使用ClickHouse一键接管MySQL数据分析
https://www.jianshu.com/p/5bfb043a075d
数据导入
第一组
# du出的表大小
5.5G article_clientuser_sum.ibd
# ClickHouse操作语句
CREATE TABLE article_clientuser_sum
ENGINE = MergeTree
ORDER BY id AS
SELECT *
FROM mysql('host:port', 'db', 'article_clientuser_sum', 'user', 'password')
# 耗时和平均速度
0 rows in set. Elapsed: 137.251 sec. Processed 18.59 million rows, 7.34 GB (135.43 thousand rows/s., 53.48 MB/s.)
第二组
# 另一个表
20G xx_httpcode_minf.ibd
CREATE TABLE xx_httpcode_minf
ENGINE = MergeTree
ORDER BY id AS
SELECT *
FROM mysql('host:port', 'db', 'tb', 'user', 'password')
# 不知道为啥这表这么快就导入了 貌似是行少，但是表的总大小大啊
0 rows in set. Elapsed: 44.389 sec. Processed 13.03 million rows, 1.44 GB (293.44 thousand rows/s., 32.35 MB/s.)
PK之count(*)
第一组
# 1800w
# ClickHouse
SELECT count(*)
FROM article_clientuser_sum
┌──count()─┐
│ 18587381 │
└──────────┘
1 rows in set. Elapsed: 0.033 sec. Processed 18.59 million rows, 74.35 MB (556.76 million rows/s., 2.23 GB/s.)
# MySQL
mysql> select count(*) from article_clientuser_sum ;
+----------+
| count(*) |
+----------+
| 18587381 |
+----------+
1 row in set (39.48 sec)
# 性能 1196X
第二组
# 1300w
# ClickHouse
SELECT count(*)
FROM xx_httpcode_minf
┌──count()─┐
│ 13025469 │
└──────────┘
1 rows in set. Elapsed: 0.032 sec. Processed 13.03 million rows, 52.10 MB (406.68 million rows/s., 1.63 GB/s.)
# MySQL
mysql> SELECT count(*)
-> FROM xx_httpcode_minf;
+----------+
| count(*) |
+----------+
| 13025469 |
+----------+
1 row in set (1 min 46.87 sec)
# 性能 3340X
PK之复杂查询
第一组
# ClickHouse
SELECT SUM(size) AS size
FROM xx_network_flow
WHERE (date >= '2018-01-01') AND (date <= '2018-01-31') AND (netstat = 0) AND (project LIKE '保密%')
Row 1:
──────
size: 4132888693
1 rows in set. Elapsed: 0.039 sec. Processed 841.66 thousand rows, 9.46 MB (21.67 million rows/s., 243.70 MB/s.)
# MySQL
+------------+
| size |
+------------+
| 4132888693 |
+------------+
1 row in set (2.34 sec)
# 性能 60X
- SQL太长，截图示例
- SQL里的xxx均为脱敏数据
# ClickHouse
┌─────size─┐
│ 76888224 │
└──────────┘
1 rows in set. Elapsed: 0.137 sec. Processed 841.66 thousand rows, 9.46 MB (6.13 million rows/s., 68.97 MB/s.)
# MySQL
+----------+
| size |
+----------+
| 76888224 |
+----------+
1 row in set (2.86 sec)
# 性能 21X
第二组
# ClickHouse
SELECT
project,
idc,
minf,
http_code,
sum(sumhit) AS num
FROM xx_httpcode_minf
WHERE (date = '2018-01-16') AND (httptype = 'download') AND \
(minf >= 0) AND (minf <= 288) AND \
(http_code IN ('200', '500', '404', '502', '503', '504'))
GROUP BY
project,
idc,
minf,
http_code
ORDER BY num DESC
LIMIT 3
┌─project─────────────────────────────────────┬─idc────┬─minf─┬─http_code─┬────num─┐
│ 域名1xxxx │ .1xx │ 195 │ 200 │ 247522 │
│ 域名2xxxx │ .2xx │ 185 │ 200 │ 246613 │
│ 域名3xxxx │ .3xx │ 188 │ 200 │ 245808 │
└─────────────────────────────────────────────┴────────┴──────┴───────────┴────────┘
3 rows in set. Elapsed: 0.161 sec. Processed 13.03 million rows, 284.63 MB (80.94 million rows/s., 1.77 GB/s.)
