تم إعداد ترجمة المقال خصيصًا لطلاب الدورة .
هي قاعدة بيانات عمودية مفتوحة المصدر. إنها بيئة رائعة حيث يمكن لمئات المحللين الاستعلام بسرعة عن بيانات التنقل ، حتى عندما يتم إدخال عشرات المليارات من السجلات الجديدة يوميًا. يمكن أن تصل تكاليف البنية التحتية لدعم مثل هذا النظام إلى 100 دولار في السنة ، وربما نصف ذلك ، اعتمادًا على الاستخدام. في مرحلة ما ، احتوى تثبيت ClickHouse من Yandex Metrica على 10 تريليون سجل. بالإضافة إلى Yandex ، كان ClickHouse ناجحًا أيضًا مع Bloomberg و Cloudflare.
منذ عامين قضيت قواعد البيانات باستخدام جهاز واحد ، وأصبح برنامج قاعدة بيانات مجاني رأيته من قبل. منذ ذلك الحين ، لم يتوقف المطورون عن إضافة ميزات ، بما في ذلك دعم ضغط Kafka و HDFS و ZStandard. في العام الماضي أضافوا دعمًا لطرق الضغط المتتالية ، و أصبح الترميز ممكنًا. عند ضغط بيانات السلاسل الزمنية ، يمكن ضغط قيم المقياس جيدًا باستخدام ترميز دلتا ، ولكن بالنسبة للعدادات ، سيكون ترميز دلتا من دلتا أفضل. أصبح الضغط الجيد هو المفتاح لأداء ClickHouse.
يتكون ClickHouse من 170 ألف سطر من كود C ++ ، باستثناء مكتبات الطرف الثالث ، وهو أحد أصغر قواعد البيانات لقواعد البيانات الموزعة. بالمقارنة ، لا تدعم SQLite التوزيع وتتكون من 235 سطر من كود C. في وقت كتابة هذا التقرير ، ساهم 207 مهندسًا في ClickHouse ، وكان معدل الالتزام يتزايد مؤخرًا.
في مارس 2017 ، بدأت ClickHouse في إجراء كطريقة سهلة لتتبع التطور. قاموا أيضًا بتقسيم ملف التوثيق الأحادي إلى تسلسل هرمي للملفات قائم على Markdown. يتم تعقب المشكلات والميزات عبر GitHub ، وبشكل عام أصبح هذا البرنامج أكثر سهولة في الوصول إليه في السنوات القليلة الماضية.
في هذه المقالة ، سألقي نظرة على أداء مجموعة ClickHouse على AWS EC2 باستخدام معالجات ذات 36 نواة وتخزين NVMe.
تحديث: بعد أسبوع من النشر الأصلي لهذا المنشور ، أعدت إجراء الاختبار بتكوين محسّن وحققت نتائج أفضل بكثير. تم تحديث هذا المنشور ليعكس هذه التغييرات.
تشغيل مجموعة AWS EC2
سأستخدم ثلاث مثيلات EC5 c9d.2xlarge لهذا المنشور. يحتوي كل واحد منهم على 36 وحدة معالجة مركزية افتراضية ، و 72 جيجابايت من ذاكرة الوصول العشوائي ، و 900 جيجابايت من تخزين NVMe SSD ، ويدعم شبكات 10 جيجابت. تكلف كل واحدة 1,962 دولارًا / ساعة في الاتحاد الأوروبي الغربي 1 عند إطلاقها عند الطلب. سأستخدم Ubuntu Server 16.04 LTS كنظام التشغيل الخاص بي.
تم إعداد جدار الحماية بحيث يمكن لكل جهاز الاتصال ببعضه البعض دون قيود ، ويتم إدراج عنوان IPv4 الخاص بي فقط في القائمة البيضاء بواسطة SSH في المجموعة.
محرك NVMe في الاستعداد التشغيلي
لكي يعمل ClickHouse ، سوف أقوم بإنشاء نظام ملفات EXT4 على محرك أقراص NVMe على كل خادم من الخوادم.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chبمجرد إعداد كل شيء ، يمكنك رؤية نقطة التحميل و 783 جيجابايت من المساحة المتوفرة على كل نظام.
