请描述在 ClickHouse 中应对数据倾斜的常用方法，并列举几种常见的优化手段。

回答思路

1. 【回答框架 1】数据倾斜在 ClickHouse 中主要表现为某些分片或节点数据量或查询负载远高于其他节点，导致集群资源利用率不均和查询性能下降。
2. 【回答框架 2】优化策略包括：选择合适的分片键，如使用高基数且分布均匀的字段；使用 rand() 作为分片键进行随机分布；对于大金额或高频用户等热键，可进行加盐或拆分处理。
3. 【回答框架 3】针对查询倾斜，可调整分布式表的访问策略，如使用 prefer_local_replica 减少网络开销；或将大表转为本地表并手动路由查询。
4. 【回答框架 4】对于合并树表，使用版本号或时间字段作为分区键的组成部分，避免数据集中在单一分区。
5. 【关键点 1】分片键应选高基数且均匀的字段，避免低基数字段导致数据集中
6. 【关键点 2】rand() 可随机分布，但可能影响后续查询的本地性
7. 【关键点 3】热键可通过加盐或拆分缓解，但需在应用层处理逻辑
8. 【关键点 4】合理设置分区键可减少数据插入时的热点
9. 【易错点 1】使用业务字段作为分片键时，需考虑字段分布，避免明显不均
10. 【易错点 2】加盐虽能分散写入，但查询时需处理多个副本的数据合并
11. 【易错点 3】仅调整集群参数无法根治倾斜，必须从数据模型和查询设计入手