跳到主要内容

ClickHouse

问题​

什么是 ClickHouse？为什么它查询这么快？

答案​

ClickHouse 核心特点​

ClickHouse 是由 Yandex 开源的列式存储分析数据库，以极致的查询性能著称。

特点说明
列式存储只读取查询需要的列，减少 IO
向量化执行批量处理 + SIMD 指令
数据压缩列式天然高压缩率（5~10x）
MergeTree核心存储引擎，异步合并

为什么快​

常用表引擎​

引擎适用场景
MergeTree通用，最常用
ReplacingMergeTree数据去重（最终一致）
AggregatingMergeTree预聚合
SummingMergeTree自动求和
-- 创建 MergeTree 表
CREATE TABLE events (
    event_date Date,
    user_id    UInt64,
    event_name String,
    amount     Decimal(18, 2)
) ENGINE = MergeTree()
PARTITION BY toYYYYMM(event_date)     -- 按月分区
ORDER BY (event_date, user_id);        -- 排序键

-- 典型分析查询（亚秒级）
SELECT
    toDate(event_date) AS dt,
    COUNT() AS events,
    uniq(user_id) AS uv,              -- 近似去重（HyperLogLog）
    SUM(amount) AS total_amount
FROM events
WHERE event_date >= '2024-01-01'
GROUP BY dt
ORDER BY dt;
ClickHouse 的局限
  • 不擅长高并发点查（适合分析，不适合 OLTP）
  • 更新/删除代价大（MergeTree 异步合并）
  • JOIN 性能一般（建议预先宽表化）
  • 运维复杂（集群管理、数据一致性）

常见面试问题​

Q1: ClickHouse 适合什么场景？​

答案：

  • BI 看板、实时报表
  • 日志分析、行为分析
  • 大宽表聚合查询
  • 不适合高并发小查询、频繁更新

Q2: ClickHouse 数据如何导入？​

答案：

  • 批量导入：INSERT INTO ... SELECT ...、CSV 文件
  • 实时导入：Kafka 引擎直接消费
  • CDC 同步：通过 Flink/Spark 写入

相关链接​