【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
数据与人工智能律师2 小时前
虚拟主播肖像权保护,数字时代的法律博弈
大数据·网络·人工智能·算法·区块链
一只专注api接口开发的技术猿3 小时前
企业级电商数据对接:1688 商品详情 API 接口开发与优化实践
大数据·前端·爬虫
今天我又学废了5 小时前
Spark,SparkSQL操作Mysql, 创建数据库和表
大数据·mysql·spark
杰克逊的日记7 小时前
Flink运维要点
大数据·运维·flink
markuszhang10 小时前
Elasticsearch 官网阅读之 Term-level Queries
大数据·elasticsearch·搜索引擎
Hello World......11 小时前
Java求职面试:从核心技术到大数据与AI的场景应用
大数据·java面试·技术栈·互联网大厂·ai服务
python算法(魔法师版)13 小时前
.NET NativeAOT 指南
java·大数据·linux·jvm·.net
星川皆无恙13 小时前
大模型学习:Deepseek+dify零成本部署本地运行实用教程(超级详细!建议收藏)
大数据·人工智能·学习·语言模型·架构
L耀早睡14 小时前
mapreduce打包运行
大数据·前端·spark·mapreduce
姬激薄14 小时前
MapReduce打包运行
大数据·mapreduce