分区键设计优化

分区键的选择直接影响数据分布的均匀性和查询效率。优先选择高频查询条件中的时间或枚举字段作为分区键，例如按天分区的日期字段。避免使用基数过高的字段，这会导致分区数量过多，增加元数据管理开销。合理设置分区粒度，过细的分区会降低批量写入效率，过粗的分区会导致查询扫描过多数据。

主键索引优化

ClickHouse的主键索引采用稀疏索引结构，默认每8192行记录一个索引标记。通过调整index_granularity参数可以平衡索引精度和内存占用。对于高基数列查询，将高频过滤条件列放在主键靠前位置。使用ORDER BY子句优化主键排列顺序，使常用查询模式能够快速定位数据块。

跳数索引应用

针对非主键列的查询，可创建跳数索引（如minmax、set、bloom_filter等）。minmax索引适合范围查询，bloom_filter适合高基数列的等值查询。跳数索引的粒度应大于主键索引粒度，通常设置为index_granularity的整数倍以减少存储开销。例如：

ALTER TABLE test_table ADD INDEX idx_column column TYPE bloom_filter GRANULARITY 4

物化视图预计算

对复杂聚合查询可创建物化视图，将计算结果预先持久化存储。物化视图应包含完整的聚合逻辑和过滤条件，并采用与源表相同的分区策略。通过POPULATE关键字初始化历史数据，后续增量数据会自动同步。例如：

CREATE MATERIALIZED VIEW mv_daily_stats 
ENGINE = MergeTree()
PARTITION BY toYYYYMM(date)
ORDER BY (date, product_id)
AS SELECT 
    date,
    product_id,
    sum(quantity) AS total_qty
FROM source_table
GROUP BY date, product_id

查询执行优化

利用EXPLAIN分析查询执行计划，重点关注是否出现全表扫描。对于分布式查询，调整distributed_group_by_no_merge参数避免过度网络传输。合理设置max_threads和max_memory_usage参数平衡并行度和资源消耗。使用FINAL修饰符自动合并相同主键的多版本数据，但需注意其性能开销。

存储格式调优

根据数据类型选择合适的压缩算法，默认的LZ4在速度和压缩率间取得平衡，ZSTD提供更高压缩率。调整merge_with_ttl_timeout参数控制TTL数据的合并频率。监控system.parts表观察分区合并状态，避免出现过多小分区。定期执行OPTIMIZE TABLE命令手动触发合并操作。

资源配额管理

通过users.xml配置文件限制单查询资源使用，防止大查询影响系统稳定性。设置max_execution_time控制查询超时，max_memory_usage_for_user限制用户总内存。对于批处理任务，使用background_pool_size调整后台操作的并发度。监控system.metrics和system.events表识别性能瓶颈。