ClickHouse 快速入门

[1 ClickHouse 介绍](#1 ClickHouse 介绍)
- [1 行式存储VS列式存储](#1 行式存储VS列式存储)
- [2 ClickHouse VS MySQL](#2 ClickHouse VS MySQL)
- [3 ClickHouse VS Apache Doris](#3 ClickHouse VS Apache Doris)
- [4 ClickHouse 的优缺点](#4 ClickHouse 的优缺点)
- [5 ClickHouse 适用的场景](#5 ClickHouse 适用的场景)
[2 ClickHouse 安装](#2 ClickHouse 安装)
- [1 镜像下载](#1 镜像下载)
- [2 容器运行](#2 容器运行)
- [3 创建用户](#3 创建用户)
[3 ClickHouse 连接](#3 ClickHouse 连接)
- [1 连接](#1 连接)
- [2 建表测试](#2 建表测试)
[4 SpringBoot 集成 ClickHouse](#4 SpringBoot 集成 ClickHouse)
- [1 依赖](#1 依赖)
- [2 配置](#2 配置)
- [3 Mapper](#3 Mapper)
- [4 XML](#4 XML)
- [5 Service](#5 Service)
- [6 ServiceImpl](#6 ServiceImpl)
- [7 Entity](#7 Entity)
- [7 Test](#7 Test)

1 ClickHouse 介绍

ClickHouse 是由 Yandex 开发的一款开源的列式存储 OLAP（联机分析处理）数据库管理系统，专为海量数据的高性能查询和分析场景设计。

它的核心目标是在秒级甚至毫秒级内，完成对亿级、十亿级乃至百亿级数据的复杂分析查询，广泛应用于大数据统计分析、用户行为分析、日志分析、实时监控报表等场景。

ClickHouse 支持 SQL 查询语法，具备向量化执行引擎、数据分区与分片、多副本高可用等特性，同时支持实时数据写入和批量数据导入，兼顾了查询性能和数据写入的灵活性。

1 行式存储VS列式存储

特性	行式存储数据库	列式存储数据库
存储方式	按行存储数据，一行的所有字段连续存储在磁盘上	按列存储数据，同一列的所有数据连续存储在磁盘上
典型代表	MySQL、PostgreSQL、Oracle（OLTP 数据库）	ClickHouse、Hive、Greenplum（OLAP 数据库）
查询场景	适合点查询和事务操作，需要读取整行数据（如用户登录、订单创建）	适合分析查询，只需要读取部分列（如统计某列的总和、平均值）
压缩率	低，不同字段类型差异大，难以高效压缩	高，同列数据类型一致，可使用专用压缩算法（如 LZ4、ZSTD）
查询性能	读取整行数据，列越多效率越低	只读取需要的列，列越少效率越高，支持向量化执行
写入性能	高，适合高频次的单行/小批量写入（OLTP 场景）	批量写入性能高，单行写入性能较差（OLAP 场景）

2 ClickHouse VS MySQL

特性	ClickHouse	MySQL
数据库类型	OLAP（联机分析处理），面向海量数据统计分析	OLTP（联机事务处理），面向高频次事务操作
存储模型	列式存储，支持高压缩比	行式存储（默认），部分引擎支持列式存储（如 InnoDB 列式模式）
查询语法	支持标准 SQL，扩展了 OLAP 相关函数（如窗口函数、聚合函数）	支持标准 SQL，扩展了事务和索引相关语法
查询性能	亿级数据查询毫秒级响应，支持向量化执行、分区剪枝	适合百万级以下数据查询，大数据量下复杂查询性能下降明显
事务支持	不支持 ACID 事务，仅支持最终一致性	支持 ACID 事务，支持行级锁和 MVCC
索引机制	支持主键索引、二级索引（如跳数索引、布隆索引），索引设计为分析查询优化	支持 B+ 树索引、哈希索引、全文索引，索引设计为点查询优化
写入特性	批量写入性能高，单行写入性能差，适合批量导入	单行/小批量写入性能高，支持实时写入和事务性写入
适用场景	日志分析、用户行为分析、报表统计、实时监控	电商订单、用户管理、金融交易、内容管理系统

