数据字典 #
首先，我们为什么需要数据字典？
因为在数据库的日常使用中，可能会有大量的重复查询，比如一些固定的流程逻辑，或者配置表。 比如，中国的少数名族的名称、中国的省份名称。 对于这些较为固定的“配置”信息，我们可以使用数据字典的方式，进行存储。 这样可以避免不必要的查表操作，极大的加速数据获取的速度。
数据字典的创建模式 #
当前有两种创建方式：
- 通过DDL进行创建
- 通过加载配置文件（XML）创建
内置数据字典 #
在Clickhouse中，内置了一个Geo相关的一个字典格式，由于关联性不强。 我们此处忽略，感兴趣的朋友可以访问： Embedded Dictionaries 获取更多咨询。
外部扩展数据字典的内存布局（Layout） #
官方推荐使用：flat, hashed 以及 complex_key_hashed来进行数据的存储。
这些布局都是全量加载到内存（RAM）中的，因此会避免可能低效的缓存操作。
其他的布局包括：
flat: 内存存储，有长度限制的数组，以UInt64为Key。支持所有数据源，性能最佳。hashed: 内存存储，没有长度限制，以UInt64为key。支持所有数据源。sparse_hashed: 类似hashed，但是性能稍弱，会占用更多CPU。complex_key_hashed: 类似hashed，但是可使用复合Key。complex_key_sparse_hashed: 类似shparse_hashed，但是可使用复合Key。hashed_arry: 内存存储，优化过内存，类似hashed，速度比sparse_hashed要快，可媲美hashed，支持所有数据源。complex_key_hashed_array: 类似hashed_array，但是可使用复合Key。range_hashed: 带有起始和结束时间的hashed布局。complex_key_range_hashed: 类似range_hashed，但是可使用复合Key。cache: 提供缓存机制的布局类型，支持所有数据类型。同时支持过期时间等设置。complex_key_cache: 类似cache，但是可使用复合Key。ssd_cache: 类似cache，但是数据存储在SSD，索引存储在RAM（内存）。complex_key_ssd_cache: 类似ssd_cache，但是可使用复合Key。direct: 数据不存储在内存，而是在需要的时候从源数据加载（除了本地文件数据源）。complex_key_direct: 类似direct，但是可使用复合Key。ip_trie: 提供了对IP地址的数据支持。
数据源 #
Clickhouse提供了本地数据文件、执行程序、远程数据文件，以及数据库等多种支持。 其中：
file: 本地文件。executable: 本地可执行文件结果。executable_pool: 本地可执行的Pool，提供持续的数据输入。http: 通过访问网络上的资源，进行数据获取。odbc: 接入ODBC驱动连接的数据库。mysql: 接入MySQL类型的数据库。clickhouse: 接入Clickhouse类型的数据库。mongodb: 接入MongoDB类型的数据库。redis: 接入Redis类型的数据库。cassandra: 接入Cassadra类型的数据库。postgresql: 接入PostgreSQL类型的数据库。
除上面几种外，Clickhouse还提供了一种特数格式的数据源：Null，此数据源主要用于构建一个空的数据字典，用于测试等目的。