本文介绍使用 TCHouse-C 前需要了解的核心概念。分为基础设施层和数据引擎层两个部分，帮助您快速建立对产品的整体认知。
基础设施概念
地域（Region）
指 TCHouse-C 集群所在的物理地理区域（如北京、上海、广州、新加坡等）。不同地域之间网络完全隔离，跨地域数据访问需通过公网或专线。集群创建后不可更换地域，请根据业务用户分布就近选择。
可用区（Availability Zone）
同一地域内电力和网络相互独立的物理数据中心，在同一地域内选择不同可用区可提升容灾能力。
集群（Cluster）
TCHouse-C 的基本服务单元。一个集群由以下组件构成：
组件 | 说明 |
ClickHouse 计算节点 | 负责数据存储和查询计算，可包含 1 个或多个分片 |
ZooKeeper/ClickHouse Keeper 管理节点 | 负责分布式协调，管理副本同步、DDL 操作等元数据 |
CLB 负载均衡 | 提供统一的集群访问入口，自动分发查询请求 |
分片（Shard）
TCHouse-C 将海量数据水平切分后分散到不同节点，每个节点承载数据的一部分。分片是数据水平扩展的基本单位。
模式 | 分片与节点的关系 |
单副本（非高可用） | 1 个分片 = 1 个节点 |
双副本（高可用） | 1 个分片 = 2 个节点（互为副本） |
副本（Replica）
为保障数据安全和服务高可用，TCHouse-C 支持将同一分片的数据冗余存储在两个节点上。两个节点互为副本，数据实时同步。
高可用（High Availability）
高可用模式下，每个分片配置两个副本。当某个节点发生故障时，查询自动路由到副本节点，实现用户无感知的故障切换，保障服务连续性。
说明：
生产环境请务必选择高可用模式。非高可用模式（单副本）适用于开发测试或对可用性要求不高的场景。
数据引擎概念
以下概念源自 ClickHouse 数据引擎，是理解 TCHouse-C 数据模型的关键。
表引擎（Table Engine）
表引擎决定了数据如何存储、索引、是否支持副本等核心行为。TCHouse-C 支持 ClickHouse 的完整引擎家族，最常用的包括：
引擎 | 说明 | 适用场景 |
MergeTree | 基础列式存储引擎，支持主键排序、分区、数据生命周期管理 | 单副本场景下的通用分析表 |
ReplicatedMergeTree | MergeTree 的副本版本，通过 ZooKeeper 实现跨节点数据同步 | 高可用场景下的标准选择 |
Distributed | 分布式路由表，将查询分发到所有分片并汇总结果 | 跨分片的全局查询入口 |
MaterializedView | 物化视图，数据写入时自动触发聚合计算并存储结果 | 预聚合加速、实时指标计算 |
本地表 vs 分布式表
类型 | 说明 |
本地表（Local Table） | 实际存储数据的表，每个分片上各有一份，使用 MergeTree 或 ReplicatedMergeTree 引擎 |
分布式表（Distributed Table） | 逻辑路由表，不存储数据，将查询自动分发到各分片的本地表并合并结果 |
说明：
数据写入推荐直接写入本地表（或通过分布式表路由写入），查询通过分布式表进行，以获得全局视图。
分区（Partition）
在表引擎层面，数据可按某个字段（通常是日期）进行分区。分区的好处：
查询时自动裁剪无关分区，减少扫描数据量；
支持按分区快速删除历史数据（
ALTER TABLE ... DROP PARTITION）；分区粒度建议按月或按天，避免分区数过多导致元数据膨胀。
数据压缩
ClickHouse 默认对列式数据进行高效压缩，TCHouse-C 支持 LZ4（默认，速度优先）和 ZSTD（压缩比优先）两种算法。实测典型业务数据压缩比可达 10:1，大幅降低存储成本。
概念关系总览
集群 (Cluster)├── ZooKeeper 节点 × 3（协调服务）├── 分片 1 (Shard 1)│ ├── 副本 A（计算节点）── 本地表 + 数据│ └── 副本 B（计算节点）── 本地表 + 数据（与 A 同步）├── 分片 2 (Shard 2)│ ├── 副本 A│ └── 副本 B└── 分布式表（Distributed Table）── 查询路由到所有分片