$ lsblkNAME MAJ:MIN RM SIZE RO TYPE MOUNTPOINT
loop0 7:0 0 87.9M 1 loop /snap/core/5742
loop1 7:1 0 16.5M 1 loop /snap/amazon-ssm-agent/784
nvme0n1 259:1 0 8G 0 disk
└─nvme0n1p1 259:2 0 8G 0 part /
nvme1n1 259:0 0 838.2G 0 disk /ch$ df -hFilesystem Size Used Avail Use% Mounted on
udev 35G 0 35G 0% /dev
tmpfs 6.9G 8.8M 6.9G 1% /run
/dev/nvme0n1p1 7.7G 967M 6.8G 13% /
tmpfs 35G 0 35G 0% /dev/shm
tmpfs 5.0M 0 5.0M 0% /run/lock
tmpfs 35G 0 35G 0% /sys/fs/cgroup
/dev/loop0 88M 88M 0 100% /snap/core/5742
/dev/loop1 17M 17M 0 100% /snap/amazon-ssm-agent/784
tmpfs 6.9G 0 6.9G 0% /run/user/1000
/dev/nvme1n1 825G 73M 783G 1% /chمجموعة البيانات التي سأستخدمها في هذا الاختبار عبارة عن مستودع بيانات أنشأته من 1.1 مليار رحلة تاكسي في نيويورك على مدار ست سنوات. مدونة تفاصيل كيف جمعت مجموعة البيانات هذه. يتم تخزينها في AWS S3 ، لذلك سأقوم بإعداد AWS CLI باستخدام مفاتيح الوصول والمفاتيح السرية الخاصة بي.
$ sudo apt update
$ sudo apt install awscli
$ aws configureسأقوم بتعيين حد الطلب المتزامن للعميل على 100 بحيث يتم تحميل الملفات بشكل أسرع من الإعدادات الافتراضية.
$ aws configure set
default.s3.max_concurrent_requests
100سأقوم بتنزيل مجموعة بيانات رحلة التاكسي من AWS S3 وتخزينها على محرك NVMe على الخادم الأول. يبلغ حجم مجموعة البيانات هذه حوالي 104 غيغابايت بتنسيق GZIP المضغوط CSV.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvتثبيت ClickHouse
سوف أقوم بتثبيت توزيع OpenJDK لـ Java 8 ، حيث إنه مطلوب لتشغيل Apache ZooKeeper ، وهو مطلوب لتثبيت ClickHouse الموزع على الأجهزة الثلاثة.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
ثم قمت بتعيين متغير البيئة JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileسأستخدم بعد ذلك نظام إدارة حزم Ubuntu لتثبيت ClickHouse 18.16.1 ، والنظرات ، و ZooKeeper على جميع الأجهزة الثلاثة.
$ sudo apt-key adv
--keyserver hkp://keyserver.ubuntu.com:80
--recv E0C56BD4
$ echo "deb http://repo.yandex.ru/clickhouse/deb/stable/ main/" |
sudo tee /etc/apt/sources.list.d/clickhouse.list
$ sudo apt-get update$ sudo apt install
clickhouse-client
clickhouse-server
glances
zookeeperdسوف أقوم بإنشاء دليل لـ ClickHouse وكذلك القيام ببعض تجاوزات التكوين على جميع الخوادم الثلاثة.
$ sudo mkdir /ch/clickhouse
$ sudo chown -R clickhouse /ch/clickhouse
$ sudo mkdir -p /etc/clickhouse-server/conf.d
$ sudo vi /etc/clickhouse-server/conf.d/taxis.confهذه هي تجاوزات التكوين التي سأستخدمها.
