clickhouse调优配置

一、官方文档地址

clickhouse的配置项主要在 config.xml 或 users.xml 中, 基本上都在 users.xml 里

config.xml

https://clickhouse.tech/docs/en/operations/server-configuration-parameters/settings/

users.xml

https://clickhouse.tech/docs/en/operations/settings/settings/

二、建表优化

2.1、数据类型选择:

时间字段 使用DateTime类型,不要用字符串,clickhouse底层将DateTIme存为时间戳Long类型,但不建议使用Long类型,DateTime方便用于分区,只需要使用toYYYYMMDD(time)或者toDate(time),便可实现按天分区;
空值存储 官方指出Nullable类型会拖累性能,因为存储Nullable列时需要创建一个额外的文件来存储Null值的标记,并且Nullable列无法被索引。可用空字符串或者指定一个业务中无意义的值(例如-1表示无用id);

2.2、分区和索引选择:

分区粒度 一般选择按天分区
索引列选择 1:查询条件中经常被用来当筛选条件的属性; 2:可以是单一维度,也可以是组合维度的索引; 3:查询频率大的在前; 4:基数特别大的不适合做索引(例如id);

2.3、表参数:

TTL(生命周期) 指定TTL可以免去手动删除过期历史数据的麻烦,可以通过alter修改;

三、配置优化

3.1、CPU资源配置:

background_pool_size 后台线程池大小,merge线程就是在里这执行,默认16,建议设置为cpu个数的2倍;
background_schedule_pool_size 执行后台任务的线程数,默认128,建议设置为cpu个数的2倍;
background_distributed_schedule_pool_size 为分布式发送执行后台任务的线程数,默认16,建议改成cpu个数的2倍;
max_concurrent_queries 最大并发处理的请求数,默认100,建议150~300;
max_threads 单个查询所能使用的最大cpu个数,默认是cpu核数;

3.2、内存资源配置:

max_memory_usage 单次query占用内存的最大值,可以设置大一点,提升集群查询性能;
max_bytes_before_external_group_by group by使用存储超出该阈值后会刷新到磁盘进行(tmp目录),不设置时超出则报错;
max_bytes_before_external_sort order by使用内存超出阈值就溢写磁盘,不设置时超出则报错;
max_table_size_to_drop 限制删除该数据量以上的分区表,建议修改为0,不限制删除;

四、写入和删除优化:

4.1:尽量不执行单条或小批量的删除和插入操作,会产生小分区文件,merge压力大;
4.2:不要一次写入太多分区,或写入太快(merge跟不上会报错,clickhosue默认使用了WAL提高写入性能的方式来处理);

相关推荐
孤客网络科技工作室3 分钟前
VMware 虚拟机使用教程及 Kali Linux 安装指南
linux·虚拟机·kali linux
WeeJot嵌入式33 分钟前
大数据治理:确保数据的可持续性和价值
大数据
颇有几分姿色1 小时前
深入理解 Linux 内存管理:free 命令详解
linux·运维·服务器
AndyFrank1 小时前
mac crontab 不能使用问题简记
linux·运维·macos
zmd-zk1 小时前
kafka+zookeeper的搭建
大数据·分布式·zookeeper·中间件·kafka
激流丶2 小时前
【Kafka 实战】如何解决Kafka Topic数量过多带来的性能问题?
java·大数据·kafka·topic
筱源源2 小时前
Kafka-linux环境部署
linux·kafka
测试界的酸菜鱼2 小时前
Python 大数据展示屏实例
大数据·开发语言·python
时差9532 小时前
【面试题】Hive 查询:如何查找用户连续三天登录的记录
大数据·数据库·hive·sql·面试·database
Mephisto.java2 小时前
【大数据学习 | kafka高级部分】kafka中的选举机制
大数据·学习·kafka