3 ClickHouse VS Apache Doris

特性	ClickHouse	Apache Doris
项目定位	专注于 OLAP 查询性能，极致的数据分析引擎	一站式 MPP 分析数据库，兼顾查询性能和易用性
存储引擎	多存储引擎（如 MergeTree、ReplacingMergeTree），灵活适配不同场景	自研存储引擎，支持明细模型、聚合模型、更新模型
数据模型	以 MergeTree 为核心，支持明细数据、去重数据存储	支持多种数据模型，聚合模型可提前预计算，降低查询开销
写入能力	批量写入性能高，实时写入依赖 Kafka Engine 等插件	原生支持实时写入和批量导入，写入稳定性更优
SQL 兼容性	兼容标准 SQL，OLAP 函数丰富，语法灵活	高度兼容 MySQL 语法，可直接使用 MySQL 客户端连接
物化视图	支持物化视图，但刷新策略相对简单	支持自动刷新物化视图，预计算能力更强，适合复杂报表
生态集成	与 Kafka、Flink 等流处理系统集成良好	与 Hadoop 生态（HDFS、Hive）集成更紧密，支持直接读取 Hive 表
运维成本	分片和副本配置较复杂，需要手动管理数据分布	集群管理自动化程度高，运维成本更低，适合中小企业
适用场景	对查询性能要求极高的场景，如实时监控、日志分析	一站式分析平台，适合需要兼顾易用性和性能的企业级数据仓库

4 ClickHouse 的优缺点

优点	缺点
极致查询性能：向量化执行引擎 + 列式存储，亿级数据查询秒级响应	不支持事务：无法满足 ACID 事务要求，不适合 OLTP 场景
高压缩率：同列数据类型一致，压缩比可达 5:1 ~ 30:1，节省存储成本	单行写入性能差：高频次单行写入会导致性能瓶颈，建议批量写入
支持 SQL 语法：降低学习成本，兼容传统数据分析工具（如 Tableau、Power BI）	弱删除/更新能力：UPDATE/DELETE 操作性能较低，适合追加写入场景
水平扩展能力：支持数据分片与多副本，轻松扩展集群容量和高可用	生态相对薄弱：相比 MySQL/Hive，第三方工具和集成方案较少
实时数据写入：支持 Kafka 等流数据接入，兼顾批量和实时分析	运维复杂度高：分片、副本、压缩等配置需要专业运维经验

5 ClickHouse 适用的场景

场景类型	具体描述	核心优势
日志/埋点分析	服务器日志、用户行为埋点数据的存储与分析，如 PV/UV 统计、页面跳转分析	高压缩率节省存储，快速聚合查询支撑实时报表
实时监控报表	业务指标监控、运维监控数据的实时计算，如服务器 CPU/内存监控、订单量实时统计	毫秒级查询响应，支持实时数据写入
用户行为分析	电商用户画像、广告投放效果分析、用户留存率计算	支持海量数据的多维分析，灵活的 SQL 函数满足复杂统计需求
大数据统计分析	替代 Hive 进行离线数据仓库分析，缩短分析任务执行时间	比 Hive 快 10~100 倍，无需依赖 MapReduce 框架
时序数据存储	IoT 设备数据、传感器数据的存储与分析，如温度、湿度等时序指标统计	支持按时间分区，时间范围查询性能优异

2 ClickHouse 安装

1 镜像下载

shell 复制代码

PS C:\Users\hyacinth\Desktop> docker pull clickhouse/clickhouse-server:latest
latest: Pulling from clickhouse/clickhouse-server
7e49dc6156b0: Pull complete
73e01fe5c14e: Pull complete
4f4fb700ef54: Pull complete
33449e77f874: Pull complete
8c47c9d3110d: Pull complete
eb8ee1043261: Pull complete
d9d691d19f73: Pull complete
d5d232e77897: Pull complete
00790804120e: Pull complete
Digest: sha256:dcd74ae94f16bee4bb61a44ab0fc4ff973d5bb42180e52fc82c4fe68cfe70cf6
Status: Downloaded newer image for clickhouse/clickhouse-server:latest
docker.io/clickhouse/clickhouse-server:lates

2 容器运行

shell 复制代码

PS C:\Users\hyacinth\Desktop> docker run -d --name clickhouse-server --ulimit nofile=262144:262144 -p 8123:8123 -p 9000:9000 clickhouse/clickhouse-server
41fa47171498b983f257e246e70702342263aebe0e475d319ec1eb608921a837

3 创建用户

1 进入容器

shell 复制代码

PS C:\Users\hyacinth\Desktop> docker exec -it clickhouse-server bash                                                    
root@41fa47171498:/#

2 修改配置

shell 复制代码

root@41fa47171498:/# vi /etc/clickhouse-server/users.xml

3 修改XML
在users里面增加用户
标签 | 含义
-------- | -----
user_name | 用户名称
user_pwd | 用户密码

xml 复制代码

<user_name>
    <password>user_pwd</password>
    <networks>
        <ip>::/0</ip>
    </networks>
    <access_management>1</access_management>
</user_name>