<?xml version="1.0"?>
<yandex>
<listen_host>0.0.0.0</listen_host>
<path>/ch/clickhouse/</path>
<remote_servers>
<perftest_3shards>
<shard>
<replica>
<host>172.30.2.192</host>
<port>9000</port>
</replica>
</shard>
<shard>
<replica>
<host>172.30.2.162</host>
<port>9000</port>
</replica>
</shard>
<shard>
<replica>
<host>172.30.2.36</host>
<port>9000</port>
</replica>
</shard>
</perftest_3shards>
</remote_servers> <zookeeper-servers>
<node>
<host>172.30.2.192</host>
<port>2181</port>
</node>
<node>
<host>172.30.2.162</host>
<port>2181</port>
</node>
<node>
<host>172.30.2.36</host>
<port>2181</port>
</node>
</zookeeper-servers> <macros>
<shard>03</shard>
<replica>01</replica>
</macros>
</yandex>ثم سأبدأ ZooKeeper وخادم ClickHouse على جميع الأجهزة الثلاثة.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startتحميل البيانات إلى ClickHouse
في الخادم الأول ، سأقوم بإنشاء جدول رحلة (trips) التي ستخزن مجموعة بيانات خاصة بركوب سيارات الأجرة باستخدام محرك السجل.
$ clickhouse-client --host=0.0.0.0
CREATE TABLE trips (
trip_id UInt32,
vendor_id String,
pickup_datetime DateTime,
dropoff_datetime Nullable(DateTime),
store_and_fwd_flag Nullable(FixedString(1)),
rate_code_id Nullable(UInt8),
pickup_longitude Nullable(Float64),
pickup_latitude Nullable(Float64),
dropoff_longitude Nullable(Float64),
dropoff_latitude Nullable(Float64),
passenger_count Nullable(UInt8),
trip_distance Nullable(Float64),
fare_amount Nullable(Float32),
extra Nullable(Float32),
mta_tax Nullable(Float32),
tip_amount Nullable(Float32),
tolls_amount Nullable(Float32),
ehail_fee Nullable(Float32),
improvement_surcharge Nullable(Float32),
total_amount Nullable(Float32),
payment_type Nullable(String),
trip_type Nullable(UInt8),
pickup Nullable(String),
dropoff Nullable(String),
cab_type Nullable(String),
precipitation Nullable(Int8),
snow_depth Nullable(Int8),
snowfall Nullable(Int8),
max_temperature Nullable(Int8),
min_temperature Nullable(Int8),
average_wind_speed Nullable(Int8),
pickup_nyct2010_gid Nullable(Int8),
pickup_ctlabel Nullable(String),
pickup_borocode Nullable(Int8),
pickup_boroname Nullable(String),
pickup_ct2010 Nullable(String),
pickup_boroct2010 Nullable(String),
pickup_cdeligibil Nullable(FixedString(1)),
pickup_ntacode Nullable(String),
pickup_ntaname Nullable(String),
pickup_puma Nullable(String),
dropoff_nyct2010_gid Nullable(UInt8),
dropoff_ctlabel Nullable(String),
dropoff_borocode Nullable(UInt8),
dropoff_boroname Nullable(String),
dropoff_ct2010 Nullable(String),
dropoff_boroct2010 Nullable(String),
dropoff_cdeligibil Nullable(String),
dropoff_ntacode Nullable(String),
dropoff_ntaname Nullable(String),
dropoff_puma Nullable(String)
) ENGINE = Log;
بعد ذلك ، أقوم بفك وتحميل كل ملف من ملفات CSV في جدول رحلة (trips). يتم إكمال ما يلي في 55 دقيقة و 10 ثوانٍ. بعد هذه العملية ، كان حجم دليل البيانات 134 جيجا بايت.
$ time (for FILENAME in /ch/csv/trips_x*.csv.gz; do
echo $FILENAME
gunzip -c $FILENAME |
clickhouse-client
--host=0.0.0.0
--query="INSERT INTO trips FORMAT CSV"
done)كانت سرعة الاستيراد 155 ميجابايت من محتوى CSV غير المضغوط في الثانية. أظن أن هذا كان بسبب عنق الزجاجة في إزالة ضغط GZIP. ربما كان من الأسرع فك ضغط جميع ملفات gzip بالتوازي باستخدام xargs ثم تنزيل البيانات التي تم فك ضغطها. يوجد أدناه وصف لما تم الإبلاغ عنه أثناء عملية استيراد ملف CSV.
