Как работает ArrayJoin в ClickHouse?

Что такое ArrayJoin?

ArrayJoin — это специальная функция в ClickHouse, которая позволяет преобразовать массив в набор строк. Если у вас есть колонка с массивом, ArrayJoin создаст по одной строке для каждого элемента массива, при этом значения из других колонок будут повторяться. Это удобно для анализа данных, где массивы хранят связанные сущности, например, теги или историю событий.

Пример использования

Предположим, у нас есть таблица с пользователями и их интересами в виде массива:

CREATE TABLE users (
    id UInt32,
    name String,
    interests Array(String)
) ENGINE = Memory;

INSERT INTO users VALUES (1, 'Alice', ['sports', 'music']), (2, 'Bob', ['reading']);

SELECT id, name, interest
FROM users
ARRAY JOIN interests AS interest;

Результат:

1 Alice sports
1 Alice music
2 Bob reading

Как видите, строка с Alice была размножена на две строки, по одной на каждый интерес.

Отличие от обычного JOIN

ArrayJoin не является JOIN в классическом смысле. Он не объединяет таблицы, а разворачивает массив внутри одной строки. Это более эффективно, чем использовать UNNEST с подзапросами, так как ClickHouse оптимизирует выполнение на уровне движка.

Практическое применение

ArrayJoin часто применяется для анализа логов, где одно событие может содержать несколько значений (например, IP-адреса или коды ошибок). Также он полезен при работе с вложенными структурами данных, такими как Nested типы.

Вывод

ArrayJoin — мощный инструмент для работы с массивами в ClickHouse, который упрощает анализ данных без необходимости писать сложные запросы. Используйте его, когда нужно преобразовать массивы в плоскую структуру для дальнейшей агрегации или фильтрации.