【技术选型】clickhouse vs starRocks

比对结论

如果只能单机部署的话,clickhouse基本无敌。

如果集群化,starRocks可以替换clickhouse,但支持的函数会相对少一些(clickhouse有不少自定义函数)

信息比对

功能 clickhouse starRocks
join 大表关联容易OOM 对join有相关优化
场景 比较适合大宽表 对于星形或者雪花模型的兼容性更好
并发性 大量短查询,每秒不超过100次 数千用户同时分析查询,部分场景是万级
数据导入更新 相对比较慢,更适合静态数据 秒级的数据导入和实时更新,提供准实时的服务
mysql兼容性 不完全 完全兼容
内置函数 非常丰富。支持窗口和聚合函数,以及table function 支持窗口和聚合函数
部署 单机版无敌,分布式相对不友好 默认分布式,这就意味着需要的资源更多
分布式 需要代码实现部分布式的能力。例如,建表需要先本地表在分布式表,可以类比于物化视图。且数据分布,需要手动分发,不支持自动处理 正常的分布式系统

参考文档

数据仓库系列:StarRocks的简单试用及与clickhouse的对比_starrocks clickhouse对比-CSDN博客
ClickHouse vs StarRocks 选型对比

性能比对

Star Schema Benchmark(以下简称 SSB)是学术界和工业界广泛使用的一个星型模型测试集,通过这个测试集合可以方便的对比各种 OLAP 产品的基础性能指标。ClickHouse 通过改写 SSB,将星型模型打平转化成宽表 (flat table),改造成了一个单表测试 benchmark。本报告记录了 StarRocks、ClickHouse 和 Apache Druid 在 SSB 单表数据集上的性能对比结果,测试结论如下:

  • 在标准测试数据集的 13 个查询上,StarRocks 整体查询性能是 ClickHouse 的 2.1 倍,Apache Druid 的 8.7 倍。
  • StarRocks 启用 Bitmap Index 后整体查询性能是未启用的 1.3 倍,此时整体查询性能是 ClickHouse 的 2.8 倍,Apache Druid 的 11.4 倍。

参考文档

SSB Flat Table 性能测试 | StarRocks

相关推荐
狮歌~资深攻城狮1 小时前
HBase性能优化秘籍:让数据处理飞起来
大数据·hbase
Elastic 中国社区官方博客2 小时前
Elasticsearch Open Inference API 增加了对 Jina AI 嵌入和 Rerank 模型的支持
大数据·人工智能·elasticsearch·搜索引擎·ai·全文检索·jina
workflower3 小时前
Prompt Engineering的重要性
大数据·人工智能·设计模式·prompt·软件工程·需求分析·ai编程
API_technology4 小时前
电商搜索API的Elasticsearch优化策略
大数据·elasticsearch·搜索引擎
黄雪超5 小时前
大数据SQL调优专题——引擎优化
大数据·数据库·sql
The god of big data5 小时前
MapReduce 第二部:深入分析与实践
大数据·mapreduce
G***技6 小时前
杰和科技GAM-AI视觉识别管理系统,让AI走进零售营销
大数据·人工智能·系统架构
天天爱吃肉82186 小时前
碳化硅(SiC)功率器件:新能源汽车的“心脏”革命与技术突围
大数据·人工智能
Java资深爱好者7 小时前
在Spark中,如何使用DataFrame进行高效的数据处理
大数据·分布式·spark
跨境卫士小树9 小时前
店铺矩阵崩塌前夜:跨境多账号运营的3个生死线
大数据·线性代数·矩阵