ClickHouse核心设计

列式存储

如果想查询的更快，最有效的方式就是减少数据的扫描范围和数据传输时的大小。

数据压缩

ClickHouse默认使用LZ4压缩算法，数据总体的压缩比可以达到8:1。

向量化执行引擎

向量化执行可以简单理解成，一项消除程序中循环的优化。比如为了割N田稻子，非向量化执行的方式是用一台割稻机割N次稻子，而向量化执行是用N台割稻机割一次，为了实现向量化执行，需要利用CPU的SIMD指令。

关系模型

ClickHouse使用关系模型描述数据，并提供了数据库、表、视图和函数，在SQL解析方面，大小写敏感的。

表引擎

ClickHouse支持MergeTree、内存、文件等20多种表引擎，但是通常使用MergeTree。

多线程和分布式

分布式领域中，计算移动比数据移动更加划算。ClickHouse在数据存储方面，既支持分区也支持分片。

多主架构

传统的像HBase、ElasticSearch都是基于Master-Slave架构，而ClickHouse则是采用Multi-Master多主架构，集群中各节点是对等的，天然规避了单点故障的问题。

在线查询

SparkSQL和Hive无法保证90%的查询能在1s返回，而商用的Vertica价格太昂贵，ElasticSearch搜索引擎在亿级数据聚合查询时则跟不上。

数据分片和查询

数据分片是将数据横向切分，根据数据Hash到不同的节点存储，ClickHouse提供了本地表和分布式表的概念，一张本地表就是一份数据的分片，分布式表不存储任何数据，只是本地表的访问代理，类似于分库的中间件，借助于分布式表，客户端能够代理访问多个分片，而不需要关心各个本地分片的细节。

优化实现

根据不同的应用场景，使用不同的实现方式，如去重计数函数uniqCombined()，根据不同的数据量选择不同的实现，当数据量小时使用Array存储，当数据量中等时使用HashSet存储，当数据量很大时使用HyperLogLog算法实现。

数据的删除和修改

ClickHouse提供了delete和update操作，这类操作被称为Mutation操作，本质上是Alter的变种，这类操作不是常规意义上的update和delete，mutation操作是一个异步的后台过程，提交之后会立即返回，但是具体逻辑是在后续进行执行的。
ALTER TABLE TEST1 DELETE WHERE ID = “111”

ClickHouse原理解析与应用实践