clickhouse 同步mysql_使用ClickHouse一键接管MySQL数据分析

为啥有这篇文章？

很多人好奇ClickHouse，都听说过很快，但是到底有多恐怖？

新建表还要理解ClickHouse的引擎和数据类型，好麻烦

今天，用一个简单粗暴的功能，帮你一键导入MySQL的数据，无需人肉建表

数据导入

第一组

# du出的表大小

5.5G article_clientuser_sum.ibd

# ClickHouse操作语句

CREATE TABLE article_clientuser_sum

ENGINE = MergeTree

ORDER BY id AS

SELECT *

FROM mysql('host:port', 'db', 'article_clientuser_sum', 'user', 'password')

# 耗时和平均速度

0 rows in set. Elapsed: 137.251 sec. Processed 18.59 million rows, 7.34 GB (135.43 thousand rows/s., 53.48 MB/s.)

第二组

# 另一个表

20G xx_httpcode_minf.ibd

CREATE TABLE xx_httpcode_minf

ENGINE = MergeTree

ORDER BY id AS

SELECT *

FROM mysql('host:port', 'db', 'tb', 'user', 'password')

# 不知道为啥这表这么快就导入了 貌似是行少，但是表的总大小大啊

0 rows in set. Elapsed: 44.389 sec. Processed 13.03 million rows, 1.44 GB (293.44 thousand rows/s., 32.35 MB/s.)

PK之count(*)

第一组

# 1800w

# ClickHouse

SELECT count(*)

FROM article_clientuser_sum

┌──count()─┐

│ 18587381 │

└──────────┘

1 rows in set. Elapsed: 0.033 sec. Processed 18.59 million rows, 74.35 MB (556.76 million rows/s., 2.23 GB/s.)

# MySQL

mysql> select count(*) from article_clientuser_sum ;

+----------+

| count(*) |

+----------+

| 18587381 |

+----------+

1 row in set (39.48 sec)

# 性能 1196X

第二组

# 1300w

# ClickHouse

SELECT count(*)

FROM xx_httpcode_minf

┌──count()─┐

│ 13025469 │

└──────────┘

1 rows in set. Elapsed: 0.032 sec. Processed 13.03 million rows, 52.10 MB (406.68 million rows/s., 1.63 GB/s.)

# MySQL

mysql> SELECT count(*)

-> FROM xx_httpcode_minf;

+----------+

| count(*) |

+----------+

| 13025469 |

+----------+

1 row in set (1 min 46.87 sec)

# 性能 3340X

PK之复杂查询

第一组

# ClickHouse

SELECT SUM(size) AS size

FROM xx_network_flow

WHERE (date >= '2018-01-01') AND (date <= '2018-01-31') AND (netstat = 0) AND (project LIKE '保密%')

Row 1:

──────

size: 4132888693

1 rows in set. Elapsed: 0.039 sec. Processed 841.66 thousand rows, 9.46 MB (21.67 million rows/s., 243.70 MB/s.)

# MySQL

+------------+

| size |

+------------+

| 4132888693 |

+------------+

1 row in set (2.34 sec)

# 性能 60X

SQL太长，截图示例

SQL里的xxx均为脱敏数据

# ClickHouse

┌─────size─┐

│ 76888224 │

└──────────┘

1 rows in set. Elapsed: 0.137 sec. Processed 841.66 thousand rows, 9.46 MB (6.13 million rows/s., 68.97 MB/s.)

# MySQL

+----------+

| size |

+----------+

| 76888224 |

+----------+

1 row in set (2.86 sec)

# 性能 21X

第二组

# ClickHouse

SELECT

project,

idc,

minf,

http_code,

sum(sumhit) AS num

FROM xx_httpcode_minf

WHERE (date = '2018-01-16') AND (httptype = 'download') AND \

(minf >= 0) AND (minf <= 288) AND \

(http_code IN ('200', '500', '404', '502', '503', '504'))

GROUP BY

project,

idc,

minf,

http_code

ORDER BY num DESC

LIMIT 3

┌─project─────────────────────────────────────┬─idc────┬─minf─┬─http_code─┬────num─┐

│ 域名1xxxx │ .1xx │ 195 │ 200 │ 247522 │

│ 域名2xxxx │ .2xx │ 185 │ 200 │ 246613 │

│ 域名3xxxx │ .3xx │ 188 │ 200 │ 245808 │

└─────────────────────────────────────────────┴────────┴──────┴───────────┴────────┘

3 rows in set. Elapsed: 0.161 sec. Processed 13.03 million rows, 284.63 MB (80.94 million rows/s., 1.77 GB/s.)

