Какие поля выбрать для сортировки кластерного индекса

Что проверяют

Понимаете ли вы, что кластерный индекс задаёт физический порядок строк, и выбор ключа влияет не только на чтение, но и на вставку и объём. Для data-специальности следом часто спрашивают про аналитические хранилища: как выбрать ORDER BY в ClickHouse или ключ кластеризации в облачном DWH.

Как отвечать

Начните с того, что кластерный порядок у таблицы один, поэтому его отдают под самый частый сценарий чтения. Критерии для OLTP (SQL Server, InnoDB в MySQL):

• узкий ключ: ключ кластерного индекса копируется в каждый вторичный индекс, и широкий составной ключ раздувает их все;
• монотонно растущий: bigint identity или время вставки пишутся в конец, а случайный UUID v4 даёт разбиение страниц и фрагментацию;
• неизменяемый: смена значения ключа означает перенос строки на другое место;
• под диапазонные запросы: если отчёты читают «заказы клиента за период», порядок (customer_id, order_date) превращает их в последовательное чтение.

В аналитике логика другая. В ClickHouse ключ сортировки ORDER BY в MergeTree задаёт разреженный индекс по гранулам, и первыми ставят колонки из частых фильтров с низкой кардинальностью, например (event_type, toDate(ts), user_id). Так лучше отсекаются гранулы и лучше сжимаются данные. В BigQuery кластеризация тоже работает на отсечение блоков, колонок в ней не больше четырёх; в Snowflake ключ кластеризации советуют держать из трёх-четырёх выражений.

Закончите тем, что ключ проверяют на реальных запросах: по EXPLAIN и по числу прочитанных строк или гранул, а не выбирают на глаз.

Где спотыкаются

Утверждают, что кластерный ключ обязан быть уникальным. SQL Server допускает неуникальный и сам добавляет скрытый уникализатор, так что уникальность желательна, но не обязательна.

Переносят правило «высокая кардинальность первой» на ClickHouse. Там поле с миллионами значений на первом месте почти лишает смысла остальные колонки ключа.

Берут случайный GUID ключом кластерного индекса в OLTP-таблице, а потом разбираются с фрагментацией и медленной вставкой.