Modos de compresión

Modos de compresión de columnas en ClickHouse

El protocolo de ClickHouse admite la compresión de bloques de datos con sumas de comprobación. Use LZ4 si no está seguro de qué modo elegir. “

Obtenga más información sobre los códecs de compresión de columnas disponibles y especifíquelos al crear sus tablas o más adelante.

​

Modos

valor	nombre	descripción
0x02	Ninguno	Sin compresión, solo sumas de comprobación
0x82	LZ4	Extremadamente rápido, buena compresión
0x90	ZSTD	Zstandard, bastante rápido, la mejor compresión

Tanto LZ4 como ZSTD fueron creados por el mismo autor, pero con distintas compensaciones. Según los benchmarks de Facebook:

nombre	ratio	compresión	descompresión
zstd 1.4.5 -1	2.8	500 MB/s	1660 MB/s
lz4 1.9.2	2.1	740 MB/s	4530 MB/s

​

Bloque

campo	tipo	descripción
checksum	uint128	Hash de (encabezado + datos comprimidos)
raw_size	uint32	Tamaño bruto sin encabezado
data_size	uint32	Tamaño de los datos sin comprimir
mode	byte	Modo de compresión
compressed_data	binary	Bloque de datos comprimidos

El encabezado es (raw_size + data_size + mode); el tamaño bruto consiste en len(header + compressed_data).

La suma de verificación es hash(header + compressed_data), mediante ClickHouse CityHash.

​

Modo None

Si se usa el modo None, compressed_data es igual a los datos originales. El modo sin compresión es útil para garantizar una mayor integridad de los datos mediante sumas de comprobación, porque la sobrecarga del hash es insignificante.