3 ClickHouse 连接

1 连接

2 建表测试

sql 复制代码

CREATE TABLE my_first_table (
    user_id   UInt32,
    message   String,
    timestamp DateTime,
    metric    Float32
) ENGINE = MergeTree PRIMARY KEY (user_id, timestamp)

4 SpringBoot 集成 ClickHouse

1 依赖

xml 复制代码

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">

	<modelVersion>4.0.0</modelVersion>
	<parent>

		<groupId>org.springframework.boot</groupId>
		<artifactId>spring-boot-starter-parent</artifactId>
		<version>4.0.0</version>
		<relativePath/> <!-- lookup parent from repository -->
	</parent>

	<groupId>com.xu</groupId>
	<artifactId>spring-clickhouse</artifactId>
	<version>0.0.1-SNAPSHOT</version>
	<name>spring-clickhouse</name>
	<description>Demo project for Spring Boot</description>

	<properties>
		<java.version>25</java.version>
	</properties>

	<dependencies>

		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-webmvc</artifactId>
		</dependency>

		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-devtools</artifactId>
			<scope>runtime</scope>
			<optional>true</optional>
		</dependency>

		<dependency>
			<groupId>org.projectlombok</groupId>
			<artifactId>lombok</artifactId>
			<optional>true</optional>
		</dependency>

		<dependency>
			<groupId>com.clickhouse</groupId>
			<artifactId>clickhouse-jdbc</artifactId>
			<version>0.9.4</version>
		</dependency>
		
		<dependency>
			<groupId>cn.hutool</groupId>
			<artifactId>hutool-all</artifactId>
			<version>5.8.42</version>
		</dependency>

		<dependency>
			<groupId>com.baomidou</groupId>
			<artifactId>mybatis-plus-spring-boot4-starter</artifactId>
			<version>3.5.15</version>
		</dependency>

		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-webmvc-test</artifactId>
			<scope>test</scope>
		</dependency>

	</dependencies>

	<build>
		<plugins>
			<plugin>
				<groupId>org.apache.maven.plugins</groupId>
				<artifactId>maven-compiler-plugin</artifactId>
				<configuration>
					<annotationProcessorPaths>
						<path>
							<groupId>org.projectlombok</groupId>
							<artifactId>lombok</artifactId>
						</path>
					</annotationProcessorPaths>
				</configuration>
			</plugin>
			<plugin>
				<groupId>org.springframework.boot</groupId>
				<artifactId>spring-boot-maven-plugin</artifactId>
				<configuration>
					<excludes>
						<exclude>
							<groupId>org.projectlombok</groupId>
							<artifactId>lombok</artifactId>
						</exclude>
					</excludes>
				</configuration>
			</plugin>
		</plugins>
	</build>

</project>

2 配置

yml 复制代码

# 服务配置
spring:
  application:
    name: spring-clickhouse
  datasource:
    url: jdbc:clickhouse://127.0.0.1:8123/default?useSSL=false&socket_timeout=30000
    username: test
    password: 123456
    type: com.zaxxer.hikari.HikariDataSource
    hikari:
      maximum-pool-size: 10  # 连接池最大连接数
      minimum-idle: 2        # 最小空闲连接
      idle-timeout: 60000    # 空闲连接超时时间
      connection-timeout: 30000 # 连接超时时间

# MyBatis-Plus 配置（替代原 MyBatis 配置）
mybatis-plus:
  mapper-locations: classpath:mapper/*.xml
  type-aliases-package: com.xu.*
  configuration:
    map-underscore-to-camel-case: true  # 下划线转驼峰
    log-impl: org.apache.ibatis.logging.stdout.StdOutImpl
  global-config:
    db-config:
      id-type: NONE  # ClickHouse无自增主键，禁用默认主键策略

# 日志配置
logging:
  level:
    com.xu: debug

shell 复制代码

# 基础镜像
FROM eclipse-temurin:25-jre-alpine
# 设置工作目录
WORKDIR /app
# 复制应用
COPY ./target/*.jar app.jar
# 暴露端口
EXPOSE 8080
# 启动命令
ENTRYPOINT ["java", "-XX:+UseContainerSupport", "-jar", "app.jar"]

3 Mapper

java 复制代码

package com.xu.test.mapper;

import com.baomidou.mybatisplus.core.mapper.BaseMapper;
import com.xu.test.entity.MyFirstTable;
import org.apache.ibatis.annotations.Mapper;
import org.apache.ibatis.annotations.Param;
import org.apache.ibatis.annotations.Update;