# MySQL
+---------------------------------------------+--------+------+-----------+--------+
| project | idc | minf | http_code | num |
+---------------------------------------------+--------+------+-----------+--------+
| 域名1xxxx| .1.xx | 195 | 200 | 247522 |
| 域名2xxxx | .2.xxx | 185 | 200 | 246613 |
| 域名3xxxx | .3xx | 188 | 200 | 245808 |
+---------------------------------------------+--------+------+-----------+--------+
3 rows in set (12.02 sec)
# 性能 75X
- SQL太长，截图示例
SQL里的xxx均为脱敏数据
# ClickHouse
┌─project────────────────────────────┬─idc────┬─minf─┬─http_code─┬───num─┐
│ 域名1 │ 1xxx│ 154 │ 404 │ 10792 │
│ 域名1 │ 2xxx │ 155 │ 404 │ 10395 │
│ 域名1│ 3xxx │ 272 │ 404 │ 10313 │
└────────────────────────────────────┴────────┴──────┴───────────┴───────┘
3 rows in set. Elapsed: 0.119 sec. Processed 13.03 million rows, 283.15 MB (109.10 million rows/s., 2.37 GB/s.)
# MySQL
+------------------------------------+--------+------+-----------+-------+
| project | idc | minf | http_code | num |
+------------------------------------+--------+------+-----------+-------+
| 域名1 | .1zz | 154 | 404 | 10792 |
| 域名1 | .3xx | 155 | 404 | 10395 |
| 域名1 | .3rr | 272 | 404 | 10313 |
+------------------------------------+--------+------+-----------+-------+
3 rows in set (2.19 sec)
# 性能 18X
压缩对比
| 表名 | MySQL表容量 | ClickHouse表容量 | 压缩倍数 |
|---|---|---|---|
| article_clientuser_sum | 5.5GB | 1.2G | 4.6 |
| xx_httpcode_minf | 20GB | 243M | 84 |
| xx_network_flow | 189MB | 25M | 7.56 |
- 注：xx_httpcode_minf这个表的MySQL文件20个G，应该是有大量的空洞造成的，这也就是Facebook的人开发MyRocks的原因：减少空洞，节省磁盘
风险
- 目前该功能还处于初级阶段，有不完善的地方，比如数据导入的方式比较粗暴，中间如果有异常，需要重新执行（使用的ClickHouse版本为：1.1.54342）
- MySQL的参数需要修改，如max_allowed_packet
- 数据导入时需要注意带宽，实测可以达到50MB/S
- 如果MySQL里的字段有decimal字符类型会怎么样？ClickHouse没有双精度的类型
- 部分SQL需要改写
- 如双引号改单引号
讨论
ClickHouse为啥快？
- MySQL单条SQL是单线程的，只能跑满一个core，ClickHouse相反，有多少CPU，吃多少资源，所以飞快
- ClickHouse不支持事务，不存在隔离级别。这里要额外说一下， 有人觉得，你一个数据库都不支持事务，不支持ACID还玩个毛。ClickHouse的定位是分析性数据库，而不是严格的关系型数据库。又有人要问了，数据都不一致，统计个毛。举个例子，汽车的油表是100%准确么？为了获得一个100%准确的值，难道每次测量你都要停车检查么？统计数据的意义在于用大量的数据看规律，看趋势，而不是100%准确。
- IO方面，MySQL是行存储，ClickHouse是列存储，后者在count()这类操作天然有优势，同时，在IO方面，MySQL需要大量随机IO，ClickHouse基本是顺序IO。
- 有人可能觉得上面的数据导入的时候，数据肯定缓存在内存里了，这个的确，但是ClickHouse基本上是顺序IO，用过就知道了，对IO基本没有太高要求，当然，磁盘越快，上层处理越快，但是99%的情况是，CPU先跑满了（数据库里太少见了，大多数都是IO不够用）。
说到MySQL上跑的各种复杂查询，那是相当痛苦的回忆。从索引层面，很难对这些SQL进行优化，这也是我从MySQL DBA转做数据分析后要解决的第一个问题
专业的事情让专业的数据库来做，放开MySQL吧~
太™快了，还不赶紧来试试
Reference
- MySQLのデータをClickHouseで高速に集計する
作者：JackpGao
链接：https://www.jianshu.com/p/5bfb043a075d
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。