ClickHouse 是什么？

ClickHouse 是一个用于在线分析处理 (OLAP) 的开源列式数据库管理系统。

ClickHouse 允许使用 SQL 查询生成实时更新的数据分析报告。该系统以高性能著称。它简单易用，开箱即用。该项目于 2016 年 6 月以 Apache 2 许可证作为开源软件发布。

ClickHouse 是第一个开源的 SQL 数据仓库，其性能和可伸缩性可与 Sybase IQ、Vertica 和 Snowflake 等专有数据库相媲美。它包含以下特性，例如：

• 列式存储，可以处理拥有数万亿行和数千列的表。
• 通过内置复制实现容错和读扩展。
• 通过物化视图实现卓越的聚合。
• 解决实际问题的功能，如漏斗分析和最后一点查询。

ClickHouse 的开发由一个由数百名贡献者组成的社区驱动，他们专注于解决实际问题，而不是实现公司路线图。

ClickHouse 在单台服务器上每秒可处理数亿到超过十亿行数据，以及数十 GB 的数据，并在数百个节点的集群上运行。该系统可以轻松安装在单台服务器或虚拟机上。

ClickHouse 充分利用所有可用硬件的潜力，以最快的速度处理每个查询。单查询峰值处理性能超过每秒两 TB。

ClickHouse 允许公司在不投入额外时间或金钱进行任何 DBMS 修改的情况下向其集群添加服务器。由于其向量化查询执行（涉及相关的处理器指令和运行时代码生成），它在 CPU 方面效率很高。

历史

• ClickHouse 由俄罗斯 IT 公司 Yandex 为 Yandex.Metrica 开发。
• 当原始数据以聚合形式存储时，Metrica 以前使用的是经典方法，这种方法有助于减少存储的数据量。
• 另一种方法是存储未聚合的数据。处理原始数据需要高性能系统，因为所有计算都是实时进行的。为了解决这个问题，需要一个列式 DBMS 来处理互联网规模的分析数据。
• 第一个 ClickHouse 原型出现在 2009 年。
• 2014 年底，Yandex.Metrica 2.0 版本发布。新版本提供了一个用于创建自定义报告的界面，并使用 ClickHouse 来存储和处理数据。

ClickHouse 的特性

以下是 ClickHouse 的主要特性，例如：

1. 真正的列式 DBMS：不存储与值相关的额外数据。这意味着必须支持固定长度的值，以避免存储它们的长度“数字”在值旁边。
2. 线性可伸缩性：可以通过添加服务器来扩展集群。
3. 容错性：该系统是分片集群，每个分片是一组副本。ClickHouse 使用异步多主复制，并且可以跨多个数据中心部署。数据写入任何可用副本，并分发到所有其他副本。ZooKeeper 用于协调进程，但不参与查询处理和执行。
4. SQL 支持： ClickHouse 支持扩展的 SQL 语言，包括数组和嵌套数据结构、近似函数和 URI 函数，以及连接外部键值存储的能力。
5. 高性能：使用向量计算方法来实现高 CPU 性能。在这种方法中，数据按列存储，并按向量（列的部分）处理。它支持采样和近似计算。此外，还支持并行和分布式查询处理，包括 JOIN。
6. HDD 优化：该系统可以处理不适合随机存取内存的数据。
7. 极速： ClickHouse 充分利用所有可用硬件的潜力，以最快的速度处理每个查询。
8. 易于使用： ClickHouse 简单易用，可立即用于生成报告。SQL 语言允许在不涉及某些替代系统中发现的自定义非标准 API 的情况下表达所需结果。
9. 高度可靠： ClickHouse DBMS 可以配置为分布式系统，位于独立节点上，没有任何单点故障。它还包含许多企业级安全功能和防范人为错误的容错机制。
10. 数据库连接客户端：数据库连接选项包括控制台客户端、HTTP API 或其中一个包装器。ClickHouse 还提供 JDBC 驱动程序。

ClickHouse 的缺点

以下几点可以被视为缺点，例如：

• 不支持事务。
• 缺乏以高速率和低延迟修改或删除已插入数据的能力。
• 稀疏索引使得 ClickHouse 在通过其键检索单个行的点查询方面效率不高。
• 默认情况下，在执行聚合时，中间查询状态必须适合单台服务器上的 RAM。在这种情况下，ClickHouse 可以配置为溢出到磁盘。