中间件--ClickHouse-1--基础介绍（列式存储，MPP架构，分布式计算，SQL支持，向量化执行，亿万级数据秒级查询）

1、概述

ClickHouse是一个用于联机分析(OLAP)的列式数据库管理系统(DBMS)。它由俄罗斯的互联网巨头Yandex为解决其内部数据分析需求而开发，并于2016年开源。专为大规模数据分析，实时数据分析和复杂查询设计，具有高性能、实时数据和可扩展性等特点。

2、主要特性

（1）、列式存储

原理：
将数据按列存储，而非传统的行式存储（如 MySQL）。
- 优势：
  - 高效查询：仅读取相关列，减少I/O开销，尤其是对于聚合类操作时，性能非常高效。
  - 高压缩率：相同列的数据压缩效率更高（如ZSTD、LZ4算法）。
  - 向量化执行：CPU 可批量处理同一列的多行数据，提升计算速度。

（2）、MPP架构（分布式处理）

MPP（大规模集群并行处理）：
支持分布式计算，查询可拆分为多个任务并行执行，具有良好的扩展性。
- 分布式表：
  将数据分片（Shard）存储在多个节点，查询时自动合并结果。
- 副本机制：
  每个分片可配置多个副本（Replica），确保高可用性。

（3）、高性能查询引擎

向量化执行：
以数据块（Block）为单位处理数据（默认 8192 行/块），利用 SIMD 指令加速计算。
预计算与索引：
- Projection（投影）：预定义数据的排序、过滤和聚合规则，查询时直接使用预处理数据。
- 物化视图（Materialized View）：预先计算复杂查询结果，实时更新。

（4）、SQL 支持

基本使用类似Mysql，熟悉SQL的用户可以快速上手。

功能丰富：
- 支持标准 SQL（SELECT、JOIN、GROUP BY 等）。
- 扩展函数：如数组操作（arrayJoin）、窗口函数（ROW_NUMBER）、聚合函数（quantile）。
实时写入：
支持批量插入（INSERT）和流式数据（如 Kafka、MySQL Binlog）。

（5）、分布式与扩展性

集群模式：
通过 Distributed 表引擎管理分片和副本，自动负载均衡。
数据分区（Partition）：
按时间或字段分区（如 PARTITION BY toYYYYMM(date)），加速范围查询。

（6）、安全与权限

RBAC（基于角色的访问控制）：
支持用户、角色、行级权限管理。
数据加密：
支持 SSL/TLS 加密传输，存储加密需依赖外部工具。

（7）、多核并行处理

能够充分利用现代服务器的多核架构，提高查询执行速度。

（8）、外部存储集成

除了本地文件系统之外，还支持从HDFS等多种外部存储系统中读取数据。

3、适用场景

ClickHouse非常适合需要快速响应的大规模数据查询任务。

（1）、大数据分析‌

如用户行为分析、广告点击统计，支持PB级数据的多维分析‌。
特别适合那些需要对大量历史数据进行复杂查询分析的业务场景。

（2）、实时数据分析与监控‌

生成实时业务指标（如电商 GMV、DAU），广告网络及RTB（实时竞价），支持高并发查询‌。

（3）、日志存储与检索‌

高效压缩存储日志数据（如 Nginx 日志），快速检索关键信息，电信行业中的通话记录分析‌。

4、架构特点

（1）、分布式MPP架构‌

通过分片（Sharding）和副本（Replication）实现数据分布式存储与计算，支持跨节点并行查询‌。

（2）、存储引擎‌

核心表引擎：
- MergeTree 家族：
  - MergeTree：基础引擎，支持排序、分区、数据合并。
  - RepliatedMergeTree：分布式场景下保证数据一致性。
  - TinyLog/StripeLog：简单存储引擎，无并发控制（适合小数据测试）。
其他引擎：
- Memory：内存表，重启后数据丢失。
- Distributed：分布式表，协调分片查询。

（3）、高效压缩与数据类型‌

每列独立选择压缩算法（如 LZ4、ZSTD），支持 UInt/Int 系列、日期/时间、字符串等丰富数据类型‌。

（4）、数据写入机制

追加写入（Append-Only）：
数据以块（Block）形式追加到磁盘，不可直接更新或删除（需 ALTER TABLE … DELETE 语句，但性能较低）。
Merge Tree 合并：
定期合并小数据块为大块，优化查询性能。

5、使用示例

（1）、查询执行流程：

查询解析：
SQL 转换为执行计划，优化器选择最优路径。
并行执行：
查询拆分到多个分片，每个分片在本地执行。
结果聚合：
各节点返回结果后，协调节点合并最终结果。

（2）、具体示例：

1. 创建表

– 使用 MergeTree 引擎，按日期分区，按订单ID排序

CREATE TABLE orders (order_id UInt32,customer_id UInt32,product_id UInt32,order_date Date,order_amount Float32
) ENGINE = MergeTree()
PARTITION BY toYYYYMM(order_date)
ORDER BY order_id;

2. 数据插入

– 批量插入提升效率

INSERT INTO orders VALUES
(1, 101, 1001, '2024-07-01', 500.0),
(2, 102, 1002, '2024-07-01', 300.0),
(3, 103, 1003, '2024-07-02', 700.0);

3. 复杂查询

– 订单金额按日期聚合

SELECT order_date,COUNT(order_id) AS order_count,SUM(order_amount) AS total_amount
FROM orders
GROUP BY order_date
ORDER BY order_date;

6、使用建议

（1）、性能优化

分区表：
按时间或高频查询字段分区（如 PARTITION BY toYYYYMM(date)）。
Projection（投影）：
预定义数据排序和过滤规则，加速特定查询。
sql示例：
CREATE PROJECTION orders_projection
(order_date, customer_id, order_amount)
PARTITION BY toYYYYMM(order_date)
ORDER BY (customer_id, order_date)
SETTINGS index_granularity = 8192;
批量插入：
减少单次插入数据量，避免频繁小批量操作。
合理索引：
使用 MARK 或稀疏索引（如 index_granularity）加速范围查询。