查询速度提升200倍,ClickHouse到底有多快?

码农突围

共 2363字,需浏览 5分钟

 ·

2020-09-02 06:18

点击上方“码农突围”,马上关注
这里是码农充电第一站,回复“666”,获取一份专属大礼包
真爱,请设置“星标”或点个“在看”
来源:r6a.cn/a8UZ

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:


在列式数据库系统中(ClickHouse),数据按如下的顺序存储:


两者在存储方式上对比:


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:



④数据同步方案

临时表如下:

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:


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:

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:

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!

参考资料:

  • ClickHouse官方手册 CK

  • ClickHouse在携程酒店应用 蔡岳毅

  • ClickHouse引擎怎么选 Roin123

最近热文

•  为什么 Java 中“1000==1000”为false,而”100==100“为true?
•  太优秀了!26岁当上985博导,这才是乘风破浪的姐姐!
•  fastjson的作者,在阿里内网被喷,这到底是怎么一回事?
•  为什么有些大公司技术弱爆了?

最近整理了一份大厂算法刷题指南,包括一些刷题技巧,在知乎上已经有上万赞。同时还整理了一份6000页面试笔记。关注下面公众号,在公众号内回复「刷题」,即可免费获取!回复「加群」,可以邀请你加入读者群!



明天见(。・ω・。)ノ♡

浏览 39
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