ClickHouse简介

简介

ClickHouse是"战斗民族"俄罗斯搜索巨头Yandex公司开源的一个极具"战斗力"的实时数据分析数据库，是面向 OLAP 的分布式列式DBMS，圈内人戏称为"喀秋莎数据库"。ClickHouse简称"CH",但在中文社区里大家更偏爱"CK",反馈是因为有"AK"的感觉！与Hadoop、Spark这些巨无霸组件相比，ClickHouse很轻量级，且不依赖于其他组件。

特点

 列式存储数据库，数据压缩
 快
 关系型、支持SQL
 分布式并行计算，可把单机性能压榨到极限
 高可用
 数据量级在PB级别

适用场景

适用场景从社区分享的案例看主要有以下几类：日志数据的行为分析，标签画像的分析，数据集市层分析；还可作为存储引擎集成在了产品内部，应用于知识图谱作为本体数据存储，及标签数据的存储引擎等。
一般使用方式场景建议：
 绝大多数请求都是用于读访问
 表很"宽"，即表中包含大量的列
 在处理单个查询时需要高吞吐量
 每次查询中大多数场景查询一个大表
 查询结果显著小于数据源，即数据有过滤或聚合

核心概念分类

1. 表引擎（Engine）
   表引擎决定了数据在文件系统中的存储方式，常用的也是官方推荐的存储引擎是MergeTree系列，如果需要数据副本的话可以使用ReplicatedMergeTree系列，相当于MergeTree的副本版本。读取集群数据需要使用分布式表引擎Distribute。
   注：其他常见的引擎可参考官方文档（https://clickhouse.tech/docs/en/engines/table-engines/mergetree-family/）
2. 表分区（Partition）
   表中的数据可以按照指定的字段分区存储，每个分区在文件系统中都是都以目录的形式存在。常用时间字段作为分区字段，数据量大的表可以按照小时分区，数据量小的表可以在按照天分区或者月分区，查询时，使用分区字段作为Where条件，可以有效的过滤掉大量非结果集数据。
3. 分片（Shard）
   一个分片本身就是ClickHouse一个实例节点，分片的本质就是为了提高查询效率，将一份全量的数据分成多份（片），从而降低单节点的数据扫描数量，提高查询性能。
4. 复制集（Replication）
   简单理解就是相同的数据备份，在CK中通过复制集，我们实现保障了数据可靠性外，也通过多副本的方式，增加了CK查询的并发能力。这里一般有2种方式：1、基于ZooKeeper的表复制方式；2、基于Cluster的复制方式。由于我们推荐的数据写入方式本地表写入，禁止分布式表写入，所以我们的复制表只考虑ZooKeeper的表复制方案。
5. 集群（Cluster）
   可以使用多个ClickHouse实例组成一个集群，并统一对外提供服务。