$ sudo glancesip-172-30-2-200 (Ubuntu 16.04 64bit / Linux 4.4.0-1072-aws) Uptime: 0:11:42
CPU 8.2% nice: 0.0% LOAD 36-core MEM 9.8% active: 5.20G SWAP 0.0%
user: 6.0% irq: 0.0% 1 min: 2.24 total: 68.7G inactive: 61.0G total: 0
system: 0.9% iowait: 1.3% 5 min: 1.83 used: 6.71G buffers: 66.4M used: 0
idle: 91.8% steal: 0.0% 15 min: 1.01 free: 62.0G cached: 61.6G free: 0
NETWORK Rx/s Tx/s TASKS 370 (507 thr), 2 run, 368 slp, 0 oth sorted automatically by cpu_percent, flat view
ens5 136b 2Kb
lo 343Mb 343Mb CPU% MEM% VIRT RES PID USER NI S TIME+ IOR/s IOW/s Command
100.4 1.5 1.65G 1.06G 9909 ubuntu 0 S 1:01.33 0 0 clickhouse-client --host=0.0.0.0 --query=INSERT INTO trips FORMAT CSV
DISK I/O R/s W/s 85.1 0.0 4.65M 708K 9908 ubuntu 0 R 0:50.60 32M 0 gzip -d -c /ch/csv/trips_xac.csv.gz
loop0 0 0 54.9 5.1 8.14G 3.49G 8091 clickhous 0 S 1:44.23 0 45M /usr/bin/clickhouse-server --config=/etc/clickhouse-server/config.xml
loop1 0 0 4.5 0.0 0 0 319 root 0 S 0:07.50 1K 0 kworker/u72:2
nvme0n1 0 3K 2.3 0.0 91.1M 28.9M 9912 root 0 R 0:01.56 0 0 /usr/bin/python3 /usr/bin/glances
nvme0n1p1 0 3K 0.3 0.0 0 0 960 root -20 S 0:00.10 0 0 kworker/28:1H
nvme1n1 32.1M 495M 0.3 0.0 0 0 1058 root -20 S 0:00.90 0 0 kworker/23:1Hسأحرر مساحة على محرك NVMe عن طريق حذف ملفات CSV الأصلية قبل المتابعة.
$ sudo rm -fr /ch/csvتحويل إلى شكل عمود
سيقوم محرك Log ClickHouse بتخزين البيانات بتنسيق موجه نحو السلسلة. للاستعلام عن البيانات بشكل أسرع ، أقوم بتحويلها إلى تنسيق عمود باستخدام محرك MergeTree.
$ clickhouse-client --host=0.0.0.0يتم إكمال ما يلي في 34 دقيقة و 50 ثانية. بعد هذه العملية ، كان حجم دليل البيانات 237 جيجابايت.
