Məqalənin tərcüməsi kursun tələbələri üçün xüsusi hazırlanmışdır .
açıq mənbə sütunlu verilənlər bazasıdır. Bu, gündə on milyardlarla yeni qeydlər daxil edilərkən belə, yüzlərlə analitikin məlumatları tez bir zamanda araşdıra biləcəyi əla mühitdir. Belə bir sistemi dəstəkləmək üçün infrastruktur xərcləri, istifadədən asılı olaraq ildə 100 dollara qədər və potensial olaraq bunun yarısı ola bilər. Bir anda Yandex Metrica-dan ClickHouse quraşdırması 10 trilyon qeyddən ibarət idi. Yandex-dən başqa ClickHouse Bloomberg və Cloudflare ilə də uğur qazanıb.
İki il əvvəl sərf etdim bir maşın istifadə edərək verilənlər bazası və bu oldu indiyə qədər gördüyüm pulsuz verilənlər bazası proqramı. O vaxtdan bəri tərtibatçılar Kafka, HDFS və ZStandard sıxılma dəstəyi daxil olmaqla funksiyalar əlavə etməyi dayandırmadılar. Keçən il onlar kaskad sıxılma üsullarına dəstək əlavə etdilər və kodlaşdırma mümkün oldu. Zaman seriyası məlumatlarını sıxarkən, ölçü dəyərləri delta kodlaşdırma ilə yaxşı sıxışdıra bilər, lakin sayğaclar üçün deltadan delta kodlaşdırması daha yaxşı olardı. Yaxşı sıxılma ClickHouse performansının açarına çevrildi.
ClickHouse üçüncü tərəf kitabxanaları istisna olmaqla 170k C++ kodundan ibarətdir və paylanmış verilənlər bazaları üçün ən kiçik kod bazalarından biridir. Müqayisə üçün qeyd edək ki, SQLite paylanmağı dəstəkləmir və 235 sətir C kodundan ibarətdir.Bu yazının yazıldığı vaxt ClickHouse-a 207 mühəndis töhfə verib və son vaxtlar öhdəliyin dərəcəsi artır.
2017-ci ilin mart ayında ClickHouse fəaliyyətə başladı inkişafı izləməyin asan yolu kimi. Onlar həmçinin monolit sənədləşdirmə faylını Markdown əsaslı fayl iyerarxiyasına böldülər. Problemlər və xüsusiyyətlər GitHub vasitəsilə izlənilir və ümumilikdə bu proqram son bir neçə ildə daha əlçatan olub.
Bu yazıda mən 2 nüvəli prosessorlardan və NVMe yaddaşdan istifadə edərək AWS EC36-də ClickHouse klasterinin performansına nəzər salacağam.
YENİLƏNİB: Bu yazının ilkin dərcindən bir həftə sonra təkmilləşdirilmiş konfiqurasiya ilə testi yenidən keçirdim və daha yaxşı nəticələr əldə etdim. Bu yazı bu dəyişiklikləri əks etdirmək üçün yeniləndi.
AWS EC2 Klasterinin işlədilməsi
Bu yazı üçün üç c5d.9xlarge EC2 instansiyasından istifadə edəcəyəm. Onların hər birində 36 vCPU, 72 GB RAM, 900 GB NVMe SSD yaddaş var və 10 Gigabit şəbəkəni dəstəkləyir. Eu-west-1,962-də tələb olunduğu zaman onların hər biri saatda 1 dollara başa gəlir. Mən əməliyyat sistemim kimi Ubuntu Server 16.04 LTS-dən istifadə edəcəyəm.
Firewall elə qurulub ki, hər bir maşın bir-biri ilə məhdudiyyətsiz əlaqə saxlaya bilsin və yalnız mənim IPv4 ünvanım klasterdə SSH tərəfindən ağ siyahıya salınıb.
NVMe sürücüsü əməliyyata hazırdır
ClickHouse-un işləməsi üçün mən serverlərin hər birində NVMe sürücüsündə EXT4 fayl sistemi yaradacağam.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chHər şey qurulduqdan sonra siz quraşdırma nöqtəsini və hər sistemdə mövcud olan 783 GB boş yeri görə bilərsiniz.