# MySQL

+---------------------------------------------+--------+------+-----------+--------+

| project | idc | minf | http_code | num |

+---------------------------------------------+--------+------+-----------+--------+

| 域名1xxxx| .1.xx | 195 | 200 | 247522 |

| 域名2xxxx | .2.xxx | 185 | 200 | 246613 |

| 域名3xxxx | .3xx | 188 | 200 | 245808 |

+---------------------------------------------+--------+------+-----------+--------+

3 rows in set (12.02 sec)

# 性能 75X

SQL太长，截图示例

SQL里的xxx均为脱敏数据

# ClickHouse

┌─project────────────────────────────┬─idc────┬─minf─┬─http_code─┬───num─┐

│ 域名1 │ 1xxx│ 154 │ 404 │ 10792 │

│ 域名1 │ 2xxx │ 155 │ 404 │ 10395 │

│ 域名1│ 3xxx │ 272 │ 404 │ 10313 │

└────────────────────────────────────┴────────┴──────┴───────────┴───────┘

3 rows in set. Elapsed: 0.119 sec. Processed 13.03 million rows, 283.15 MB (109.10 million rows/s., 2.37 GB/s.)

# MySQL

+------------------------------------+--------+------+-----------+-------+

| project | idc | minf | http_code | num |

+------------------------------------+--------+------+-----------+-------+

| 域名1 | .1zz | 154 | 404 | 10792 |

| 域名1 | .3xx | 155 | 404 | 10395 |

| 域名1 | .3rr | 272 | 404 | 10313 |

+------------------------------------+--------+------+-----------+-------+

3 rows in set (2.19 sec)

# 性能 18X

压缩对比

表名

MySQL表容量

ClickHouse表容量

压缩倍数

article_clientuser_sum

5.5GB

1.2G

4.6

xx_httpcode_minf

20GB

243M

84

xx_network_flow

189MB

25M

7.56

注：xx_httpcode_minf这个表的MySQL文件20个G，应该是有大量的空洞造成的，这也就是Facebook的人开发MyRocks的原因：减少空洞，节省磁盘

风险

目前该功能还处于初级阶段，有不完善的地方，比如数据导入的方式比较粗暴，中间如果有异常，需要重新执行(使用的ClickHouse版本为：1.1.54342)

MySQL的参数需要修改，如max_allowed_packet

数据导入时需要注意带宽，实测可以达到50MB/S

如果MySQL里的字段有decimal字符类型会怎么样？ClickHouse没有双精度的类型

部分SQL需要改写

如双引号改单引号

讨论

ClickHouse为啥快？

MySQL单条SQL是单线程的，只能跑满一个core，ClickHouse相反，有多少CPU，吃多少资源，所以飞快

ClickHouse不支持事务，不存在隔离级别。这里要额外说一下， 有人觉得，你一个数据库都不支持事务，不支持ACID还玩个毛。ClickHouse的定位是分析性数据库，而不是严格的关系型数据库。又有人要问了，数据都不一致，统计个毛。举个例子，汽车的油表是100%准确么？为了获得一个100%准确的值，难道每次测量你都要停车检查么？统计数据的意义在于用大量的数据看规律，看趋势，而不是100%准确。

IO方面，MySQL是行存储，ClickHouse是列存储，后者在count()这类操作天然有优势，同时，在IO方面，MySQL需要大量随机IO，ClickHouse基本是顺序IO。

有人可能觉得上面的数据导入的时候，数据肯定缓存在内存里了，这个的确，但是ClickHouse基本上是顺序IO，用过就知道了，对IO基本没有太高要求，当然，磁盘越快，上层处理越快，但是99%的情况是，CPU先跑满了(数据库里太少见了，大多数都是IO不够用)。

说到MySQL上跑的各种复杂查询，那是相当痛苦的回忆。从索引层面，很难对这些SQL进行优化，这也是我从MySQL DBA转做数据分析后要解决的第一个问题

专业的事情让专业的数据库来做，放开MySQL吧~

太™快了，还不赶紧来试试

Reference