Clickhouse入门(一)

第一章 Clickhouse简介

ClickHouse (C++编写)是俄罗斯的Yandex(相当于百度)于2016年开源的列式存储数据库（DBMS），使用C++语言编写，主要用于在线分析处理查询（OLAP），能够使用SQL查询实时生成分析数据报告。 一般做实时数仓
https://clickhouse.com/docs/zh/

第二章 Clickhouse的特点

2.1 列式存储

以下面的表为例：

采用行式存储时，数据在磁盘上的组织结构为：

好处是想查某个人所有的属性时，可以通过一次磁盘查找加顺序读取就可以。但是当想查所有人的年龄时，需要不停的查找，或者全表扫描才行，遍历的很多数据都是不需要的。
而采用列式存储时，数据在磁盘上的组织结构为：

这时想查所有人的年龄只需把年龄那一列拿出来就可以了
官方介绍: https://clickhouse.com/docs/zh/
列式储存的好处：
 对于列的聚合，计数，求和等统计操作原因优于行式存储。列式数据库更适合于OLAP场景(对于大多数查询而言，处理速度至少提高了100倍)，看视频和官网！
 由于某一列的数据类型都是相同的，针对于数据存储更容易进行数据压缩，每一列选择更优的数据压缩算法，大大提高了数据的压缩比重。
 由于数据压缩比更好，一方面节省了磁盘空间，另一方面对于cache也有了更大的发挥空间。

2.2 DBMS的功能

几乎覆盖了标准SQL的大部分语法，包括 DDL和 DML ,以及配套的各种函数。用户管理及权限管理和数据的备份与恢复。

2.3 多样化引擎

clickhouse和mysql(介绍了mysql的不同引擎)类似，把表级的存储引擎插件化，根据表的不同需求可以设定不同的存储引擎(比如可以使用Hive的引擎！)。目前包括合并树、日志、接口和其他四大类20多种引擎。

2.4 写（MergeTree）

ClickHouse采用类LSM Tree的结构，数据写入后定期在后台合并。通过类LSM tree的结构，但是没有内存表，没有预写日志，ClickHouse在数据导入时全部是顺序append写入磁盘，在后台周期性合并数据到主数据段。顺序写的特性，充分利用了磁盘的吞吐能力，即便在HDD上也有着优异的写入性能。
官方公开benchmark测试显示能够达到50MB-200MB/s的写入吞吐能力，按照每行100Byte估算，大约相当于50W-200W条/s的写入速度。

• 不支持常规意义的修改行和删除行数据。
• 不支持事务。OLAP都不支持

2.5 读（MergeTree）

2.5.1 语句级多线程

ClickHouse将数据划分为多个partition，每个partition再进一步划分为多个index granularity（颗粒），然后通过多个CPU核心分别处理其中的一部分来实现并行数据处理。
在这种设计下，单条Query就能利用整机所有CPU。极致的并行处理能力，极大的降低了查询延时。
弊端：
clickhouse即使对于大量数据的查询也能够化整为零平行处理。但是有一个弊端就是对于单条查询使用多cpu，就不利于同时并发多条查询。所以对于高qps的查询业务，clickhouse并不是强项。Redis就是高qps，如果有对于高qps的查询业务，可以将clickhouse的结果缓存到redis.
Mysql是语句级单线程(mysql服务器只会用一个线程进行处理Query)
2.5.2 稀疏索引
clickhouse使用稀疏索引，索引之间的颗粒度（默认8192行建一个索引）。因为clickhouse是用于海量数据的查询！

好处：范围查询过滤比较快。
弊端：不适合做点对点查询。不方便查询具体某行数据

2.6 生命周期管理

支持对数据的生存周期进行管理，可以像Redis那样失效掉过期的数据，维持数据的新陈代谢。可以对数仓的数据写脚本定时进行删除等操作！ttl

2.7 性能对比

clickhouse官方介绍: https://benchmark.clickhouse.com/

某网站精华帖，中对几款数据库做了性能对比。
单表查询：

关联查询：

结论: clickhouse像很多OLAP数据库一样，单表查询速度优于关联查询，而且clickhouse的两者差距更为明显。

第三章 Clickhouse的安装

3.1 准备工作

3.1.1 CentOS取消打开文件数限制

三个机器都要改
在/etc/security/limits.conf 这 个文件的末尾加入一下内容：

[aa@hadoop102 ~]$  sudo vim /etc/security/limits.conf

在文件末尾添加：

* soft nofile 65536  
* hard nofile 65536 
* soft nproc 131072 
* hard nproc 131072

 Soft的数量一定要超过hard

3.1.2 CentOS取消SELINUX

修改/etc/selinux/config中的SELINUX=disabled后重启虚拟机

[aa@hadoop102 ~]# sudo vim /etc/selinux/config
SELINUX=disabled 

查看当前状态:

[aa@hadoop102 ~]$ getenforce

3.1.3 安装依赖

[aa@hadoop102 ~]# sudo yum install -y libtool
[aa@hadoop102 ~]# sudo yum install -y *unixODBC*

3.2 卸载

3.2.1 查看是否安装

rpm -qa | grep clickhouse 

3.2.2 卸载

rpm -qa | grep clickhouse | sudo xargs rpm -e 

3.2.3 删除数据和配置文件

sudo rm -rf /var/lib/clickhouse/ 
sudo rm -rf /etc/clickhouse-* s
sudo rm -rf /var/log/clickhouse-server/ 

如果是集群:

rm -rf /etc/metrika.xml 

删除zk上的元数据：

rmr /clickhouse

3.3 单机安装

官网：https://clickhouse.yandex/
下载地址：http://repo.red-soft.biz/repos/clickhouse/stable/el6/

3.3.1 上传4个文件

[aa@hadoop102 software]# ls
clickhouse/clickhouse-client-21.4.6.55-2.noarch.rpm
clickhouse/clickhouse-common-static-21.4.6.55-2.x86_64.rpm
clickhouse/clickhouse-common-static-dbg-21.4.6.55-2.x86_64.rpm
clickhouse/clickhouse-server-21.4.6.55-2.noarch.rpm

3.3.2分别在三台机子上安装这4个rpm文件

[aa@hadoop102 software]# sudo rpm -ivh *.rpm

会向一些目录添加东西，所以需要sudo
为默认用户设置密码，可以设置也可以直接回车跳过。

3.3.3 修改配置文件

[aa@hadoop102]# sudo chmod 751 /etc/clickhouse-server/config.xml
[aa@hadoop102]# sudo vim /etc/clickhouse-server/config.xml

把 0.0.0.0 的注解打开，这样的话才能让clickhouse被除本机以外的服务器访问。

3.4 启动

3.4.1 启动Server

[aa@hadoop102]# sudo clickhouse start 

server安装后，默认是开机自启动的，之后无需手动启动:

[aa@hadoop102 ck]$ sudo systemctl list-unit-files  | grep enable | grep clickhouse
clickhouse-server.service                     enabled

3.4.2 启动client

[aa@hadoop102]# clickhouse-client -h hadoop102 -m

-m mutiline

或者可以通过网页进行访问: