Ang paghubad sa artikulo espesipikong giandam alang sa mga estudyante sa kurso .
kay usa ka open source columnar database. Kini usa ka maayo nga palibot diin ang gatusan nga mga analista dali nga makapangutana sa detalyado nga datos, bisan kung napulo ka bilyon nga bag-ong mga rekord ang gisulod matag adlaw. Ang mga gasto sa imprastraktura aron suportahan ang ingon nga sistema mahimoβg ingon ka taas sa $100 matag tuig, ug mahimoβg katunga nga depende sa paggamit. Sa usa ka punto, ang pag-instalar sa ClickHouse gikan sa Yandex Metrica adunay 10 trilyon nga mga rekord. Dugang sa Yandex, ang ClickHouse nakakaplag usab og kalampusan sa Bloomberg ug Cloudflare.
Duha ka tuig ang milabay akong gigugol mga database gamit ang usa ka makina, ug nahimo kini libre nga database software nga akong nakita. Sukad niadto, ang mga developers nagpadayon sa pagdugang sa mga bahin, lakip ang suporta alang sa Kafka, HDFS ug ZStandard compression. Sa miaging tuig sila midugang suporta alang sa cascading compression mga pamaagi, ug coding nahimong posible. Kung gi-compress ang data sa serye sa oras, ang mga kantidad sa gauge mahimong ma-compress nga maayo gamit ang delta encoding, apan alang sa mga counter mas maayo nga gamiton ang delta-by-delta encoding. Ang maayo nga compression nahimong yawe sa pasundayag sa ClickHouse.
Ang ClickHouse naglangkob sa 170 ka libo nga linya sa C ++ code, wala'y labot ang mga librarya sa ikatulo nga partido, ug usa sa pinakagamay nga gipang-apod-apod nga database codebases. Sa pagtandi, ang SQLite wala mosuporta sa pag-apod-apod ug naglangkob sa 235 ka libo nga mga linya sa C code. Sa pagsulat niini, 207 ka mga inhenyero ang nakatampo sa ClickHouse, ug ang intensity sa commits nagkadaghan bag-o lang.
Niadtong Marso 2017, ang ClickHouse nagsugod sa pagpahigayon isip usa ka sayon ββnga paagi sa pagsubay sa kalamboan. Gibungkag usab nila ang monolithic documentation file ngadto sa Markdown-based file hierarchy. Ang mga isyu ug mga bahin gisubay pinaagi sa GitHub, ug sa kinatibuk-an ang software nahimong mas daling ma-access sa miaging pipila ka tuig.
Niini nga artikulo, akong tan-awon ang pasundayag sa usa ka ClickHouse cluster sa AWS EC2 gamit ang 36-core nga mga processor ug NVMe storage.
PAG-UPDATE: Usa ka semana human sa orihinal nga pagmantala niini nga post, akong gipadagan ang pagsulay nga adunay mas maayo nga configuration ug nakab-ot ang mas maayo nga mga resulta. Kini nga post gi-update aron ipakita kini nga mga pagbag-o.
Paglunsad og AWS EC2 Cluster
Maggamit ako og tulo ka c5d.9xlarge EC2 nga mga higayon alang niini nga post. Ang matag usa niini naglangkob sa 36 virtual nga CPU, 72 GB sa RAM, 900 GB sa NVMe SSD storage ug nagsuporta sa 10 Gigabit network. Nagkantidad kini og $1,962/oras matag usa sa eu-west-1 nga rehiyon kung nagdagan sa panginahanglan. Gamiton nako ang Ubuntu Server 16.04 LTS isip operating system.
Ang firewall gi-configure aron ang matag makina makakomunikar sa usag usa nga walay mga pagdili, ug ang akong IPv4 address ra ang gi-whitelist sa SSH sa cluster.
Ang NVMe drive sa kahimtang sa pagkaandam sa operasyon
Para magtrabaho ang ClickHouse, maghimo ko og file system sa EXT4 format sa NVMe drive sa matag server.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chKung ma-configure na ang tanan, makita nimo ang mount point ug ang 783 GB nga espasyo nga magamit sa matag sistema.
