最近很火的 ClickHouse 是什么?

架构真经

共 1957字,需浏览 4分钟

 ·

2020-11-05 20:17

ClickHouse 是 Yandex(俄罗斯最大的搜索引擎)开源的一个用于实时数据分析的基于列存储的数据库,其处理数据的速度比传统方法快 100-1000 倍。


ClickHouse 的性能超过了目前市场上可比的面向列的 DBMS,每秒钟每台服务器每秒处理数亿至十亿多行和数十千兆字节的数据。


# ClickHouse 是什么?


ClickHouse 是一个用于联机分析(OLAP)的列式数据库管理系统(DBMS)。


我们首先理清一些基础概念:


  • OLTP:是传统的关系型数据库,主要操作增删改查,强调事务一致性,比如银行系统、电商系统。

  • OLAP:是仓库型数据库,主要是读取数据,做复杂数据分析,侧重技术决策支持,提供直观简单的结果。


接着我们用图示,来理解一下列式数据库和行式数据库区别,在传统的行式数据库系统中(MySQL、Postgres 和 MS SQL Server),数据按如下顺序存储:


ac29474e63c8eb76646073bf3af7af13.webp


在列式数据库系统中(ClickHouse),数据按如下的顺序存储:


4ab9c386f7fa701d68538d338e78e5b5.webp


两者在存储方式上对比:

e9ac81b23534cfb7a8ba07e704fb127c.webp


以上是 ClickHouse 基本介绍,更多可以查阅官方手册:


https://clickhouse.tech/docs/zh/

# 业务问题


业务端现有存储在 MySQL 中,5000 万数据量的大表及两个辅表,单次联表查询开销在 3min+,执行效率极低。


经过索引优化、水平分表、逻辑优化,成效较低,因此决定借助 ClickHouse 来解决此问题。


最终通过优化,查询时间降低至 1s 内,查询效率提升 200 倍!希望通过本文,可以帮助大家快速掌握这一利器,并能在实践中少走弯路。


# ClickHouse 实践


①Mac 下的 Clickhouse 安装


我是通过 Docker 安装,也可以下载 CK 编译安装,相对麻烦一些。参考链接:


https://blog.csdn.net/qq_24993831/article/details/103715194

②数据迁移:从 MySQL 到 ClickHouse


ClickHouse 支持 MySQL 大多数语法,迁移成本低,目前有五种迁移方案:


  • create table engin mysql,映射方案数据还是在 MySQL。

  • insert into select from,先建表,在导入。

  • create table as select from,建表同时导入。

  • csv 离线导入。

  • streamsets。


参考链接:


https://anjia0532.github.io/2019/07/17/mysql-to-clickhouse/
选择第三种方案做数据迁移:

CREATE TABLE [IF NOT EXISTS] [db.]table_name ENGINE = Mergetree AS SELECT * FROM mysql('host:port''db''database''user''password')


③性能测试对比

性能测试对比如下图:


04cf20abd101ed577c8d4897ca3af13a.webp


④数据同步方案

临时表如下:


438dea233b9cc15b71b6d2674b40c183.webp

图片来源:携程


新建 Temp 中间表,将 MySQL 数据全量同步到 ClickHouse 内 Temp 表,再替换原 ClickHouse 中的表,适用数据量适度,增量和变量频繁的场景。

开源的同步软件推荐 Synch,如下图:


9a8243f0752ed6373c0364ef17e6ed09.webp


Synch 原理是通过 MySQL 的 Binlog 日志,获取 SQL 语句,再通过消息队列消费 Task。


⑤ClickHouse 为什么快?


有如下几点:


  • 只需要读取要计算的列数据,而非行式的整行数据读取,降低 IO cost。

  • 同列同类型,有十倍压缩提升,进一步降低 IO。

  • Clickhouse 根据不同存储场景,做个性化搜索算法。


# 遇到的坑


①ClickHouse 与 MySQL 数据类型差异性


用 MySQL 的语句查询,发现报错:

4611cb581a0d3c16302bc033550e7081.webp


解决方案:LEFT JOIN B b ON toUInt32(h.id) = toUInt32(ec.post_id),中转一下,统一无符号类型关联


②删除或更新是异步执行,只保证最终一致性


查询 CK 手册发现,即便对数据一致性支持最好的 Mergetree,也只是保证最终一致性:

5dbb39029637764a571a6d7fc0d05c6a.webp


如果对数据一致性要求较高,推荐大家做全量同步来解决。


# 总结


通过 ClickHouse 实践,完美的解决了 MySQL 查询瓶颈,20 亿行以下数据量级查询,90% 都可以在 1s 内给到结果,随着数据量增加,ClickHouse 同样也支持集群,大家如果感兴趣,可以积极尝试!

作者:起个帅的名

来源:https://juejin.im/post/6863283398727860238

浏览 15
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报