ClickHouse简介
前言
ClickHouse 是俄罗斯的 Yandex 于 2016 年开源的列式存储数据库(DBMS),使用 C++
语言编写,主要用于在线分析处理查询(OLAP)(对数据删除和更新不友好),能够使用 SQL 查询实时生成分析数据报
告。
官网地址
一、行式存储
行式存储 | 列式存储 | |
---|---|---|
写入 | 每一行的所有字段都存在一起,优点:对数据进行插入和修改操作很方便 | 当一条新数据到来,每一列单独存储,缺点:插入和修改操作麻烦 |
查询 | 查询时即使只涉及某几列,所有数据也都会被读取;优点:适合随机查询;在整行的读取上,要优于列式存储;缺点:行式存储不适合扫描,这意味着要查询一个范围的数据 | 查询时只有涉及到的列会被读取;缺点:查询完成时,被查询的列要重新进行组装 |
寻道范围 | 读取数据的时候硬盘寻址范围很大 | 由于仅对需要的列进行查找,因此硬盘寻道范围小 |
索引 | 缺点:要加速查询的话需要建立索引,建立索引需要花费很多时间。 | 优点:任何列都能作为索引(每一列单独存储,查询个别列的时候,可以仅读取需要的那几个列,相当于为每一列都建立了索引) |
压缩 | 缺点:不利于压缩 | 把一列数据保存在一起,而一列的数据类型相同 ;优点:利于压缩 |
空间 | 按行存储,不利于压缩,压缩比较差,占空间大 | 列式存储的时候可以为每一列创建一个字典,存储的时候就仅存储数字编码即可,降低了存储空间需求 |
聚合 | 不利于聚合操作 | 按列存储,利于数据聚合操作 |
应用 | MySQL中的iInnoDB和MyISAM存储引擎是行式存储 | MySQL中的infobright存储引擎是列式存储 |
适用场景 | OLTP(存储关系型数据,用于使用数据的时候需要经常用到数据之间的依赖关系的场景,即读取的时候需要整行数据或者整行中大部分列的数据,需要经常用到插入、修改操作) | OLAP(分布式数据库和数据仓库,适合于对大量数据进行统计分析,列与列之间关联性不强,仅进行插入和读取操作的场景) |
- 列式存储好处:
- 对于列的聚合,计数,求和等统计操作原因优于行式存储。
- 由于某一列的数据类型都是相同的,针对于数据存储更容易进行数据压缩,每一列选择更优的数据压缩算法,大大提高了数据的压缩比重。
- 由于数据压缩比更好,一方面节省了磁盘空间,另一方面对于 cache 也有了更大的发挥空间。
二、DBMS功能
- 几乎覆盖了标准 SQL 的大部分语法,包括 DDL 和 DML,以及配套的各种函数,用户管理及权限管理,数据的备份与恢复。
三、多样化引擎
- ClickHouse 和 MySQL 类似,把表级的存储引擎插件化,根据表的不同需求可以设定不同的存储引擎。目前包括合并树、日志、接口和其他四大类 20 多种引擎。
四、高吞吐写入能力
- ClickHouse 采用类 LSM Tree的结构,数据写入后定期在后台 Compaction。通过类 LSM tree的结构,ClickHouse 在数据导入时全部是顺序 append 写,写入后数据段不可更改,在后台compaction 时也是多个段 merge sort 后顺序写回磁盘。顺序写的特性,充分利用了磁盘的吞吐能力,即便在 HDD 上也有着优异的写入性能。
- 官方公开 benchmark 测试显示能够达到 50MB-200MB/s 的写入吞吐能力,按照每行100Byte 估算,大约相当于 50W-200W 条/s 的写入速度。
五、数据分区与线程级并行
- 分区的作用:避免全表扫描
- ClickHouse 将数据划分为多个 partition,每个 partition 再进一步划分为多个 index
granularity(索引粒度),然后通过多个 CPU核心分别处理其中的一部分来实现并行数据处理。
在这种设计下,单条 Query 就能利用整机所有 CPU
。极致的并行处理能力,极大的降低了查
询延时。- ClickHouse 即使对于大量数据的查询也能够化整为零平行处理。但是有一个弊端
就是对于单条查询使用多 cpu,就不利于同时并发多条查询。所以对于高 qps 的查询业务, ClickHouse 并不是强项
。
- ClickHouse 即使对于大量数据的查询也能够化整为零平行处理。但是有一个弊端
六、场景
- 适用场景:
- 1.大宽表:ClickHouse不适合初始表的存储,适合处理过大量数据的宽表存储
- 2.单表查询性能极优
- 不适用场景:
- 1.join的效率不高,需要优化语句达到最佳性能。
- 因为A join B的时候,B表会被加载到内存,再一条条去匹配A表的数据。如果是分布式的,那么效率就更低了。
- 2.高QPS的场景。
- 1.join的效率不高,需要优化语句达到最佳性能。
七、特定版本
- 20.5的版本:final支持多线程
- 20.6.3的版本:支持explain
- 20.8的版本:增加了引擎,支持实时同步MySQL信息