$ 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
ββnvme0n1p1 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% /chAng dataset nga akong gamiton niini nga pagsulay usa ka data dump nga akong namugna gikan sa 1.1 ka bilyon nga pagsakay sa taxi nga gikuha sa New York City sulod sa unom ka tuig. Sa blog mga detalye kung giunsa nako pagkolekta kini nga set sa datos. Gitipigan sila sa AWS S3, mao nga akong i-configure ang AWS CLI gamit ang akong pag-access ug sekreto nga mga yawe.
$ sudo apt update
$ sudo apt install awscli
$ aws configureAkong ibutang ang dungan nga hangyo sa kliyente ngadto sa 100 aron ang mga file mas paspas nga ma-download kaysa sa default settings.
$ aws configure set
default.s3.max_concurrent_requests
100I-download nako ang mga datos sa pagsakay sa taxi gikan sa AWS S3 ug ibutang kini sa usa ka NVMe drive sa unang server. Kini nga dataset kay ~104GB sa GZIP-compressed CSV format.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvPag-instalar sa ClickHouse
Akong i-install ang OpenJDK distribution para sa Java 8 kay gikinahanglan kini sa pagpadagan sa Apache ZooKeeper, nga gikinahanglan para sa usa ka distributed installation sa ClickHouse sa tanang tulo ka makina.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Dayon akong gibutang ang environment variable JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileGamiton nako ang sistema sa pagdumala sa pakete sa Ubuntu aron i-install ang ClickHouse 18.16.1, glances ug ZooKeeper sa tanan nga tulo ka mga makina.
$ 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
zookeeperdMaghimo ako usa ka direktoryo alang sa ClickHouse ug maghimo usab pipila nga mga pag-override sa pagsumpo sa tanan nga tulo nga mga server.
$ 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.confKini ang mga pag-override sa configuration nga akong gamiton.
<?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>Ako dayon modagan ZooKeeper ug ang ClickHouse server sa tanan nga tulo ka mga makina.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startPag-upload sa datos sa ClickHouse
Sa unang server maghimo ko og trip table (trips), nga magtipig ug dataset sa mga biyahe sa taxi gamit ang Log engine.
$ 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;
Gikuha ug gikarga nako ang matag usa sa mga file sa CSV sa usa ka lamesa sa pagbiyahe (trips). Ang mosunod nahuman sa 55 minutos ug 10 segundos. Pagkahuman niini nga operasyon, ang gidak-on sa direktoryo sa datos mao ang 134 GB.
$ 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)Ang gikusgon sa pag-import kay 155 MB sa wala ma-compress nga CSV content kada segundo. Nagduda ko nga kini tungod sa usa ka bottleneck sa GZIP decompression. Mahimo nga mas paspas ang pag-unzip sa tanan nga gzip nga mga file nga parehas gamit ang xargs ug dayon i-load ang na-unzip nga datos. Sa ubos usa ka paghulagway kung unsa ang gitaho sa panahon sa proseso sa pag-import sa 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/23:1HAkong buhian ang luna sa NVMe drive pinaagi sa pagtangtang sa orihinal nga mga file sa CSV sa dili pa magpadayon.
$ sudo rm -fr /ch/csvI-convert ngadto sa Column Form
Ang Log ClickHouse nga makina magtipig sa datos sa usa ka row-oriented nga format. Aron mas paspas ang pagpangutana sa datos, gi-convert nako kini sa columnar format gamit ang MergeTree engine.
$ clickhouse-client --host=0.0.0.0Ang mosunod nahuman sa 34 minutos ug 50 segundos. Pagkahuman niini nga operasyon, ang gidak-on sa direktoryo sa datos mao ang 237 GB.
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;Mao kini ang hitsura sa tan-aw nga output sa panahon sa operasyon:
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)Sa katapusang pagsulay, daghang mga kolum ang nakabig ug gikalkula pag-usab. Akong nahibal-an nga ang pipila niini nga mga gimbuhaton dili na molihok sama sa gipaabut sa kini nga dataset. Aron masulbad kini nga problema, akong gitangtang ang dili angay nga mga gimbuhaton ug gikarga ang datos nga wala magbag-o sa labi ka daghang mga tipo.
Pag-apod-apod sa datos sa tibuok cluster
Ipang-apod-apod nako ang datos sa tanan nga tulo nga mga cluster node. Sa pagsugod, sa ubos maghimo ako usa ka lamesa sa tanan nga tulo nga mga makina.
$ 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);Dayon akong siguroon nga ang unang server makakita sa tanang tulo ka mga node sa cluster.
SELECT *
FROM system.clusters
WHERE cluster = 'perftest_3shards'
FORMAT Vertical;Row 1:
ββββββ
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:
ββββββ
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:
ββββββ
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:
Dayon akong ipasabut ang usa ka bag-ong lamesa sa unang server nga gibase sa schema trips_mergetree_third ug naggamit sa Distributed nga makina.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Akong kopyahon ang datos gikan sa MergeTree base nga lamesa sa tanan nga tulo ka mga server. Ang mosunod nahuman sulod sa 34 minutos ug 44 segundos.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Pagkahuman sa operasyon sa ibabaw, gihatagan nako ang ClickHouse 15 minuto aron mapalayo gikan sa labing taas nga marka sa lebel sa pagtipig. Ang mga direktoryo sa datos nahimong 264 GB, 34 GB ug 33 GB matag usa sa matag usa sa tulo ka mga server.
ClickHouse cluster performance evaluation
Ang sunod nakong nakita mao ang pinakapaspas nga panahon nga akong nakita nga nagpadagan sa matag pangutana sa usa ka lamesa sa makadaghang higayon trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0Ang mosunod nahuman sa 2.449 segundos.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;Ang mosunod nahuman sa 0.691 segundos.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;Ang mosunod nahuman sa 0 ka segundo.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;Ang mosunod nahuman sa 0.983 segundos.
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;Alang sa pagtandi, gipadagan nako ang parehas nga mga pangutana sa usa ka lamesa nga nakabase sa MergeTree nga nagpuyo ra sa una nga server.
Pag-evaluate sa performance sa usa ka ClickHouse node
Ang sunod nakong nakita mao ang pinakapaspas nga panahon nga akong nakita nga nagpadagan sa matag pangutana sa usa ka lamesa sa makadaghang higayon trips_mergetree_x3.
Ang mosunod nahuman sa 0.241 segundos.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;Ang mosunod nahuman sa 0.826 segundos.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;Ang mosunod nahuman sa 1.209 segundos.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;Ang mosunod nahuman sa 1.781 segundos.
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;Mga pagpamalandong sa mga resulta
Kini ang una nga higayon nga ang usa ka libre nga database nga nakabase sa CPU nakahimo nga labaw sa usa ka database nga nakabase sa GPU sa akong mga pagsulay. Kana nga database nga nakabase sa GPU nakaagi sa duha nga mga pagbag-o sukad niadto, apan ang pasundayag nga gihatag sa ClickHouse sa usa ka node bisan pa nga makapahingangha.
Sa parehas nga oras, kung gipatuman ang Query 1 sa usa ka gipang-apod-apod nga makina, ang mga gasto sa overhead usa ka order sa kadako nga mas taas. Nanghinaut ko nga adunay akong gimingaw sa akong panukiduki alang niini nga post tungod kay nindot tan-awon ang mga oras sa pangutana nga moubos samtang nagdugang ako og daghang mga node sa cluster. Bisan pa, maayo nga kung nagpatuman sa ubang mga pangutana, ang pasundayag nagdugang mga 2 ka beses.
Nindot nga tan-awon ang ClickHouse nga nagbag-o padulong sa pagbulag sa pagtipig ug pag-compute aron mahimo silang mag-scale nga independente. Ang suporta sa HDFS, nga gidugang sa miaging tuig, mahimong usa ka lakang padulong niini. Sa termino sa pag-compute, kung ang usa ka pangutana mahimong mapadali pinaagi sa pagdugang sa daghang mga node sa cluster, nan ang kaugmaon niini nga software hayag kaayo.
Salamat sa paggahin ug oras sa pagbasa ani nga post. Nagtanyag ako mga serbisyo sa pagkonsulta, arkitektura, ug pagpauswag sa praktis sa mga kliyente sa North America ug Europe. Kung gusto nimong hisgutan kung giunsa ang akong mga sugyot makatabang sa imong negosyo, palihug kontaka ako pinaagi sa .
Source: www.habr.com