分区 索引 数据存储 
数据标记 压缩数据块

分区  
数据是以分区目录的形式进行组织，每个分区独立存储，数据查询时可以有效跳过无用的数据文件，只使用最小的分区目录子集

一级索引使用二进制格式存储，用于存储稀疏索引，一张 MergeTree 表只能通过 ORDER BY 或 PRIMARY KEY声明一次一级索引。
借助稀疏索引，减少数据扫描范围，加速查询速度

二级索引又称为跳数索引，由数据的聚合信息构建而成，根据索引类型的不同，其聚合信息的内容也不同

数据bin文件由1至多个压缩数据块组成的，每个压缩块大小在64KB～1MB之间，
多个压缩数据块之间，按照写入顺序首尾相接，紧密地排列在一起；

数据标记使用二进制格式存储，标记文件中保存了 data.bin 文件中数据的偏移量信息，并且标记文件与稀疏索引对齐， 
通过标记文件建立 稀疏索引（primary.idx）与 数据文件（data.bin）之间的映射关系。
读取数据时，首先通过稀疏索引（primary.idx）找到对应数据的偏移量信息（data.mrk），
根据偏移量信息直接从 data.bin 文件中读取数据




写入流程
数据写入的第一步是生成分区目录，伴随着每一批数据的写入，都会生成一个新的分区目录，
在后续的某一时刻，属于相同分区的分区目录会被合并到一起

按照index_granularity索引粒度，分别生成 primary.idx 一级索引
如果声明了二级索引，还会创建二级索引文件
按照index_granularity索引粒度，生成每一个列字段的压缩数据文件（.bin）和 数据标记文件（.mrk）
如果数据量不大，则是 data.bin 和 data.mrk 文件



查询流程
数据查询，可以看作一个不断减小数据范围的过程。
理想情况，依次借助分区索引、一级索引和二级索引，将数据 扫描范围缩至最小
然后再借助数据标记，将需要解压与计算的数据范围缩至最小

如果一条查询语句没有指定任何 WHERE 条件，或者指定了 WHERE 条件 , 但是没有匹配到任何的索引（分区索引、一级索引、二级索引），
那就不能预先减少数据范围 , 会扫描所有分区目录，以及目录内索引段的最大区间

不过虽然不能减少数据范围，但能借助数据标记，以多线程的形式同时读取多个压缩数据块，以提升性能