ClickHouse学习笔记(一)

  • ClickHouse 是俄罗斯的 Yandex 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。
  • ClickHouse 的特点:
    1、列式存储:以下表为例:
Id Name Age
1 张三 18
2 李四 22
3 王五 34

1.1、若采用行式存储时,数据在磁盘上的组织结构如下图所示。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即可。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。

1.2、采用列式存储时,数据在磁盘上的组织结构如下图所示。这时想查所有人的年龄只需把年龄那一列顺序读即可。

1.3、列式储存的好处:
a、对于列的聚合,计数,求和等统计操作优于行式存储。
b、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。
c、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、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,数据的备份与恢复。

3、多样化引擎:ClickHouse 和 MySQL 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。目前包括合并树、日志、接口和其他四大类 20 多种引擎。

4、高吞吐写入能力:ClickHouse 采用类 LSM Tree 的结构,数据写入后定期在后台 Compaction。通过类 LSM tree的结构,ClickHouse 在数据导入时全部是顺序 append 写,写入后数据段不可更改,在后台 compaction 时也是多个段 merge sort 后顺序写回磁盘。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。

5、数据分区与线程级并行:ClickHouse 将数据划分为多个 partition,每个 partition 再进一步划分为多个 index granularity(索引粒度),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。所以 ClickHouse 即使对于大量数据的查询也能够化整为零平行处理。但有一个弊端:对于单条查询使用多 cpu,就不利于同时并发多条查询,因此对于高 qps 的查询业务,ClickHouse 并不是强项。

6、性能对比
6.1、单表查询

6.2、关联查询

你可能感兴趣的:(ClickHouse学习笔记(一))