ClickHouse、MariaDB、MySQL性能对比

一、数据量展示

        material_maxqty_his：8500万

        ccc：1300万

二、统计结果

SQL	MariaDB		MySQL		ClickHouse	描述
Q1(s)	96		103		2	按月份统计每月数据条数
Q2(s)	117/82		122/102		2	按天统计每天的数据条数	create_time添加索引
Q3(s)	94/24		114/29		4	按plant及VendorCode分组查询最大可交量条数	plant、vendor_code添加索引
Q4(s)	100		117		3	按月份统计每月的平均数
Q5(s)	37		23		1	表中数据总条数
Q6(s)	1510		871		10	按更细粒度的条件分组查询数据总条数、总数、平均数
Q7(s)	43		28		1	统计数据的最大值及最小值
Q8(s)	2378		1983		14	ClickHouse中的join查询

二、SQL分析

        Q1

        create_time字段是yyyy-MM-dd HH:mm:ss格式的，所以用到了formatDateTime函数，此函数是ClickHouse中独有的，功能类似于MySQL中的dateFormat函数。

        此SQL就是按照月份进行分组，查询月份及月内的数据条数

        

        Q2

        此SQL将数据分为更细粒度的数据块，按天进行分组，查询每天产生数据条数；

        为了公平起见，我在MySQL和MariaDB中添加了创建时间这个字段的索引，发现添加了索引之后查询是要快一些，但跟ClickHouse还是相差很大一个数量级        

         

        Q3

        按照另外两个字段进行分组统计数据条数，也是添加了索引，有了质的提升，但最终还是干不过ClickHouse

         

        Q4

        按照月份统计后，计算平均数，感觉凡是带函数的查询语句都被ClickHouse拿捏了

        

         Q5

        查询总数，ClickHouse列式存储的优势又体现了

        

         Q6       

        按照三个字段分组，分别计算总条数、总数、平均数，差距就出来了，ClickHouse干十秒，MySQL和MariaDB基本上干不出来了。

        

        Q7

        函数还包含最大、最小值，也拿来试试 

         

        Q8

        join查询是ClickHouse的弱项，但是感觉也挺强的。加上了300000以内的id是因为数据量太大查询会报异常。应该是安装ClickHouse没有配置好。