关于列式数据库ClickHouse知识的学习

宣胤

Clickhouse 是一款列式存储数据库,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,可以说的非常好用!下文我就将介绍此门技术。

1 Clickhouse 入门

1.1 Clickhouse的特点

1.1.1 列式存储

image-20230530170059453
image-20230530170059453

好处:

  • 对于列的聚合,技术,求和等统计操作优于行时存储
  • 由于某一列的数据类型是相同的,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
1.1.2 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。

1.1.3 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。目前包括合并书、日志、接口和其他四大类20多种引擎。

1.1.4 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测试显式能够达到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。

1.1.5 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。

1.1.6 查询性能

Clickhouse 像很多OLAP数据库一样,单表查询速度优于关联查询。

3 Click house 表引擎

3.1 表引擎的使用

表引擎是Clickhouse的一大特色。可以说表引擎决定了如何存储表的数据。包括:

  • 数据的存储方式和位置,写到哪里以及从哪里读取数据。
  • 支持哪些查询以及如何支持。
  • 并发数据访问。
  • 索引的使用(如果存在)。
  • 是否可以执行多线程请求。
  • 数据复制参数。

表引擎的使用方式就是必须显式在创建表时定义该表使用的引擎,以及引擎使用的相关参数。

3.2 TinyLog

以列文件的形式保存在磁盘上,不支持索引,没有并发控制。一般保存少量数据的小表,生成环境上作用有限。可以用于平时练习测试用。

create table t_tinylog ( id string, name string ) engine=TinyLog;

3.3 Memory

内存引擎,数据以未压缩的原始形式直接保存在内存当中,服务器重启数据就会消失。读写操作不会相互阻塞,不支持索引。简单查询下有非常非常高的性能表现(超过10G/s)。
一般用到它的地方不多,除了用来测试,就是在需要非常高的性能,同时数据量又不太大(上限大概1亿行)的场景。

  • 标题: 关于列式数据库ClickHouse知识的学习
  • 作者: 宣胤
  • 创建于: 2023-05-11 09:56:02
  • 更新于: 2023-05-30 18:32:54
  • 链接: http://xuanyin02.github.io/2023/051164496.html
  • 版权声明: 本文章采用 CC BY-NC-SA 4.0 进行许可。
 评论