ClickHouse 26.5 發布：ORDER BY LIMIT 下推 JOIN 加速 20 倍，新增 filesystem 函數與 Web Terminal
ClickHouse Blog · 2026-06-01
ClickHouse 26.5 於 2026-06-01 正式發布，包含 38 項新功能、51 項效能優化與 224 個 bug 修復。本版最顯著的效能突破是查詢計劃器在 ORDER BY...LIMIT 通過 JOIN 節點時的下推優化，以及 GROUP BY...LIMIT 的提前終止策略。
核心改動
ORDER BY...LIMIT 下推 JOIN：當排序鍵依賴 JOIN 保留側（preserved side）時，查詢計劃器現在將排序與限制操作推入 JOIN 之前執行，大幅縮減 JOIN 的輸入規模。實測加速 20.4 倍，記憶體消耗降低約 175 倍。
GROUP BY...LIMIT（無 ORDER BY）：識別到不需要全量 aggregation 結果的模式後，限制 hash table 大小並提前終止聚合。實測加速 11.9 倍，記憶體降低約 185 倍。
新功能方面：
- filesystem() 表函數：以 SQL 查詢本機檔案系統的元數據（size、mtime、permissions），適合資料目錄審計
- Web Terminal（實驗性）：透過 HTTP interface 直接在瀏覽器中使用 clickhouse-client，無需安裝客戶端
- Multi-path SQL/JSON：JSON_VALUE / JSON_QUERY 可接受路徑 tuple 或陣列，一次解析 JSON 回傳多個欄位
- Negative LIMIT BY：負值 LIMIT BY 從分組尾端取行，補全原有的「取前 N」語義
- url_base 設定：為 url() 表函數定義基礎 URL，避免重複輸入前綴
影響範圍
ORDER BY LIMIT + JOIN 的下推優化對 OLAP 報表查詢影響最大——典型的「取銷售額 top 100 商品詳情」模式（JOIN 商品維度表後 ORDER BY + LIMIT）可直接受益。升級時無 breaking change，26.5 與前版 wire protocol 相容。filesystem() 函數需要 ClickHouse server 對本機路徑有讀取權限，容器部署時需注意 volume mount 設定。
ClickHouse JOIN 加速技術解析：統計重排、Runtime Filter 與延遲列複製讓兩年效能提升 26 倍
ClickHouse Blog · 2026-06-03
ClickHouse 工程部落格在 2026-06-03 發布技術文章，回顧過去兩年（v22.4 到 v26.4）JOIN 效能提升 26 倍的歷程，重點介紹三個關鍵優化：統計式 JOIN 重排、Runtime Filter 與延遲列複製。
核心改動
統計式 JOIN 重排（Statistics-based join reordering）：查詢計劃器讀取列的 cardinality 估計值，自動選擇最小化中間結果的 JOIN 順序。以 TPC-H 六表 JOIN 為例：
| JOIN 順序 | 執行時間 | 記憶體 |
|---|---|---|
| 優化器自動選擇（最優） | 2.7 秒 | 3.9 GB |
| 人工次優順序 | 3903.7 秒 | 99 GB |
Runtime Filter：在 hash table 構建階段提取 bloom filter 或 min/max 值，在 probe 側實際查表前先過濾不可能匹配的行。三表 JOIN 測試：2.1 倍加速、記憶體降低 7 倍。
延遲列複製（Lazy column replication）：JOIN 輸出中重複出現的字串列（如 dimension 表的國家名稱）改用緊湊字典表示，不實際複製字串 payload。含重複字串列的 JOIN 查詢加速約 1.9 倍。
影響範圍
統計式重排依賴準確的列統計資訊——需定期執行 ANALYZE TABLE 或開啟自動統計收集。Runtime filter 在選擇性高的過濾欄位上效果最佳，對低選擇性欄位收益有限。以上優化均已合入 26.4/26.5 穩定版，不需要額外設定即可生效。
DuckDB 1.5.3 Iceberg 新功能：MERGE INTO、ALTER TABLE、Partition Transform 與 Iceberg V3 支援
DuckDB News · 2026-05-29
DuckDB 1.5.3（2026-05-29 發布）大幅擴展了 Apache Iceberg 整合能力，新增 MERGE INTO upsert 語義、完整的 ALTER TABLE schema evolution、bucket/truncate partition transform，並率先支援 Iceberg V3 規格。
核心改動
MERGE INTO：讓 DuckDB 可對 Iceberg table 執行以 merge-on-read 語義實作的 upsert，不需要 primary key 定義。WHEN MATCHED / WHEN NOT MATCHED 子句支援每行獨立決定 INSERT、UPDATE 或 DELETE。
ALTER TABLE（Schema Evolution）：支援欄位重命名、新增/刪除欄位，以及設定 format version。Iceberg 的 schema evolution 是無資料重寫的元數據操作，DuckDB 現在可直接發起這些操作而不需依賴 Spark 或 Flink。
Partition Transforms：
bucket(N, col)：將值 hash 到 N 個桶，均勻分散資料truncate(W, col)：字串取前 W 字元，數值向下取整至 W 的倍數
Iceberg V3 支援（主要新增）：
VARIANT、TIMESTAMP_NS資料型別- 欄位預設值（column default values）
- Binary deletion vectors：以緊湊 Puffin 檔案取代 V2 的 Parquet 刪除檔，讀取效率更高
- Row lineage tracking：追蹤行的來源變更歷程
影響範圍
MERGE INTO 與 ALTER TABLE 填補了 DuckDB 在 Iceberg 作為寫入端的缺口，先前只能讀取。配合 DuckLake v1.0，DuckDB 已可在單機上完成完整的 lakehouse ETL 流程，不需啟動 Spark cluster。V3 deletion vectors 需要 Iceberg catalog 支援，AWS Glue、Snowflake Open Catalog 均已跟進。