本文探讨了ClickHouse在大数据分析领域的优势与不足，如数据模型单一、实时更新支持不佳等问题，并指出这些问题如何限制了其在业务中的应用。文章提到，许多互联网大厂转向了StarRocks，因为其对SQL的兼容性、灵活的数据模型选择以及更低的开发运维成本。StarRocks在多方面表现出色，成为解决ClickHouse痛点的一种选择。
当今在大数据分析领域，真可谓百花齐放。尤其是来自俄罗斯的ClickHouse在2019、2020年火遍神州大地（有点奇怪，欧美用户好像对它不是特别感冒），一时风光无两。打开各种技术类网站、知识分享专区，铺天盖地的赞美之词，什么“彪悍”、“神器”。确实，在当时的市场中，像ClickHouse这样在单表性能上让人眼前一亮的产品确实没有，而且打开其官网，看到它与其他数据库在SSB上的性能对比，也着实有点“惨不忍睹”。
经过一段时间的研究，ClickHouse的确内功深厚，比如其在向量化执行引擎、函数丰富度、性能评估测试体系构建等方面，做的还是很优秀的，但也绝非无懈可击。闲暇之余，跟业内几家互联网大厂的大数据开发者聊天，他们普遍认为，随着公司对数据资源建设、实时数据分析需求越来越重视，之前粗放式的开发使用ClickHouse已经面临极大的挑战。总结来看，主要有以下几点：
其一，数据模型单一化，尽管速度快，但极大的损失了数据分析灵活性。大家可能都知道ClickHouse单表快、多表挫，所以尽量把数据都打成宽表来进行分析。有很多业务线的用户对此感知并不强，就像那句话：哪有什么岁月静好，不过是有人替你负重前行。而负重前行的正是那些大数据开发工程师，为了让业务用户享受到便捷的服务，他们可真是操碎了心、磨破了嘴、身板差点没累毁。这不是一个可持续的发展状态，这么下去负重只会越来越重。所以说，数据模型要多样化、具备灵活性，比如支持星型模型、雪花模型同时不损失性能，才能让数据分析既轻松又畅快。换句话说，就是宽表、多表都得快，才是真的快。
其二，实时更新支持的不好。尤其是在现在大量电商、物流、金融等需要有数据平台变更
最低0.47元/天 解锁文章
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