CREATE TABLE trips_mergetree
ENGINE = MergeTree(pickup_date, pickup_datetime, 8192)
AS SELECT
trip_id,
CAST(vendor_id AS Enum8('1' = 1,
'2' = 2,
'CMT' = 3,
'VTS' = 4,
'DDS' = 5,
'B02512' = 10,
'B02598' = 11,
'B02617' = 12,
'B02682' = 13,
'B02764' = 14)) AS vendor_id,
toDate(pickup_datetime) AS pickup_date,
ifNull(pickup_datetime, toDateTime(0)) AS pickup_datetime,
toDate(dropoff_datetime) AS dropoff_date,
ifNull(dropoff_datetime, toDateTime(0)) AS dropoff_datetime,
assumeNotNull(store_and_fwd_flag) AS store_and_fwd_flag,
assumeNotNull(rate_code_id) AS rate_code_id,
assumeNotNull(pickup_longitude) AS pickup_longitude,
assumeNotNull(pickup_latitude) AS pickup_latitude,
assumeNotNull(dropoff_longitude) AS dropoff_longitude,
assumeNotNull(dropoff_latitude) AS dropoff_latitude,
assumeNotNull(passenger_count) AS passenger_count,
assumeNotNull(trip_distance) AS trip_distance,
assumeNotNull(fare_amount) AS fare_amount,
assumeNotNull(extra) AS extra,
assumeNotNull(mta_tax) AS mta_tax,
assumeNotNull(tip_amount) AS tip_amount,
assumeNotNull(tolls_amount) AS tolls_amount,
assumeNotNull(ehail_fee) AS ehail_fee,
assumeNotNull(improvement_surcharge) AS improvement_surcharge,
assumeNotNull(total_amount) AS total_amount,
assumeNotNull(payment_type) AS payment_type_,
assumeNotNull(trip_type) AS trip_type,
pickup AS pickup,
pickup AS dropoff,
CAST(assumeNotNull(cab_type)
AS Enum8('yellow' = 1, 'green' = 2))
AS cab_type,
precipitation AS precipitation,
snow_depth AS snow_depth,
snowfall AS snowfall,
max_temperature AS max_temperature,
min_temperature AS min_temperature,
average_wind_speed AS average_wind_speed,
pickup_nyct2010_gid AS pickup_nyct2010_gid,
pickup_ctlabel AS pickup_ctlabel,
pickup_borocode AS pickup_borocode,
pickup_boroname AS pickup_boroname,
pickup_ct2010 AS pickup_ct2010,
pickup_boroct2010 AS pickup_boroct2010,
pickup_cdeligibil AS pickup_cdeligibil,
pickup_ntacode AS pickup_ntacode,
pickup_ntaname AS pickup_ntaname,
pickup_puma AS pickup_puma,
dropoff_nyct2010_gid AS dropoff_nyct2010_gid,
dropoff_ctlabel AS dropoff_ctlabel,
dropoff_borocode AS dropoff_borocode,
dropoff_boroname AS dropoff_boroname,
dropoff_ct2010 AS dropoff_ct2010,
dropoff_boroct2010 AS dropoff_boroct2010,
dropoff_cdeligibil AS dropoff_cdeligibil,
dropoff_ntacode AS dropoff_ntacode,
dropoff_ntaname AS dropoff_ntaname,
dropoff_puma AS dropoff_puma
FROM trips;هذا ما بدا عليه إخراج النظرة أثناء العملية:
ip-172-30-2-200 (Ubuntu 16.04 64bit / Linux 4.4.0-1072-aws) Uptime: 1:06:09
CPU 10.3% nice: 0.0% LOAD 36-core MEM 16.1% active: 13.3G SWAP 0.0%
user: 7.9% irq: 0.0% 1 min: 1.87 total: 68.7G inactive: 52.8G total: 0
system: 1.6% iowait: 0.8% 5 min: 1.76 used: 11.1G buffers: 71.8M used: 0
idle: 89.7% steal: 0.0% 15 min: 1.95 free: 57.6G cached: 57.2G free: 0
NETWORK Rx/s Tx/s TASKS 367 (523 thr), 1 run, 366 slp, 0 oth sorted automatically by cpu_percent, flat view
ens5 1Kb 8Kb
lo 2Kb 2Kb CPU% MEM% VIRT RES PID USER NI S TIME+ IOR/s IOW/s Command
241.9 12.8 20.7G 8.78G 8091 clickhous 0 S 30:36.73 34M 125M /usr/bin/clickhouse-server --config=/etc/clickhouse-server/config.xml
DISK I/O R/s W/s 2.6 0.0 90.4M 28.3M 9948 root 0 R 1:18.53 0 0 /usr/bin/python3 /usr/bin/glances
loop0 0 0 1.3 0.0 0 0 203 root 0 S 0:09.82 0 0 kswapd0
loop1 0 0 0.3 0.1 315M 61.3M 15701 ubuntu 0 S 0:00.40 0 0 clickhouse-client --host=0.0.0.0
nvme0n1 0 3K 0.3 0.0 0 0 7 root 0 S 0:00.83 0 0 rcu_sched
nvme0n1p1 0 3K 0.0 0.0 0 0 142 root 0 S 0:00.22 0 0 migration/27
nvme1n1 25.8M 330M 0.0 0.0 59.7M 1.79M 2764 ubuntu 0 S 0:00.00 0 0 (sd-pam)في الاختبار الأخير ، تم تحويل عدة أعمدة وإعادة حسابها. لقد وجدت أن بعض هذه الوظائف لم تعد تعمل بشكل صحيح في مجموعة البيانات هذه. لحل هذه المشكلة ، قمت بإزالة الوظائف غير المناسبة وقمت بتحميل البيانات دون التحويل إلى أنواع أكثر دقة.
