ClickHouse安装教程:开启你的列式数据库之旅

ClickHouse是一个高性能的列式数据库管理系统,适用于在线分析处理(OLAP)。以下是ClickHouse的一些基本使用步骤:

  1. 下载二进制文件:您可以通过运行以下curl命令在Linux、FreeBSD或macOS上本地下载ClickHouse:

    curl https://clickhouse.com/ | sh

此安装方式也是目前官方推荐的安装方式,执行完后,会下载二进制文件

  1. 安装应用:按照上一步输出的命令提示执行

    ./clickhouse install

中间会提示输入数据库密码,输入后回车

看到这个就是安装成功了

  1. 启动服务器:运行以下命令来启动ClickHouse服务器:

    clickhouse start

  1. 启动客户端 :使用clickhouse-client连接到您的ClickHouse服务。打开一个新的终端,切换到保存clickhouse二进制文件的目录,然后运行以下命令:

    clickhouse-client --password xxx

Warnings:

  • Delay accounting is not enabled, OSIOWaitMicroseconds will not be gathered. You can enable it using echo 1 > /proc/sys/kernel/task_delayacct or by using sysctl.
  • Maximum number of threads is lower than 30000. There could be problems with handling a lot of simultaneous queries.

一般不用管它,当然也可以调怎一下:

  • 延迟计算未启用:这意味着OSIOWaitMicroseconds(操作系统输入/输出等待时间的微秒数)将无法收集。要解决这个问题,您可以通过以下命令启用延迟计算:

    echo 1 > /proc/sys/kernel/task_delayacct

  • 线程数低于30000 :这个警告表明,当前设置的线程数可能不足以处理大量的同时查询。您可以通过修改ClickHouse的配置文件来增加线程数。在/etc/clickhouse-server/config.xml文件中找到max_threads设置,并根据您的服务器性能和负载情况进行调整。如:

    <yandex> ... <max_threads>30000</max_threads> ... </yandex>

调整后,重启ClickHouse服务

  1. 创建表 :使用CREATE TABLE定义一个新表。ClickHouse中的典型SQL DDL命令工作正常,但需要添加一个ENGINE子句。使用MergeTree可以利用ClickHouse的性能优势:

    CREATE TABLE my_table (
    user_id UInt32,
    message String,
    timestamp DateTime
    ) ENGINE = MergeTree PRIMARY KEY (user_id, timestamp)

  1. 插入数据 :您可以使用熟悉的INSERT INTO TABLE命令与ClickHouse一起使用,但重要的是要理解,每次插入到MergeTree表都会在存储中创建一个部分(文件夹)。为了最小化部分,一次性批量插入大量行(成千上万甚至数百万):

    INSERT INTO my_table (user_id, message, timestamp)
    VALUES
    (101, 'Hello, ClickHouse!', now()),
    (102, 'Insert a lot of rows per batch', yesterday()),
    (102, 'Sort your data based on your commonly-used queries', today()),
    (101, 'Granules are the smallest chunks of data read', now() + 5)

  1. 查询新表:您可以像使用任何SQL数据库一样编写SELECT查询:

    SELECT * FROM my_table ORDER BY timestamp

ClickHouse图形客户端

上面我们使用的是命令行客户端连接clickhouse,当然也是有图形客户端可以使用的,我们来看看DBeaver,基本上和MySQL一样。

相关推荐
阿里云大数据AI技术3 小时前
大数据公有云市场第一,阿里云占比47%!
大数据
RestCloud3 小时前
揭秘 CDC 技术:让数据库同步快人一步
数据库·api
得物技术6 小时前
MySQL单表为何别超2000万行?揭秘B+树与16KB页的生死博弈|得物技术
数据库·后端·mysql
Lx3527 小时前
Hadoop容错机制深度解析:保障作业稳定运行
大数据·hadoop
可涵不会debug10 小时前
【IoTDB】时序数据库选型指南:工业大数据场景下的技术突围
数据库·时序数据库
ByteBlossom10 小时前
MySQL 面试场景题之如何处理 BLOB 和CLOB 数据类型?
数据库·mysql·面试
麦兜*11 小时前
MongoDB Atlas 云数据库实战:从零搭建全球多节点集群
java·数据库·spring boot·mongodb·spring·spring cloud
Slaughter信仰11 小时前
深入理解Java虚拟机:JVM高级特性与最佳实践(第3版)第十章知识点问答(10题)
java·jvm·数据库
麦兜*11 小时前
MongoDB 在物联网(IoT)中的应用:海量时序数据处理方案
java·数据库·spring boot·物联网·mongodb·spring