$ 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% /chBu testdə istifadə edəcəyim məlumat dəsti, altı il ərzində Nyu Yorkda edilən 1.1 milyard taksi səfərindən əldə etdiyim məlumat zibilidir. Bloq bu məlumat dəstini necə topladığımı təfərrüatlandırır. Onlar AWS S3-də saxlanılır, ona görə də mən giriş və gizli açarlarımla AWS CLI-ni quraşdıracağam.
$ sudo apt update
$ sudo apt install awscli
$ aws configureMüştərinin paralel sorğu limitini 100-ə təyin edəcəyəm ki, fayllar standart parametrlərdən daha sürətli yüklənsin.
$ aws configure set
default.s3.max_concurrent_requests
100Mən taksi səyahəti məlumat dəstini AWS S3-dən endirəcəyəm və onu birinci serverdə NVMe sürücüsündə saxlayacağam. Bu məlumat dəsti GZIP sıxılmış CSV formatında ~104 GB-dır.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvClickHouse quraşdırılması
Mən Java 8 üçün OpenJDK paylanmasını quraşdıracağam, çünki hər üç maşında paylanmış ClickHouse quraşdırılması üçün tələb olunan Apache ZooKeeper-i işə salmaq tələb olunur.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Sonra mühit dəyişənini təyin etdim JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileMən sonra hər üç maşında ClickHouse 18.16.1, baxışlar və ZooKeeper quraşdırmaq üçün Ubuntu paket idarəetmə sistemindən istifadə edəcəyəm.
$ 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
zookeeperdMən ClickHouse üçün kataloq yaradacağam və həmçinin hər üç serverdə bəzi konfiqurasiyaları ləğv edəcəyəm.
$ 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.confBunlar mənim istifadə edəcəyim konfiqurasiyanın dəyişdirilməsidir.
<?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>Sonra hər üç maşında ZooKeeper və ClickHouse serverini işə salacağam.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startMəlumatların ClickHouse-a yüklənməsi
Birinci serverdə səfər cədvəli yaradacam (trips) Günlük mühərrikindən istifadə edərək taksi gəzintilərinin məlumat dəstini saxlayacaq.
$ 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;
Sonra CSV fayllarının hər birini paketdən çıxarıb səfər cədvəlinə yükləyirəm (trips). Aşağıdakılar 55 dəqiqə 10 saniyə ərzində tamamlanır. Bu əməliyyatdan sonra məlumat kataloqunun ölçüsü 134 GB oldu.
$ 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)İdxal sürəti saniyədə 155 MB sıxılmamış CSV məzmunu idi. Bunun GZIP dekompressiyasındakı darboğazdan qaynaqlandığından şübhələnirəm. Xargs istifadə edərək paralel olaraq bütün gzip fayllarını açmaq və sonra sıxılmış məlumatları yükləmək daha sürətli ola bilərdi. Aşağıda CSV idxal prosesi zamanı bildirilənlərin təsviri verilmişdir.
$ 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/23:1HDavam etməzdən əvvəl orijinal CSV fayllarını silməklə NVMe diskində yer boşaltacağam.
$ sudo rm -fr /ch/csvSütun formasına çevirin
Log ClickHouse mühərriki məlumatları sim yönümlü formatda saxlayacaq. Məlumatları daha sürətli sorğulamaq üçün onu MergeTree mühərrikindən istifadə edərək sütun formatına çevirirəm.
$ clickhouse-client --host=0.0.0.0Aşağıdakılar 34 dəqiqə 50 saniyəyə tamamlanır. Bu əməliyyatdan sonra məlumat kataloqunun ölçüsü 237 GB oldu.
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;Əməliyyat zamanı baxış çıxışı belə görünür:
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)Son sınaqda bir neçə sütun çevrildi və yenidən hesablandı. Bu funksiyaların bəzilərinin artıq bu verilənlər bazasında düzgün işləmədiyini aşkar etdim. Bu problemi həll etmək üçün mən uyğun olmayan funksiyaları sildim və məlumatları daha incə növlərə çevirmədən yüklədim.