توزيع البيانات العنقودية
سأقوم بتوزيع البيانات عبر جميع العقد العنقودية الثلاثة. للبدء ، سأقوم أدناه بإنشاء جدول على الأجهزة الثلاثة.
$ clickhouse-client --host=0.0.0.0CREATE TABLE trips_mergetree_third (
trip_id UInt32,
vendor_id String,
pickup_date Date,
pickup_datetime DateTime,
dropoff_date Date,
dropoff_datetime Nullable(DateTime),
store_and_fwd_flag Nullable(FixedString(1)),
rate_code_id Nullable(UInt8),
pickup_longitude Nullable(Float64),
pickup_latitude Nullable(Float64),
dropoff_longitude Nullable(Float64),
dropoff_latitude Nullable(Float64),
passenger_count Nullable(UInt8),
trip_distance Nullable(Float64),
fare_amount Nullable(Float32),
extra Nullable(Float32),
mta_tax Nullable(Float32),
tip_amount Nullable(Float32),
tolls_amount Nullable(Float32),
ehail_fee Nullable(Float32),
improvement_surcharge Nullable(Float32),
total_amount Nullable(Float32),
payment_type Nullable(String),
trip_type Nullable(UInt8),
pickup Nullable(String),
dropoff Nullable(String),
cab_type Nullable(String),
precipitation Nullable(Int8),
snow_depth Nullable(Int8),
snowfall Nullable(Int8),
max_temperature Nullable(Int8),
min_temperature Nullable(Int8),
average_wind_speed Nullable(Int8),
pickup_nyct2010_gid Nullable(Int8),
pickup_ctlabel Nullable(String),
pickup_borocode Nullable(Int8),
pickup_boroname Nullable(String),
pickup_ct2010 Nullable(String),
pickup_boroct2010 Nullable(String),
pickup_cdeligibil Nullable(FixedString(1)),
pickup_ntacode Nullable(String),
pickup_ntaname Nullable(String),
pickup_puma Nullable(String),
dropoff_nyct2010_gid Nullable(UInt8),
dropoff_ctlabel Nullable(String),
dropoff_borocode Nullable(UInt8),
dropoff_boroname Nullable(String),
dropoff_ct2010 Nullable(String),
dropoff_boroct2010 Nullable(String),
dropoff_cdeligibil Nullable(String),
dropoff_ntacode Nullable(String),
dropoff_ntaname Nullable(String),
dropoff_puma Nullable(String)
) ENGINE = MergeTree(pickup_date, pickup_datetime, 8192);ثم سأتأكد من أن الخادم الأول يمكنه رؤية جميع العقد الثلاثة في المجموعة.
SELECT *
FROM system.clusters
WHERE cluster = 'perftest_3shards'
FORMAT Vertical;Row 1:
──────
cluster: perftest_3shards
shard_num: 1
shard_weight: 1
replica_num: 1
host_name: 172.30.2.192
host_address: 172.30.2.192
port: 9000
is_local: 1
user: default
default_database:Row 2:
──────
cluster: perftest_3shards
shard_num: 2
shard_weight: 1
replica_num: 1
host_name: 172.30.2.162
host_address: 172.30.2.162
port: 9000
is_local: 0
user: default
default_database:Row 3:
──────
cluster: perftest_3shards
shard_num: 3
shard_weight: 1
replica_num: 1
host_name: 172.30.2.36
host_address: 172.30.2.36
port: 9000
is_local: 0
user: default
default_database:
ثم سأحدد جدولًا جديدًا على الخادم الأول والذي يعتمد على المخطط trips_mergetree_third ويستخدم المحرك الموزع.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());ثم سأقوم بنسخ البيانات من الجدول القائم على MergeTree إلى جميع الخوادم الثلاثة. يتم إكمال ما يلي في 34 دقيقة و 44 ثانية.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;بعد العملية المذكورة أعلاه ، أعطيت ClickHouse 15 دقيقة لتجاوز علامة التخزين القصوى. انتهى الأمر بأدلة البيانات إلى 264 غيغابايت و 34 غيغابايت و 33 غيغابايت على التوالي على كل من الخوادم الثلاثة.
