  
    vip_level   Nullable(UInt8)  
) engine = MergeTree  
      order by (user_id);

2.2 构建数据管道

每个分域表只负责追加写入，宽表通过物化视图自动合并

create materialized view mv_user_profile_basic to user_profile_wide as  
select  
    user_id,  
    gender,  
    age,  
    city_level,  
    register_channel  
from user_profile_basic;  


create materialized view mv_user_profile_behavior to user_profile_wide as  
select  
    user_id,  
    last30d_pv,  
    last30d_uv,  
    fav_category,  
    last_login_time  
from user_profile_behavior;  


create materialized view mv_user_profile_business to user_profile_wide as  
select  
    user_id,  
    ltv_7d,  
    ltv_30d,  
    churn_prob,  
    vip_level  
from user_profile_business;

至此！一个借助 CoalescingMergeTree 实现的大宽表局部更新数据管道就构建好了

2.3 演示更新

分三批将三个主题域的数据写入主题表中，每一批写入之后都可以查询一下宽表

insert into user_profile_basic  
values (1001, 1, 23, 1, 'ios');  
  
insert into user_profile_behavior  
values (1001,  123003, 21, '橘子', now64());  
  
insert into user_profile_business  
values (1001,  10, 20, 1.2, '1');

因为更新操作是发生在 MergeTree 的合并过程中，通常在查询时需要加上 final 关键字保证数据的一致性

select * from user_profile_wide final;

后续如果想要更新某个字段的值只需要向对应字段插入数据即可

insert into tblxxx(id, colxxx) values(1001, valuexxx);

三、注意事项

因为 CoalescingMergeTree 判断字段不更新的逻辑是 null，因此 DDL 中除了排序键外所有的字段必须要是 Nullable 修饰的数据类型，如果所有字段类型都不使用 Nullable 修饰则与 ReplacingMergeTree 功能一致，即：整行替换
那么与 ReplacingMergeTree 的区别如下：

维度	CoalescingMergeTree	ReplacingMergeTree
设计目的	逐列合并，减少行数，节省存储	多记录去重，保留最新一行
合并粒度	列级	行级
null 值处理	表示未更新，合并时被非 null 覆盖	与普通值一样不做特殊处理
是否丢列	不会丢失任何已写入的列值	未出现在新行里的列值会丢失