Clickhouse数据库部署、Python3压测实践

Clickhouse数据库部署、Python3压测实践

一、Clickhouse数据库部署

• 版本：yandex/clickhouse-server:latest

• 部署方式：docker

• 内容

  version: "3"
  
  services:
    clickhouse:
      image: yandex/clickhouse-server:latest
      container_name: clickhouse    
      ports:
        - "8123:8123"
        - "9000:9000"
        - "9009:9009"
        - "9004:9004"
      volumes:
        - ./data/config:/var/lib/clickhouse
      ulimits:
        nproc: 65535
        nofile:
          soft: 262144
          hard: 262144
      healthcheck:
        test: ["CMD", "wget", "--spider", "-q", "localhost:8123/ping"]
        interval: 30s
        timeout: 5s
        retries: 3
      deploy:
        resources:
          limits:
            cpus: '4'
            memory: 4096M
          reservations:
            memory: 4096M
  

• 建表语句

  CREATE TABLE test_table (id int,
      feild1 String, feild2 String, feild3 String
      , feild4 String, feild5 String, feild6 String
      , feild7 String, feild8 String, feild9 String
      , feild10 String, feild11 String, feild12 String
      , feild13 String, feild14 String, feild15 String
      , feild16 String, feild17 String, feild18 String
      , feild19 String, feild20 String
      ) ENGINE = MergeTree：
  

二、Python3插入数据压测

• 关键库：clickhouse_driver、 concurrent.futures

• 代码：

  import random
  import time
  from clickhouse_driver import Client
  from concurrent.futures import ThreadPoolExecutor, as_completed
  
  
  client = Client(host='ip')
  
  # 采用多个连接，避免单个连接被打死
  clients = [
      Client(host='ip'),
      Client(host='ip'),
      Client(host='ip'),
      Client(host='ip')
  ]
  
  
  # 采用批量插入，经过测试，单条并发插入支持差，每秒只能执行2-5次insert
  def task(i):
      sql = "INSERT INTO ck_table (id, feild1, feild2,feild3,feild4,feild5,feild6,feild7,feild8,feild9,feild10,feild11,feild12,feild13,feild14,feild15,feild16,feild17,feild18,feild19,feild20) VALUES"
      values = []
      for i in range(1000):
          values.append((random.randint(1,10000000),"feild1-"+str((random.randint(1,10000000))),"feild2-"+str(i),"feild3-"+str(i), "feild4-"+str(i), "feild5-"+str(i), "feild6-"+str(i), "feild7-"+str(i)
                         , "feild8-"+str(i), "feild9-"+str(i), "feild10-"+str(i), "feild11-"+str(i), "feild12-"+str(i), "feild13-"+str(i), "feild14-"+str(i)
                         , "feild15-"+str(i), "feild16-"+str(i), "feild17-"+str(i), "feild18-"+str(i), "feild19-"+str(i)
                         , "feild20-"+str(i)
                         ))
      clid = random.randint(1, len(clients)-1)
      clients[clid].execute(sql, values)
      return '第',clid, "插入",i, '条数据成功'
  
  
  if __name__ == '__main__':
      print ("程序开始运行")
      exec = ThreadPoolExecutor(max_workers=2)
      #ress = []
      start_time = time.perf_counter()
      for j in range(4000000):  # 总共需要执行的次数
          res = exec.submit(task,j)
          #ress.append(res)
      # for i in as_completed(ress):
      #     print("执行状态",i.result())
      print("执行耗时", time.perf_counter()-start_time,"s")
  

三、Python3查询数据测试

• 关键库：clickhouse_driver、 concurrent.futures

• 代码

  import time
  from concurrent.futures import ThreadPoolExecutor, as_completed
  from clickhouse_driver import Client
  
  client = Client(host='10.10.16.110')
  
  query_sql = """select * from ck_table where feild2='feild2-1009' """
  
  
  def new_task(i):
      count_sql = """ select count(*) from ck_table"""
      time.sleep(1)
      return "执行第",i,"个任务",client.execute(count_sql)
  
  
  if __name__ == '__main__':
      print ("程序开始运行")
      thd_ques = []
      exec = ThreadPoolExecutor(max_workers=1)
      ress = []
      start_time = time.perf_counter()
      for j in range(1000):
          res = exec.submit(new_task,j)
          ress.append(res)
      for i in as_completed(ress):
          print("执行状态",i.result())
      print("执行耗时", time.perf_counter()-start_time,"s")
  
  

四、测试结论

clickhouse：21个字段表插入-查询测试, CPU200w数据以内 >100,峰值：133.6， 均值： 约110

• 1、不支持频繁插入（一般1-2次/s），否则会断联等报错，只能批插入（脚本使用2协程每次1000条没有报错，2个协程或者以上会出现断联等报错）

• 2、不支持频发查询，QPS官方建议100以内，否则CPU占用会很高，拉高服务器负载

• 3、查询效率：

  • 一个条件where查询(Memery)：60W 0.33s

  • 5个条件where查询(Memery)：80W 0.57s

  • 5个条件where查询(Memery)：100W 0.54s

  • 5个条件where查询(Memery)：112W 0.56s

  • 5个条件where查询(Memery)：200W 0.565s

  • 5个条件where查询(Memery)：500W 1.2s(停止插入的情况下)

  • 5个条件where查询(Memery)：560W 1.97s(停止插入的情况下）

  • 5个条件where查询(TinyLog)：7000W条 1分47秒

  • 2个条件where查询(TinyLog)：1亿零460万条 89s

  • 5个条件where查询(TinyLog)：1亿零460万条 84s

  • 10个条件where查询(TinyLog)：1亿零460万条 87s

备注 450w条数据后，数据插入线程和查询线程只能存在一个，慢查询的内存消耗很高，16G内存不够用。5个条件where查询还能执行，在1-2s

• （1）500w数据量服务器情况：（COPU均值在320左右，16G内存剩余在500-800M之间，停止写入/查询后，CPU恢复正常水平，内存剩余在800M左右）

  total used free shared buff/cache available

  15G 5.9G 519M 9.2M 9.1G 9.2G

  %CPU %MEM

  429.5 26.0

• （2）1亿数据量服务器情况（1T磁盘消耗共38%，预计消耗6% ）

  total used free shared buff/cache available

  15G 2.7G 181M 9.2M 12G 12G

  %CPU %MEM

  103.7 3.6

总结：

• 1、不支持并发单条频繁插入，否则会报错，断联等造成数据丢失
• 2、不支持高并发查询，官方建议QPS<= 100，否则会增加服务器负载，CPU，内存等消耗过高
• 3、对服务器要求高，亿级CPU一般建议16核心以上，内存64G以上
• 4、优点是查询快，批量插入效率高，建议低频大批量插入