交互式分析领域，为何 ClickHouse 能够杀出重围？来源:微信公众号:云加社区,作

来源:微信公众号:云加社区,作者:姜国强
出处:
导语 | 在百花齐放的交互式分析领域， ClickHouse 绝对是后起之秀，它虽然年轻，却有非常大的发展空间。本文将分享 PB 级分析型数据库 ClickHouse 的应用场景、整体架构、众多核心特性等，帮助理解 ClickHouse 如何实现极致性能的存储引擎，希望与大家一起交流。文章作者：姜国强，腾讯实时检索研发工程师。
一、交互式分析之 ClickHouse
1. 交互式分析简介交互式分析，也称 OLAP（Online Analytical Processing），它赋予用户对海量数据进行多维度、交互式的统计分析能力，以充分利用数据的价值进行量化运营、辅助决策等，帮助用户提高生产效率。
交互式分析主要应用于统计报表、即席查询（Ad Hoc）等领域，前者查询模式较固定，后者即兴进行探索分析。代表场景例如：移动互联网中 PV、UV、活跃度等典型实时报表；互联网内容领域中人群洞察、关联分析等即席查询。
交互式分析是数据分析的一种重要方式，与离线分析、流式分析、检索分析一起，共同组成完整的数据分析解决方案，在互联网、物联网快速发展的背景下，从不同维度满足用户对海量数据的全方位分析需求。
相比专注于事务处理的传统关系型数据库，交互式分析解决了 PB 级数据分析带来的性能、扩展性问题。
相比离线分析长达 T + 1 的时效性、流式分析较为固定的分析模式、检索分析受限的分析性能，交互式分析的分钟级时效性、灵活多维度的分析能力、超高性能的扫描分析性能，可以大幅度提高数据分析的效率，拓展数据分析的应用范围。
文章插图
从数据访问特性角度来看，交互式分析场景具有如下典型特点：

大多数访问是读请求。
写入通常为追加写，较少更新、删除操作。
读写不关注事务、强一致等特性。
查询通常会访问大量的行，但仅部分列是必须的。
查询结果通常明显小于访问的原始数据，且具有可理解的统计意义。

2. 百花齐放下的 ClickHouse近十年，交互式分析领域经历了百花齐放式的发展，大量解决方案爆发式涌现，尚未有产品达到类似 Oracle / MySQL 在关系型数据库领域中绝对领先的状态。
业界提出的开源或闭源的交互式解决方案，主要从大数据、NoSQL 两个不同的方向进行演进，以期望提供用户最好的交互式分析体验。下图所示是不同维度下的代表性解决方案，供大家参考了解：

文章插图
其中， ClickHouse 作为一款 PB 级的交互式分析数据库，最初是由号称 “ 俄罗斯 Google ” 的 Yandex 公司开发，主要作为世界第二大 Web 流量分析平台 Yandex.Metrica（类 Google Analytic、友盟统计）的核心存储，为 Web 站点、移动 App 实时在线的生成流量统计报表。
自 2016 年开源以来， ClickHouse 凭借其数倍于业界顶尖分析型数据库的极致性能，成为交互式分析领域的后起之秀，发展速度非常快， Github 上获得 12.4K Star ， DB-Engines 排名近一年上升 26 位，并获得思科、Splunk、腾讯、阿里等顶级企业的采用 [1]。下面是 ClickHouse 及其他开源 OLAP 产品的发展趋势统计：

文章插图
性能是衡量 OLAP 数据库的关键指标，我们可以通过 ClickHouse 官方测试结果 [2] 感受下 ClickHouse 的极致性能，其中绿色代表性能最佳，红色代表性能较差，红色越深代表性能越弱。
从测试结果看， ClickHouse 几乎在所有场景下性能都最佳，并且从所有查询整体看， ClickHouse 领先图灵奖得主 Michael Stonebraker 所创建的 Vertica 达 6 倍，领先 Greenplum 达到 18 倍。

文章插图
更多测试结果可参考 OLAP 系统第三方评测 [3]，尽管该测试使用了无索引的表引擎（或称表类型）， ClickHouse 仍然在单表模式下体现了强劲的领先优势。
二、ClickHouse 架构
1. 集群架构ClickHouse 采用典型的分组式的分布式架构，具体集群架构如下图所示：

文章插图

Shard ：集群内划分为多个分片或分组（Shard 0 … Shard N），通过 Shard 的线性扩展能力，支持海量数据的分布式存储计算。
- 上一页
- 1
- 2
- 3
- 4
- 5
- 下一页