先说下Clickhouse - 越来越多的新型OLAP数据库涌现,无论是 Clickhouse还是Apache Doris都在逐渐变得流行。其背后一定是有原因的。
Hadoop那套组件众多,运维压力越来越大,因此新型OLAP相对不依赖hadoop生态,简介的架构的特性就很吸引人。
ClickHouse 是俄罗斯Yandex在2016年开源的性能分析型SQL数据库,主要面向OLAP场景。开源之后,凭借优异的查询性能,受到业界的青睐。
官网风格清新
直观感受有多快:
如图一,clickhouse官网做了很多压测,比较了 MySQL、hive、greenplum、vertica、clickhouse
clickhouse 比 hive 快百倍(这个很正常,大家都想得到),而比 vertica 快几倍,比 greenplum 20倍左右。
快的一骑绝尘
Clickhouse的快速主要是因为 存储和计算都快,这里有一些关键特性。
图二:存储快速的原因: 主键存储、列式、块索引、数据分区、本机存储、多重索引
图三:计算快速的原因: 分布式、多线程、向量化、LLVM、RuntimeCodegen
快手使用Clickhouse的规模,截至2019年底。 (图四)
快手使用Clickhouse的场景:
这个都比较常见,无非是 BI系统、报表系统、监控系统、ABTEST和用户分析系统
(小编注:
- 报表系统一般指的是传统的、类似Excel的多表头复杂中国式报表,一般每一个单元格都是有单独计算逻辑;
- BI一般是在数据仓库建设完成后,可以通过BI软件自助分析的图表;
- 监控系统一般是一个酷炫的大屏)
图五,快手Clickhouse的部署架构;
多集群是必须的,通过一个路由进行分流,做一些类似“切面”“网关”做的工作。
数据则是通过 mapreduce(无论是 hive、sparksql 还是其他) 和 flink 进入clickhouse。
Clickhouse在单表的情况下性能比多表join好很多,快手因此总结了一些最佳实践。见图六。
如果是普通企业,到此也差不多了,快手由于业务量大,仍遇到了一些问题难以解决,针对问题,快手提出了Clickhouse on Hdfs 的方案,即存储和计算分离,存储使用hadoop hdfs。自己基于接口重写了 HdfsMergeTree实现。
架构示意
自研HdfsMergeTree 存储引擎
具体涉及的优化点很多,细节相对有深度,这里就不多说了,看一下图九的总结。
欢迎 点赞、转发 !
您的支持是我更新的动力!