浅尝Clickhouse

ClickHouse 特性

SQL 支持

支持大部分 SQL 功能。 列式存储，数据压缩: 列式存储能够更加有利于 OLAP 聚合查询，同时也能大大提高数据压缩率。

多核心并行处理

使用多线程和多分片并行处理。

ClickHouse将数据划分为多个partition，每个partition再进一步划分为多个index granularity，然后通过多个CPU核心分别处理其中的一部分来实现并行数据处理。

在这种设计下，单条Query就能利用整机所有CPU。极致的并行处理能力，极大的降低了查询延时。

实时数据摄入

数据可以实时批量摄入立即被查询。

主键索引，二级索引

ClickHouse 主要采用了稀疏索引的方式做主键索引，minmax，set，ngrambf/tokenbf 等 Bloom Filter 去做二级索引。

• 没有高速，低延迟的更新和删除方法，

行存储	列存储
因为按一行一行写和读取数据，因此读取数据时往往需要读取那些不必要的列	可以只读取必要的列
易于按记录读写数据	对一个一个记录的数据写入和读取都较慢
适合 OLTP 系统	适合 OLAP 系统
不利于大数据集的聚合统计操作	利于大数据集的数据聚合操作
不利于压缩数据	利于压缩数据

ClickHouse 应用场景

• 用户行为分析，精细化运营分析: 日活，留存率分析，路径分析，有序漏斗转化率分 析，Session 分析等。
• 实时日志分析，监控分析。
• 实时数仓。

ClickHouse 的痛点

• 扩容/缩容后数据无法自动平衡，只能通过低效的数据重新导入的方式来进行人工平衡。
• 单表查询性能高，但是 Join 性能不高。
• 无法高效地更新单行/多行数据。