最近，中美关系又变得紧张了，朋友圈里也满是TikTok的生死问题，但我却被一本书转移了注意力，体验了一下俄罗斯风情。
大家都知道美国有Google，中国有百度，但是你知道俄国人最喜欢用的搜索引擎是什么吗？
首先，我要承认自己的无知，写此文之前，我对俄国人知之甚少。
现学现卖，除了Google和百度，还有一个叫Yandex的俄式战斗版搜索引擎，在俄罗斯搜索市场独占鳌头。我猜，普京总统应该很喜欢用。
今天，我就分享一下支撑Yandex这个搜索引擎运营的数据分析利器，ClickHouse。
ClickHouse的由来
初次听到ClickHouse，脑海里浮现的是小马快跑（Click Horse），后来才发现自己搞错了。不由想起了同学之前说过的一个词，思维奔逸。
官方解释，ClickHouse，是由俄罗斯的互联网公司Yandex研发并开源的，一个实时的分析型数据库管理软件。
搜索引擎都是基于流量点击进行数据分析，形象的讲ClickHouse的全称是Click Stream，Data WareHouse，而ClickHouse，其实只是个简称。
ClickHouse的特色
说起大数据，绕不开Hadoop生态，但ClickHouse偏偏脱离Hadoop生态，选择独辟蹊径，自成一体。
列式存储：牛逼的OLAP，列式存储已经是标配，使得数据压缩也有了用武之地。直接效果就是减少数据扫面范围，让I/O更高效。
MPP架构：多主架构，角色对等，数据分片（Shard）和副本（Replica）的结合，既保证了扩展能力，也增强可数据冗余保护，坏几块硬盘，宕几台服务器都能扛得住。
CPU计算：支持CPU向量运算，将单体循环变为并行处理，充分利用硬件和算法，提升计算效率，所以彪悍的快。
存储引擎：我感觉是过于繁杂了。从ClickHouse的发展历史看，明显受到MySQL的影响。在数据库和表层面都需要规划存储引擎。有人说通用，意味着平庸。像ClickHouse这样，繁杂代表着专业和场景定制。
最有特色的当属MergeTree系列表引擎，与ZooKeeper配合支撑Distributed表。另外，ClickHouse的数据类型也是别具一格，对负责设计的架构师有很高的要求。
总之，ClickHoue是个小巧玲珑，性能极佳的数据库管理系统。这一点与我印象中的俄式米格战斗机相去甚远。
开源盛世下的OLAP
这几年，实时数仓逐渐成了一种刚需，随着技术的进步，开源世界中涌现出了一大批优秀的OLAP，使得这些问题都有了相应的解决方案，
ClickHouse与Vertica
早年间，商业市场活跃的时候，HP收购了一个比较牛X的数据分析型产品叫Vertica，以性能卓越著称。
ClickHouse的性能跑分有一个数据对比，5倍于Vertica。你就知道ClickHouse到底有多快了！
关键是ClickHouse是开源的，比起商业软件，有免费这个杀手锏。
ClickHouse与Kylin
在OLAP的世界里，主要分两个MOLAP和ROLAP两派。Kylin属于MOLAP，而ClickHouse则属于ROLAP。关于Kylin和OLAP的相关知识可以去看看我的公众号文章《Kylin | 让决策的速度配得上你的激情》。
Kylin通过创建Cube，依靠预计算和智能修剪Cuboid，用空间换时间，提升性能。
ClickHouse在表关联上支持有限，多表Join查询会转变成两两连接的形式，容易造成性能问题。ClickHouse的性能卓越更多体现在单表查询上。
ClickHouse与Druid
两个都是ROLAP，更适合做对比，二者都擅长大宽表的实时分析。
Durid，目前还没深入学习过，据我所知，Druid是更擅长基于时间序列做分析，优势是数据的快速摄入和快速查询，但不支持表关联。
ClickHouse，在数据写入上更擅长批量处理，我觉得这跟MergeTree的存储引擎设计有关，因为涉及分区目录的合并。相比Druid，功能更丰富。
关于数据中台的思考
这两年，我对大数据的理解也逐渐深刻，从单纯的数据量，上升到4V的认知。但受限于岗位，更多的还是局限在了技术架构上，对于场景和业务的理解还有欠缺。
当企业积累了大量的数据，如何高效分析，给客户做画像，如何精细化运营，向客户做产品推荐，都是现实问题。
在公司数字化转型的背景下，希望一切业务数据化，增量与存量数据的对接整合，形成新的体系，从而盘活整个数据资产。这个新的数据资产池，我理解就是所谓的数据中台。
面对日益竞争激烈的商业环境，让数据灵动起来，让数据业务化，这才是数据中台的价值。
只是我认为数据中台不是直接设计出来的，而是演化出来的。就好像ClickHouse也是经过几代慢慢演化出来的，才有今天的成绩。
阿里的中台战略，之所以喊的响亮，因为已经演化完了。再看看我们自身，找找差距，可能差的不是一点半点。
看的见的当下，需要优化、改造的东西太多，而且，这条路布满荆棘，需要我们既有挖坑的热情，也有填坑的能力。
实时数据仓库的最优解
大数据时代，数据的采、存、析、用四个环节，环环相扣。不是简单的通过运筹学就能得到实时数据仓库的最优解。
产品也不是万能的，看过了不少技术，没有一个系统能够满足各种场景需求。归根结底，是因为我们无法在数据量、性能和灵活性这三个方面做到完美，要么在系统设计时作出取舍，要么在平台搭建时作出合理的产品组合。
通过实际案例分析，对于一些优秀和成功的企业，在大数据领域也多采取了技术组合形式来满足不同的用户需求。大数据从业者想一招鲜吃遍天，难！
反观自己，最近进入了一个怪圈，陷到数据里拔不出来。开源世界就像一个黑洞 ，无休止的吞噬你的精力，希望我能尽早从这一轮学习中抽身，开始新征程。
最后，用陆游的诗句勉励一下自己，“纸上得来终觉浅，绝知此事要躬行。”