تقييم أداء مجموعة ClickHouse
ما رأيته بعد ذلك كان أسرع وقت رأيته عند تشغيل كل استعلام عدة مرات على طاولة trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0يتم إكمال ما يلي في 2.449 ثانية.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;يتم إكمال ما يلي في 0.691 ثانية.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;يتم تنفيذ ما يلي في 0 ثانية.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;يتم إكمال ما يلي في 0.983 ثانية.
SELECT passenger_count,
toYear(pickup_date) AS year,
round(trip_distance) AS distance,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year,
distance
ORDER BY year,
count(*) DESC;للمقارنة ، قمت بتشغيل نفس الاستعلامات على جدول قائم على MergeTree والذي يوجد حصريًا على الخادم الأول.
تقييم أداء عقدة واحدة ClickHouse
ما رأيته بعد ذلك كان أسرع وقت رأيته عند تشغيل كل استعلام عدة مرات على طاولة trips_mergetree_x3.
يتم إكمال ما يلي في 0.241 ثانية.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;يتم إكمال ما يلي في 0.826 ثانية.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;يتم إكمال ما يلي في 1.209 ثانية.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;يتم إكمال ما يلي في 1.781 ثانية.
SELECT passenger_count,
toYear(pickup_date) AS year,
round(trip_distance) AS distance,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year,
distance
ORDER BY year,
count(*) DESC;تأملات في النتائج
هذه هي المرة الأولى التي تتمكن فيها قاعدة البيانات المجانية المستندة إلى وحدة المعالجة المركزية من التفوق في الأداء على قاعدة البيانات المستندة إلى وحدة معالجة الرسومات في اختباراتي. خضعت قاعدة البيانات المستندة إلى وحدة معالجة الرسومات إلى مراجعتين ، ولكن لا يزال الأداء الذي أظهره ClickHouse على عقدة واحدة مثيرًا للإعجاب.
في الوقت نفسه ، عندما يتم تنفيذ الاستعلام 1 على محرك موزع ، فإن التكاليف العامة تكون بترتيب أعلى من حيث الحجم. آمل أن أكون قد فاتني شيئًا ما في بحثي عن هذا المنشور ، لأنه سيكون من الجيد رؤية أوقات الاستعلام تنخفض حيث أقوم بإضافة المزيد من العقد إلى المجموعة. ومع ذلك ، من اللافت للنظر أنه عند تنفيذ استعلامات أخرى ، زاد الأداء بنحو ضعفين.
سيكون من الرائع أن تتطور ClickHouse في اتجاه القدرة على فصل التخزين والحساب حتى يتمكنوا من القياس بشكل مستقل. قد يكون دعم HDFS ، الذي تمت إضافته العام الماضي ، خطوة نحو ذلك. فيما يتعلق بالحوسبة ، إذا كان من الممكن تسريع استعلام واحد عن طريق إضافة المزيد من العقد إلى المجموعة ، فسيكون مستقبل هذا البرنامج مشرقًا للغاية.
شكرا لأخذ الوقت لقراءة هذا المقال. أقدم خدمات الاستشارات والهندسة المعمارية والتطوير العملي للعملاء في أمريكا الشمالية وأوروبا. إذا كنت ترغب في مناقشة كيف يمكن أن تساعد اقتراحاتي عملك ، فيرجى الاتصال بي من خلال .
المصدر: www.habr.com