从入门到放弃之「ClickHouse」

文章目录

- [1. 写在最前面](#1. 写在最前面)
- - [1.1 思路](#1.1 思路)
- [2. ClickHouse](#2. ClickHouse)
- - [2.1 基本概念](#2.1 基本概念)
  - [2.2 高端用法](#2.2 高端用法)
  - - [2.2.1 条件判断](#2.2.1 条件判断)
    - [2.2.2 HAVING](#2.2.2 HAVING)
    - [2.2.3 CASE WHEN](#2.2.3 CASE WHEN)
    - [2.2.4 window function](#2.2.4 window function)
- [3. 碎碎念](#3. 碎碎念)
- [4. 参考资料](#4. 参考资料)

1. 写在最前面

最近在整理 api 成功率的问题。但是总结下来以下三点是我分析路上的绊脚石。

上报链路还不够稳定，所以最终实时计算产生的指标是会有所丢失的。
数据存储使用的是 ClickHouse ，而我对这个数据库的「高端」用法一无所知。
需要在有限的时间里，完成对大概 200 多个客户的成功率的分析。

注：此处的「高端」指从数据库小白的角度

1.1 思路

「链路数据上报丢失的问题」
- 丢失具体随机性，一方面可以跟责任方沟通是否可以优化上报链路的可用性，另一方可以将丢失的点从成功率的计算中过滤出去。
「200 多个客户的成功率分析」
- 采用抓大放小的原则，优先对请求量在一定数量级的客户进行分析。
- 对于请求量较小的客户，可以先协商是否可以延期交付

注：「当老板交代你完成一件事情的时候，你第一反应不应该是拒绝，而应该是我先出一份整体的完成思路，请老板帮忙评估一下是否符合交付目标」（ps：论把一件事件完成的符合老板的 N 种想法

2. ClickHouse

2.1 基本概念

ClickHouse 是一个开源的分布式数据库管理系统，用于在线分析处理（OLAP），它是由俄罗斯搜索引擎公司 Yandex 开发的，并于 2016 年开源发布。

ClickHouse 支持高性能数据压缩和并行查询处理，可以在大规模数据集上快速执行复杂的分析查询，它的主要特点包括：

高性能：可以以每秒百万级别的查询速度处理大型数据集，适用于需要快速响应分析查询的应用场景。
可扩容：支持横向扩容，可以通过添加更多的节点来处理更大的数据集和更高的查询负载。
列式存储：使用列式存储结构，将同一列的数据连续存储在磁盘上，这种存储结构使得它在进行聚合和过滤操作的时非常高效。
数据压缩：支持多种数据压缩算法，可以大幅减少数据的存储空间，同时不影响查询性能。
SQL 支持：支持标准的 SQL 查询语言，可以通过简单的 SQL 语句进行分析查询。

2.2 高端用法

2.2.1 条件判断

SELECT if(cond, then, else)

如果条件 cond 的计算结果为非零值，则返回表达式 then 的结果，并跳过表达式 else 的结果。如果 cond 为零或 NULL，则将跳过 then 表达式的结果，并返回 else 表达式的结构。

成功率计算使用举例：

 sum(if(error_code in(200), response_cnt, 0))/sum(response_cnt)

2.2.2 HAVING

允许过滤由 GROUP BY 生成的聚合结果。它类似于 WHERE，但是不同的事 WHERE 是在聚合之前执行的，而 HAVING 之后执行。

注：限制，HAVING 如果不执行聚合则无法使用。

过滤请求量低的使用举例：

HAVING sum(req_cnt) > 2

2.2.3 CASE WHEN

ClickHouse中的CASE WHEN用法与SQL标准中的用法基本相同，用于实现条件分支逻辑

CASE WHEN的基本语法如下：

CASE [expression]
    WHEN condition_1 THEN result_1
    WHEN condition_2 THEN result_2
    ...
    WHEN condition_n THEN result_n
    [ELSE else_result]
END

阈值调参使用举例：

 case when req_succ_cnt/req_total_cnt < 0.9 
     then ts 
     else null 
 end

2.2.4 window function

语法：

aggregate_function (column_name)
  OVER ([[PARTITION BY grouping_column] [ORDER BY sorting_column] 
        [ROWS or RANGE expression_to_bound_rows_withing_the_group]] | [window_name])
FROM table_name
WINDOW window_name as ([[PARTITION BY grouping_column] [ORDER BY sorting_column])

PARTITION BY - defines how to break a resultset into groups.
ORDER BY - defines how to order rows inside the group during calculation aggregate_function.
ROWS or RANGE - defines bounds of a frame, aggregate_function is calculated within a frame.
WINDOW - allows to reuse a window definition with multiple expressions.

五分钟维度聚合窗口阈值分析举例：

sum(req_total_cnt) over (partition by id order by ts range between 240 preceding and current row) as req_total_cnt

这个比较复杂，详细的分析语法如下：

以上语句是一个 ClickHouse 查询语句，用于计算在每个 ID 分组下，从当前行往前推 240 个范围内的请求总数。

具体解释如下：

sum(req_total_cnt)：这是一个聚合函数，计算前面定义的req_total_cnt列中的值的总和。
over：这是一个窗口函数，它允许在聚合函数的基础上执行额外的操作。它指定在给定窗口范围内执行聚合函数。
partition by id：这是一个窗口分区子句，它定义了按照id列进行分组，即针对每个不同的id值执行聚合计算。
order by ts：这是一个窗口排序子句，它根据ts列的值对数据进行排序。窗口函数将按照此顺序计算。
range between 240 preceding and current row：这是一个窗口范围子句，它指定了窗口的范围，「240 preceding」表示从当前行往前推240行，「current row」表示当前行。

3. 碎碎念

ClickHouse 「高端」的语法其实还有很多，但无奈这波流感的威力实在是太强了，感觉中招之后，就很难受，不写了，我要继续吃颗退烧药了。

i was looking for a person who would encourage me support me inspire me keep me focused make me happy and give me unconditional love then i really that all along that person was myself
诞生降世的意义，就是为了采集这个世界中美丽的事物啊！
他很辛苦，所以要给他高温补贴，高工资，防中暑物资，不拖欠工资，而不是来教育我们不要抱怨生活。