👈👈👈 欢迎点赞收藏关注哟
首先分享之前的所有文章 >>>> 😜😜😜
文章合集 : 🎁 juejin.cn/post/694164...
Github : 👉 github.com/black-ant
CASE 备份 : 👉 gitee.com/antblack/ca...
一. 前言
写了一些项目后，渐渐发现，常规的数据库本身具有极限，在一些特定的场景下，整体就显得很吃力了。
到了这个时候，就要考虑使用其他类型的数据库了，这里就来学习一下 ClickHouse 这个数据库。
二. ClickHouse 功能和作用
2.1 Clickhouse 是个什么
@ clickhouse.com/docs/zh/int...
总结下来就是 ：
- ClickHouse 是一个
列式数据库管理系统。 注意 ， 它不仅仅只是一个数据库，还是一个管理系统 - 它具有一些优异的特性，包括
数据压缩， 可以在磁盘上运行（有的数据库只能在内存运行），可以多核心并行 - 支持多服务器
分布式处理 - 支持
SQL 语句（基本上可以和 MySQL基本语句兼容 ，DDL 略有不同） - 支持
向量引擎（这可以提高查询的性能） - 可以实时更新数据 （
写入不会有锁，不会产生锁竞争） - 支持
索引（可以通过等值比对和范围查询）
在性能方面 ，Clickhose 很强 ，我们自己业务系统的参数不好给出，可以看官方文档里面的 @ 性能 | ClickHouse Docs
内容补充 - 什么是列式数据库 ？
通常我们用的 MySQL Inner DB 就是行式数据库，行式场景下，每一行即为一个数据单元。列式数据库不一样，它每一列为一个数据单元。 如果以一个 JSON 图展示 ，他们的区别如下 ：
内容补充 - 列式数据库的查询
这里借用官网的Gif图 ，效果就很清楚了 ：
以上分别是行式数据库的读取方式和列式的对比 ：
- 在行式数据库中，哪怕我们只需要一个字段，在读取空间和扫描逻辑上都是
对整行数据进行处理，哪怕最后通过SQL写法只返回了一个值 - 而在列式读取过程中，由于一列里面数据独立，所以可以直接读取我们需要范围的所有单列数据。
内容补充 ： 为什么列式数据库看起来很快 ？
- IO 更少 ： 由于每次读取的数据更少，只需要读取需要的列，每次 IO 扫描都会减少很多
- 压缩更简单 ： 按列分别存储可以让压缩更简单，当然根源还是让IO变少
- 向量引擎 ： 虽然我还没搞懂这东西的原理，但是通过这个引擎能提高CPU的性能。数据不仅按列存储，同时会按照向量进行处理
2.2 ClickHouse 里面的引擎
ClickHouse 里面的引擎是用于查询和存储数据的，相对的，分为表引擎和查询引擎两种 ：
- 表引擎 ：
- MergeTree 系列 ： Clickhouse 里面最常见的表引擎，支持分区，主键，索引
- Log ： 轻量级表引擎，但是他是一种行式存储引擎
- CollapsingMergeTree ： 特殊表引擎，支持在线聚合数据
- Distributed ： 分布式表引擎
- 查询引擎 ：
- Vectorized : 向量化查询引擎，通过向量算法提高查询效率
- Scalar ： 标量查询引擎，使用传统的查询算法
- Distributed ： 分布式查询引擎，将查询分到多个节点上，从而提高效率
当然学习这一块的时候还会有很多疑惑，在 ClickHouse 里面还有数据库引擎 ，而在官网里面，数据库引擎看起来像对应很多不同的数据库 （例如 MySQL , Atomic ），这又是什么？
以其中的 MySQL 数据库引擎为例 ，MySQL引擎用于将远程的MySQL服务器中的表映射到ClickHouse中，并允许您对表进行INSERT和SELECT查询，以方便您在ClickHouse与MySQL之间进行数据交换。
MySQL数据库引擎会将对其的查询转换为MySQL语法并发送到MySQL服务器中
@ clickhouse.com/docs/zh/eng...
