当前位置： 首页 >> ClickHouse >> ClickHouse介绍

---

ClickHouse介绍

2020-10-07 14:53:53 星期三  阅读：5802

---

参考书籍：[ClickHouse原理解析与应用实践](https://book.douban.com/subject/35091211/ "ClickHouse原理解析与应用实践") #### 如何解决海量下分析查询的性能问题 人们在数据仓库的基础上衍生出众多概念，例如：对数据进行分层，通过层层递进形成数据集市，从而减少最终查询的数据体量；提出数据立方体的概念，通过对数据进行预先处理，以空间换时间，提升查询性能。然而无论如何努力，设计的局限始终是无法突破的瓶颈。OLTP技术由诞生的那一刻起就注定不是为数据分析而生的，于是很多人将目光投向了新的方向。 在大规模查询分析的应用场景，基于维度组合的预计算是比较可行的方案，但是也带来了如下几个问题 - 时效性低 维度组合爆炸会导致维度膨胀 所以，ClickHouse为了解决这个痛点，在`设计上并不是预计算，而是是实时聚合的`。 #### ClickHouse名称的含义 在采集数据的过程中，一次页面click（点击），会产生一个event（事件）。基于页面的点击事件流，面向数据仓库进行OLAP分析。所以ClickHouse的全称是Click Stream，Data WareHouse，简称ClickHouse。 #### ClickHouse的适用场景 ClickHouse非常适用于商业智能领域（也就是我们所说的BI领域），除此之外，它也能够被广泛应用于广告流量、Web、App流量、电信、金融、电子商务、信息安全、网络游戏、物联网等众多其他领域。 #### ClickHouse不适用场景 ClickHouse是一款OLAP的高性能数据库，但不适用于OLTP事务型操作的场景，所有有以下几点不足 - 不支持事务。 不擅长根据主键按行粒度进行查询（虽然支持），故不应该把ClickHouse当作Key-Value数据库使用。 不擅长按行删除数据（虽然支持） #### ClickHouse的核心特性 ClickHouse的精髓是最大限度榨干CPU和内存，在内存里面计算，所想即所得，快得冒泡 `1、完备的DBMS（数据库管理系统）的功能` >DDL DML 权限控制 数据备份与恢复 分布式管理 `2、列式存储与数据压缩（减少数据扫描范围和数据传输大小）`：列式存储相比行式存储的压缩率更高，因为同一列数据的重复率和数据语义更相似。（属于同一列的数据会被保存在一起，与列之间也会由不同的文件分别保存） `3、向量化执行引擎`（利用CPU的SIMD指令实现单条指令操作多条数据，即一个人利用8个榨汁机同时榨8杯果汁） `4、关系模型与SQL查询`（完全使用SQL作为查询语言） `5、多样化的表引擎`（总共20多种表引擎支持多样的场景，而不像MySQL只有两种存储引擎） `6、多线程与分布式`（与向量化执行引擎互补，移动计算而不是移动数据，将计算下推到数据所在节点） `7、多主架构`（集群中每个节点的角色对等，所有节点功能相同，天然避免单点故障问题） `8、在线查询` `9、数据分片与分布式查询`（类似数据库的分库分表）