Paratowyd y cyfieithiad o'r erthygl yn benodol ar gyfer myfyrwyr y cwrs .
yn gronfa ddata golofnog ffynhonnell agored. Mae'n amgylchedd gwych lle gall cannoedd o ddadansoddwyr gwestiynu data manwl yn gyflym, hyd yn oed wrth i ddegau o biliynau o gofnodion newydd gael eu cofnodi bob dydd. Gallai costau seilwaith i gefnogi system o'r fath fod mor uchel â $100 y flwyddyn, ac o bosibl hanner hynny yn dibynnu ar y defnydd. Ar un adeg, roedd gosodiad ClickHouse gan Yandex Metrics yn cynnwys 10 triliwn o gofnodion. Yn ogystal â Yandex, mae ClickHouse hefyd wedi cael llwyddiant gyda Bloomberg a Cloudflare.
Ddwy flynedd yn ôl treuliais i cronfeydd data gan ddefnyddio un peiriant, a daeth yn meddalwedd cronfa ddata am ddim a welais erioed. Ers hynny, nid yw datblygwyr wedi rhoi'r gorau i ychwanegu nodweddion, gan gynnwys cefnogaeth ar gyfer cywasgu Kafka, HDFS a ZStandard. Y llynedd fe wnaethon nhw ychwanegu cefnogaeth ar gyfer dulliau cywasgu rhaeadru, a daeth codio yn bosibl. Wrth gywasgu data cyfres amser, gellir cywasgu gwerthoedd mesurydd yn dda gan ddefnyddio amgodio delta, ond ar gyfer cownteri byddai'n well defnyddio amgodio delta-by-delta. Mae cywasgu da wedi dod yn allweddol i berfformiad ClickHouse.
Mae ClickHouse yn cynnwys 170 mil o linellau o god C ++, ac eithrio llyfrgelloedd trydydd parti, ac mae'n un o'r cronfeydd cod cronfa ddata dosbarthedig lleiaf. Mewn cymhariaeth, nid yw SQLite yn cefnogi dosbarthiad ac mae'n cynnwys 235 mil o linellau o god C. O'r ysgrifennu hwn, mae 207 o beirianwyr wedi cyfrannu at ClickHouse, ac mae dwyster yr ymrwymiadau wedi bod yn cynyddu'n ddiweddar.
Ym mis Mawrth 2017, dechreuodd ClickHouse gynnal fel ffordd hawdd o gadw golwg ar ddatblygiad. Fe wnaethant hefyd dorri'r ffeil ddogfennaeth monolithig yn hierarchaeth ffeiliau yn seiliedig ar Markdown. Mae materion a nodweddion yn cael eu holrhain trwy GitHub, ac yn gyffredinol mae'r feddalwedd wedi dod yn llawer mwy hygyrch yn ystod yr ychydig flynyddoedd diwethaf.
Yn yr erthygl hon, rydw i'n mynd i edrych ar berfformiad clwstwr ClickHouse ar AWS EC2 gan ddefnyddio proseswyr 36-core a storfa NVMe.
DIWEDDARIAD: Wythnos ar ôl cyhoeddi'r post hwn yn wreiddiol, fe wnes i ail-redeg y prawf gyda chyfluniad gwell a chael canlyniadau llawer gwell. Mae'r swydd hon wedi'i diweddaru i adlewyrchu'r newidiadau hyn.
Lansio Clwstwr EC2 AWS
Byddaf yn defnyddio tri achos c5d.9xlarge EC2 ar gyfer y swydd hon. Mae pob un ohonynt yn cynnwys 36 CPUs rhithwir, 72 GB o RAM, 900 GB o storfa NVMe SSD ac yn cefnogi rhwydwaith 10 Gigabit. Maent yn costio $1,962/awr yr un yn rhanbarth eu-gorllewin-1 wrth redeg ar alw. Byddaf yn defnyddio Ubuntu Server 16.04 LTS fel y system weithredu.
Mae'r wal dân wedi'i ffurfweddu fel y gall pob peiriant gyfathrebu â'i gilydd heb gyfyngiadau, a dim ond fy nghyfeiriad IPv4 sydd ar restr wen gan SSH yn y clwstwr.
Gyriant NVMe mewn cyflwr parodrwydd gweithredol
Er mwyn i ClickHouse weithio, byddaf yn creu system ffeiliau yn y fformat EXT4 ar yriant NVMe ar bob un o'r gweinyddwyr.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chUnwaith y bydd popeth wedi'i ffurfweddu, gallwch weld y pwynt gosod a'r 783 GB o le sydd ar gael ar bob system.