Klaster məlumatlarının paylanması
Mən məlumatları hər üç klaster qovşağında paylayacağam. Başlamaq üçün aşağıda hər üç maşında cədvəl yaradacağam.
$ 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);Sonra mən əmin olacağam ki, birinci server klasterdəki hər üç qovşağı görə bilsin.
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:
Sonra ilk serverdə sxemə əsaslanan yeni cədvəl təyin edəcəyəm trips_mergetree_third və Paylanmış mühərrikdən istifadə edir.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Sonra məlumatları MergeTree əsaslı cədvəldən hər üç serverə köçürəcəyəm. Aşağıdakılar 34 dəqiqə 44 saniyəyə tamamlanır.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Yuxarıdakı əməliyyatdan sonra maksimum saxlama işarəsini keçmək üçün ClickHouse-a 15 dəqiqə vaxt verdim. Məlumat qovluqları üç serverin hər birində müvafiq olaraq 264 GB, 34 GB və 33 GB oldu.
ClickHouse Cluster Performans Qiymətləndirilməsi
Sonra gördüklərim, hər bir sorğunu bir masada dəfələrlə yerinə yetirərkən gördüyüm ən sürətli vaxt idi trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0Aşağıdakılar 2.449 saniyəyə tamamlanır.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;Aşağıdakılar 0.691 saniyəyə tamamlanır.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;Aşağıdakılar 0 saniyə ərzində edilir.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;Aşağıdakılar 0.983 saniyəyə tamamlanır.
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;Müqayisə üçün, mən eyni sorğuları yalnız birinci serverdə yerləşən MergeTree əsaslı cədvəldə icra etdim.
Tək node performansının qiymətləndirilməsi ClickHouse
Sonra gördüklərim, hər bir sorğunu bir masada dəfələrlə yerinə yetirərkən gördüyüm ən sürətli vaxt idi trips_mergetree_x3.
Aşağıdakılar 0.241 saniyəyə tamamlanır.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;Aşağıdakılar 0.826 saniyəyə tamamlanır.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;Aşağıdakılar 1.209 saniyəyə tamamlanır.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;Aşağıdakılar 1.781 saniyəyə tamamlanır.
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;Nəticələr üzrə Düşüncələr
İlk dəfədir ki, pulsuz CPU əsaslı verilənlər bazası testlərimdə GPU əsaslı verilənlər bazasını üstələyə bildi. Həmin GPU əsaslı verilənlər bazası o vaxtdan bəri iki düzəlişdən keçdi, lakin yenə də ClickHouse-un tək bir qovşaqda göstərdiyi performans çox təsir edicidir.
Eyni zamanda, Sorğu 1 paylanmış mühərrikdə yerinə yetirildikdə, qaimə məsrəfləri böyük ölçüdə daha yüksək olur. Ümid edirəm ki, bu yazı üçün araşdırmamda nəyisə qaçırdım, çünki çoxluqda daha çox qovşaq əlavə etdikcə sorğu vaxtlarının azaldığını görmək yaxşı olardı. Bununla belə, digər sorğuları yerinə yetirərkən performansın təxminən 2 dəfə artması diqqətəlayiqdir.
Yaxşı olardı ki, ClickHouse müstəqil olaraq miqyas ala bilsinlər ki, yaddaşı ayıra və hesablaya bilsinlər. Keçən il əlavə edilən HDFS-ə dəstək buna doğru bir addım ola bilər. Hesablama baxımından, əgər bir sorğu klasterə daha çox qovşaq əlavə etməklə sürətləndirilə bilərsə, o zaman bu proqram təminatının gələcəyi çox parlaq olacaq.
Bu yazını oxumağa vaxt ayırdığınız üçün təşəkkür edirik. Mən Şimali Amerika və Avropadakı müştərilər üçün konsaltinq, memarlıq və praktik inkişaf xidmətləri təklif edirəm. Təkliflərimin biznesinizə necə kömək edə biləcəyini müzakirə etmək istəyirsinizsə, mənimlə əlaqə saxlayın .
Mənbə: www.habr.com