/**
 * @author hyacinth
 */
@Mapper
public interface MyFirstTableMapper extends BaseMapper<MyFirstTable> {

    /**
     * 自定义更新（ClickHouse UPDATE 语法：ALTER TABLE ... UPDATE）
     */
    @Override
    @Update("ALTER TABLE my_first_table UPDATE " +
            "message = #{entity.message}, metric = #{entity.metric} " +
            "WHERE user_id = #{entity.userId}")
    int updateById(@Param("entity") MyFirstTable entity);

}

4 XML

xml 复制代码

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE mapper PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN"
        "http://mybatis.org/dtd/mybatis-3-mapper.dtd">
<mapper namespace="com.xu.test.mapper.MyFirstTableMapper">

</mapper>

5 Service

java 复制代码

package com.xu.test.service;

import com.baomidou.mybatisplus.extension.service.IService;
import com.xu.test.entity.MyFirstTable;

/**
 * @author hyacinth
 */
public interface MyFirstTableService extends IService<MyFirstTable> {

}

6 ServiceImpl

java 复制代码

package com.xu.test.service.impl;

import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.xu.test.entity.MyFirstTable;
import com.xu.test.mapper.MyFirstTableMapper;
import com.xu.test.service.MyFirstTableService;
import org.springframework.stereotype.Service;

/**
 * @author hyacinth
 */
@Service
public class MyFirstTableServiceImpl extends ServiceImpl<MyFirstTableMapper, MyFirstTable> implements MyFirstTableService {

}

7 Entity

java 复制代码

package com.xu.test.entity;

import com.baomidou.mybatisplus.annotation.TableField;
import com.baomidou.mybatisplus.annotation.TableId;
import com.baomidou.mybatisplus.annotation.TableName;
import lombok.Data;

import java.util.Date;

/**
 * 对应 ClickHouse 的 my_first_table
 * 注意：ClickHouse 的 MergeTree 主键非自增，且是复合主键
 */
@Data
@TableName("my_first_table")  // 明确指定表名（大小写敏感，需和ClickHouse一致）
public class MyFirstTable {

    /**
     * 用户ID（复合主键1）
     */
    @TableId
    @TableField(value = "user_id")  // 显式指定字段名，避免驼峰转换问题
    private Integer userId;

    /**
     * 消息内容
     */
    @TableField(value = "message")
    private String message;

    /**
     * 时间戳（复合主键2）
     */
    @TableField(value = "timestamp")
    private Date timestamp;

    /**
     * 指标值
     */
    @TableField(value = "metric")
    private Float metric;
}

7 Test

java 复制代码

package com.xu;

import cn.hutool.json.JSONUtil;
import com.baomidou.mybatisplus.core.conditions.query.QueryWrapper;
import com.baomidou.mybatisplus.extension.plugins.pagination.Page;
import com.xu.test.entity.MyFirstTable;
import com.xu.test.service.MyFirstTableService;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;

import java.time.LocalDateTime;
import java.util.ArrayList;
import java.util.Date;
import java.util.List;

@SpringBootTest
class AppTest {

	@Autowired
	private MyFirstTableService myFirstTableService;

	@Test
	void contextLoads() {
	}

	@Test
	public void save() {
		List<MyFirstTable> list = new ArrayList<>();
		for (int i = 1; i <= 10; i++) {
			MyFirstTable entity = new MyFirstTable();
			entity.setUserId(i);
			entity.setMessage("MP测试消息" + i);
			entity.setTimestamp(new Date());
			entity.setMetric(20.0f + i);
			list.add(entity);
		}
		boolean success = myFirstTableService.saveBatch(list);
		System.out.println("批量插入是否成功：" + success);
	}

	@Test
	public void page() {
		Page<MyFirstTable> page = new Page<>(1, 5);
		QueryWrapper<MyFirstTable> wrapper = new QueryWrapper<>();
		System.out.println(JSONUtil.toJsonPrettyStr(myFirstTableService.page(page,wrapper)));
	}

	@Test
	public void update() {
		MyFirstTable entity = new MyFirstTable();
		entity.setUserId(1);
		entity.setMessage("MP修改后的消息");
		entity.setMetric(99.9f);

		boolean success = myFirstTableService.updateById(entity);
		System.out.println("更新是否成功：" + success);
	}

	// 4. 测试删除
	@Test
	public void delete() {
		myFirstTableService.removeById(1);
	}

}