ByteHouse 的 1.1.0.0 版本在 2021 年 9 月正式发布，本次版本中我们引入了分桶，计算组自动启动暂停，谷歌云 GCP 支持等新特性。

📘

联系我们

如您对于我们在灰度中的功能感兴趣，欢迎提交工单来联系我们开通灰度功能的试用。

新功能

支持分桶表 Bucketing Table

分区可以在特定的区域进行数据检索，减少扫描成本从而提升查询效率。与分区表 (Partition Table) 类似，分桶表（Bucketing Table）可以在建立分区索引的基础上，进一步对数据进行划分，提升查询效率。

分区表一般会根据分区键的值进行划分（例如，按月分区，或按国家/地域名称分区），而分桶表是通过指定某一列，并通过哈希函数取模进行数据划分的。根据业务场景不同，分桶数量也有区别，ByteHouse 支持在创建表时手动指定桶的数量。

由于分桶会将哈希取模相同的数据放在相同的桶文件中，因此分桶表有以下优势：

• ByteHouse在查询中只访问对应的桶，从而减少了需要扫描的数据量。
• 对多表的相同列进行分桶操作，可以有效改善 JOIN，AGGREGATE 和查询等操作的性能，如：对两张表的同一列做了分桶操作后，这两张表进行 JOIN 操作时，只需要对存储了相同列值的桶进行 JOIN 即可，从而提升了查询效率。此外，分桶也可以让采样 Sampling 更加高效。
• 对于点查的场景，如果查询的是分桶键所在列，可以指定一个桶进行查询，从而支持更高的查询 QPS

自动启动和暂停计算组

在创建和编辑计算组时，ByteHouse 支持配置两个新的选项：自动启动和自动暂停计算组。

优点：

• 配置自动暂停和启动，可以让你的计算组只在需要/有查询请求时运行，从而减少了资源和运维成本，提升资源的利用率。该配置十分适用于的查询负载在一天内有波峰波谷的场景。

支持新的流数据源 Confluent Cloud

除了开源 Apache Kafka 之外，ByteHouse 支持将 Confluent Cloud 作为一个流数据源。

列表达式 [灰度中]

1.1.0.0 版本中，ByteHouse 支持通过表达式转换功能，在数据导入过程中，支持用户对导入的数据进行一些简单的预处理，例如数据类型的转换 toString() toDate()，嵌套 JSON 中某字段的抽取 JSONExtract()，对某一列设置默认值为当前时间的函数 Now()。

这是一个灰度功能，如需使用，请通过提交工单联系我们进行开通试用。

新增云厂商和地域支持：谷歌云 GCP [灰度中]

ByteHouse现在支持在谷歌云（新加坡地域）上部署。

这是一个灰度功能，如需使用，请通过提交工单联系我们进行开通试用。

JDBC 驱动 [灰度中]

在 1.1.0.0 版本中，ByteHouse 发布了 JDBC 驱动，支持用户通过 JDBC 对 ByteHouse 进行连接和数据导入等操作。

这是一个灰度功能，如需使用，请通过提交工单联系我们进行开通试用。

改进

界面优化

• 改进 ByteHouse 所有子页面的可访问性
• 在创建计算组页面增加提示，引导用户在计算组大小不满足需求时工单申请特殊配置。
• 优化改进 ByteHouse 报错信息，使报错信息更加易读
• 上传新的 SQL 文件到 SQL 工作表时，添加覆盖原文件的提示
• 优化新手引导的弹出体验
• 完善了界面文案的翻译和提示文案补充
• 增加 AWS S3 仅对分区表支持增量加载的提示

性能优化

• 支持 CREATE Table AS SELECT * 语法
• 优化了压缩导入任务的性能

Bug 修复

• SQL解析器：优化 YEAR 和 DATE 类型在引擎层被反解析为列名的 Bug
• 修正了按顺序/按小数点排序的问题
• 针对执行的提交（submit executions）启用了安全规则
• 分桶表 Bucket Table DDL 语义中支持括号指定列的语义 Cluster by ()
• 创建数据库后支持使用 USE DB
• 在 Operator 指标中修正了 JSON 格式