交互式分析领域，为何 ClickHouse 能够杀出重围？( 四 ) 来源:微信公众号:云加社区,作

Colocated Join：数据打散规则一致的多表进行 Join 时，支持本地化的 Colocated Join ，提升查询性能。 ……

四、ClickHouse 的不足
前面介绍了大量 ClickHouse 的核心特性，方便读者了解 ClickHouse 高性能、快速发展的背后原因。当然， ClickHouse 作为后起之秀，远没有达到尽善尽美，还有不少需要待完善的方面，典型代表如下：
1. 分布式管控分布式系统通常包含 3 个重要组成部分：存储引擎、计算引擎、分布式管控层。 ClickHouse 有一个非常突出的高性能存储引擎，但在分布式管控层显得较为薄弱，使得运营、使用成本偏高。主要体现在：
（1）分布式表
ClickHouse 对分布式表的抽象并不完整，在多数分布式系统中，用户仅感知集群和表，对分片和副本的管理透明，而在 ClickHouse 中，用户需要自己去管理分片、副本，例如前面介绍的建表过程：用户需要先创建本地表（分片的副本），然后再创建分布式表，并完成分布式表到本地表的映射。
（2）弹性伸缩
ClickHouse 集群自身虽然可以方便的水平增加节点，但并不支持自动的数据均衡。例如，当包含 6 个节点的线上生产集群因存储或计算压力大，需要进行扩容时，我们可以方便的扩容到 10 个节点，但是数据并不会自动均衡，需要用户给已有表增加分片或者重新建表，再把写入压力重新在整个集群内打散，而存储压力的均衡则依赖于历史数据过期。 ClickHouse在弹性伸缩方面的不足，大幅增加了业务在进行水平伸缩时运营压力。
基于 ClickHouse 的当前架构，实现自动均衡相对复杂，导致相关问题的根因在于 ClickHouse 分组式的分布式架构：同一分片的主从副本绑定在一组节点上，更直接的说，分片间数据打散是按照节点进行的，自动均衡过程不能简单的搬迁分片到新节点，会导致路由信息错误。而创建新表并在集群中进行全量数据重新打散的方式，操作开销过高。

文章插图
（3）故障恢复
与弹性伸缩类似，在节点故障的情况下， ClickHouse 并不会利用其它机器补齐缺失的副本数据。需要用户先补齐节点后，然后系统再自动在副本间进行数据同步。
2. 计算引擎虽然 ClickHouse 在单表性能方面表现非常出色，但是在复杂场景仍有不足，缺乏成熟的 MPP 计算引擎和执行优化器，例如：多表关联查询、复杂嵌套子查询等场景下查询性能一般，需要人工优化；缺乏 UDF 等能力，在复杂需求下扩展能力较弱等。这也和 OLAP 系统第三方评测的结果相符。这对于性能如此出众的存储引擎来说，非常可惜。
3. 实时写入ClickHouse 采用类 LSM Tree 架构，并且建议用户通过批量方式进行写入，每个批次不少于 1000 行或每秒钟不超过一个批次，从而提高集群写入性能，实际测试情况下， 32 vCPU--tt-darkmode-bgcolor: #131313;">但 ClickHouse 并不适合实时写入，原因在于 ClickHouse 并非典型的 LSM Tree 架构，它没有实现 Memory Table 结构，每批次写入直接落盘作为一棵 Tree（如果单批次过大，会拆分为多棵 Tree），每条记录实时写入会导致底层大量的小文件，影响查询性能。
这使得 ClickHouse 不适合有实时写入需求的业务，通常需要在业务和 ClickHouse 之间引入一层数据缓存层，实现批量写入。
五、结语
本文重点分享了 ClickHouse 的整体架构及众多核心特性，分析了 ClickHouse 如何实现极致性能的存储引擎，从而成为 OLAP 领域的后起之秀。
ClickHouse 仍然年轻，虽然在某些方面存在不足，但极致性能的存储引擎，使得 ClickHouse 成为一个非常优秀的存储底座。
后续我们会在不断拓展业务的同时，优先从分布式管控层和计算引擎层着手，持续优化 ClickHouse 的易用性、性能，打造业界领先的 OLAP 分析数据库。同时，我们会持续输出内核优化、最佳实践等经验，欢迎更多技术爱好者们一起探索、交流。
参考资料：
[1] 采用文档：
[2] ClickHouse 官方测试结果 :
[3] OLAP 系统第三方评测 :
[4] 专用编码算法支持：
#codecs
[5] Gorilla 论文 :
[6] 索引支持：
#table_engine-mergetree-data_skipping-indexes
[7] MergeTree系列表引擎：
[8] MATERIALIZED VIEW ：
#materialized
[9] ClickHouse的发展历史：
[10] ClickHouse官方文档：
来源:微信公众号:云加社区,作者:姜国强