总结 ： 所以，数据库引擎在我看来主要是一层代理。
三. Docker 部署 ClickHouse
因为只是基础的使用，这里直接选择 Docker 部署 ：
与其他的 DB Docker 相比， ClickHouse 的部署稍微有点麻烦，其核心点在于配置文件的问题，由于 Docker 部署的时候需要配置文件，所以需要
需要启动2次数据库，在此期间
java
// S1 : 拉取 Clickhouse 镜像
docker pull clickhouse/clickhouse-server
// S2 : 创建基本路径
mkdir -p /data/clickhouse/data /data/clickhouse/config /data/clickhouse/log
// S3 : 第一次启动容器 （用于生成配置文件）
docker run -d --name clickhouse-server --ulimit nofile=262144:262144 -p 8123:8123 -p 9000:9000 -p 9009:9009 clickhouse/clickhouse-server:latest
// S4 : 把 Clickhouse 容器中的配置文件拷贝出来
docker cp clickhouse-server:/etc/clickhouse-server/config.xml /data/clickhouse/config/config.xml
docker cp clickhouse-server:/etc/clickhouse-server/users.xml /data/clickhouse/config/users.xml
// S5 : 对拷贝的文件进行配置- 密码配置 (这里会得到一串密码)
PASSWORD=$(base64 < /dev/urandom | head -c14); echo "123456"; echo -n "123456" | sha256sum | tr -d '-'
vim /data/clickhouse/config/users.xml
?- 此处修改其中 <password></password> 部分，修改其为 password_sha256_hex ，再将上面拿到的密码配置进去
<password_sha256_hex>87c84143f4fad12664d0ad8915874f509a5b2e82d85957176a541905509d6755</password_sha256_hex>
- 如果要后续访问，需要修改 config
vim /data/clickhouse/config/config.xml
- <listen_host>::</listen_host> : 将这一配置注释打开
// S6 : 移除刚才的容器，后面重新部署
docker rm -f clickhouse-server
// S7 : 重新部署一个 ClickHouse
docker run -d --name clickhouse-server --ulimit nofile=262144:262144 \
-p 8123:8123 -p 9000:9000 -p 9009:9009 \
-v /data/clickhouse/data:/var/lib/clickhouse:rw \
-v /data/clickhouse/log:/var/log/clickhouse-server:rw \
-v /data/clickhouse/config/config.xml:/etc/clickhouse-server/config.xml \
-v /data/clickhouse/config/users.xml:/etc/clickhouse-server/users.xml \
clickhouse/clickhouse-server:latest如何访问 ：
- 端口号 ： ClickHouse 上文中提到了3个端口 ：
- 9000：TCP 端口，用于 Clickhouse 客户端连接。
- 8123：TCP 端口，用于 Clickhouse WebUI 连接。
- 8124：TCP 端口，用于 Clickhouse 的 HTTP API 连接。
- UI 访问界面 ： zhuanlan.zhihu.com/p/355043330
- 上述文章里面推荐了5种方式，我本人不太熟，这里选择 tabix 进行访问
java
// S1 : 运行容器
docker run -d -p 8080:80 spoonest/clickhouse-tabix-web-client
- PS ： 也可以设置用户密码连接
docker run -d -p 8080:80 -e USER='myuser' -e PASSWORD='mypass' spoonest/clickhouse-tabix-web-client此处通过8080访问即可 ：
Tabix 界面详情
四. 基础使用
这里我只展示我学习过程中记录的几个 SQL ：
DDL 语句
SQL
-- 创建数据库
CREATE DATABASE IF NOT EXISTS test_database;
-- 删除数据库
DROP database test_database;'
-- 创建一张表
CREATE TABLE test_database.user (
id Int32,
name String,
age Int32
) ENGINE = MergeTree() PRIMARY KEY id ORDER BY id
-- 删除一张表
DROP table if exists test_database.user;
-- 添加字段
alter table test_database.user add column `remark` String DEFAULT '' COMMENT '备注';
-- 修改字段
alter table test_database.user modify column `remark` Nullable(String) DEFAULT NULL COMMENT '备注';
-- 删除字段
alter table test_database.user drop column `remark`;到这里一个表就创建完成了。
增删改查
sql
-- 插入一条数据
INSERT INTO test_database.user (*) VALUES (1, '测试创建一条数据', 23) ;
-- 删除数据
ALTER TABLE test_database.user DELETE WHERE id = 1;
-- 修改数据
ALTER table test_database.user update name = '测试修改数据' where id = 1
-- 查询数据 （不深入了，按照文档基本上兼容大部分 SQL 语法）
select * from test_database.user
select * from test_database.user where id = 1
更详细的可以参考文档 ：clickhouse.com/docs/zh/sql...
总结
对于列数据库，由于使用不算很深入，没办法说出太多的原理。
简单来说 ，其性能优异，根本原因在于处理的列更少了，而且可以借助压缩和向量算法来实现快速处理。
而在使用上， 既可以自己存储数据，又可以作为其他数据库的映射来使用。
最后，这一篇不涉及到 Java 的调用，下一篇会写出来，欢迎关注。