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:

    ... 30000 ...

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
长谷深风1111 分钟前
Agent 的 Context 里,到底应该放什么?
大数据·人工智能·prompt工程·ai agent·智能体·context工程·systemprompt
活跃的煤矿打工人4 分钟前
【星海出品】SQLite的进阶操作
数据库·sqlite
云祺vinchin9 分钟前
医疗行业灾备实践:一套方案实现HIS、EMR、PACS系统安全闭环
数据库·安全·数据备份·医疗安全·容灾备份
贝格前端工场11 分钟前
AI在生产制造企业的六大成熟落地场景(可量产、可验收、非噱头)
大数据·ui·前端开发
梦想不只是梦与想13 分钟前
MySQL 中的窗口函数
数据库·mysql·窗口函数
Elastic 中国社区官方博客22 分钟前
机构如何统一智慧城市数据以改善公共服务?
大数据·人工智能·物联网·elasticsearch·搜索引擎·全文检索·智慧城市
Raas10024 分钟前
MAI Gateway(魔芋企业级AI网关)详解:企业为什么需要AI网关,一文读懂企业AI流量治理
大数据·人工智能·gateway·api·ai网关·mai gateway
大任视点28 分钟前
《怪兽引擎:能源转型的驯化与共生》开幕 以艺术思辨锚定后化石时代的文明坐标
大数据·人工智能
linweidong29 分钟前
阿里Lazada Java面经及参考答案
大数据·高并发·反射·拦截器·session·幂等性·redis性能