$ 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% /chMae'r set ddata y byddaf yn ei defnyddio yn y prawf hwn yn domen data a gynhyrchais o 1.1 biliwn o reidiau tacsi a gymerwyd yn Ninas Efrog Newydd dros chwe blynedd. Ar y blog manylion sut y casglais y set ddata hon. Maent yn cael eu storio yn AWS S3, felly byddaf yn ffurfweddu CLI AWS gyda fy allweddi mynediad a chyfrinach.
$ sudo apt update
$ sudo apt install awscli
$ aws configureByddaf yn gosod terfyn cais cydamserol y cleient i 100 fel bod ffeiliau'n lawrlwytho'n gyflymach na'r gosodiadau diofyn.
$ aws configure set
default.s3.max_concurrent_requests
100Byddaf yn lawrlwytho'r set ddata reidiau tacsi o AWS S3 ac yn ei storio ar yriant NVMe ar y gweinydd cyntaf. Mae'r set ddata hon yn ~104GB mewn fformat CSV cywasgedig GZIP.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvGosodiad ClickHouse
Byddaf yn gosod y dosbarthiad OpenJDK ar gyfer Java 8 gan ei fod yn ofynnol i redeg Apache ZooKeeper, sy'n ofynnol ar gyfer gosodiad gwasgaredig o ClickHouse ar y tri pheiriant.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Yna gosodais y newidyn amgylchedd JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileYna byddaf yn defnyddio system rheoli pecynnau Ubuntu i osod ClickHouse 18.16.1, glances a ZooKeeper ar y tri pheiriant.
$ 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
zookeeperdByddaf yn creu cyfeiriadur ar gyfer ClickHouse a hefyd yn gwneud rhai gwrthwneud cyfluniad ar bob un o'r tri gweinydd.
$ 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.confDyma'r gwrthwneud cyfluniad y byddaf yn ei ddefnyddio.
<?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>Yna byddaf yn rhedeg ZooKeeper a gweinydd ClickHouse ar y tri pheiriant.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startLanlwytho data i ClickHouse
Ar y gweinydd cyntaf byddaf yn creu tabl tripiau (trips), a fydd yn storio set ddata o deithiau tacsi gan ddefnyddio'r injan Log.
$ 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;
Yna rwy'n echdynnu ac yn llwytho pob un o'r ffeiliau CSV i mewn i dabl tripiau (trips). Cwblhawyd y canlynol mewn 55 munud a 10 eiliad. Ar ôl y llawdriniaeth hon, maint y cyfeiriadur data oedd 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)Y cyflymder mewnforio oedd 155 MB o gynnwys CSV anghywasgedig yr eiliad. Rwy'n amau bod hyn oherwydd tagfa mewn datgywasgiad GZIP. Efallai y byddai wedi bod yn gyflymach dadsipio'r holl ffeiliau gzipped ochr yn ochr gan ddefnyddio xargs ac yna llwytho'r data heb ei zipio. Isod mae disgrifiad o'r hyn a adroddwyd yn ystod y broses fewnforio 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/23:1HByddaf yn rhyddhau lle ar yriant NVMe trwy ddileu'r ffeiliau CSV gwreiddiol cyn parhau.
$ sudo rm -fr /ch/csvTrosi i Ffurflen Colofn
Bydd yr injan Log ClickHouse yn storio data mewn fformat rhes. I ymholi data yn gyflymach, rwy'n ei drawsnewid i fformat colofn gan ddefnyddio'r injan MergeTree.
$ clickhouse-client --host=0.0.0.0Cwblhawyd y canlynol mewn 34 munud a 50 eiliad. Ar ôl y llawdriniaeth hon, maint y cyfeiriadur data oedd 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;Dyma sut olwg oedd ar yr allbwn cipolwg yn ystod y llawdriniaeth:
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)Yn y prawf diwethaf, cafodd sawl colofn eu trosi a'u hailgyfrifo. Canfûm nad yw rhai o'r swyddogaethau hyn bellach yn gweithio yn ôl y disgwyl ar y set ddata hon. I ddatrys y broblem hon, tynnais y swyddogaethau amhriodol a llwytho'r data heb drosi i fathau mwy gronynnog.
Dosbarthiad data ar draws y clwstwr
Byddaf yn dosbarthu’r data ar draws pob un o’r tri nod clwstwr. I ddechrau, isod byddaf yn creu tabl ar y tri pheiriant.
$ 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);Yna byddaf yn sicrhau bod y gweinydd cyntaf yn gallu gweld y tri nod yn y clwstwr.
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:
Yna byddaf yn diffinio tabl newydd ar y gweinydd cyntaf sy'n seiliedig ar y sgema trips_mergetree_third ac yn defnyddio'r injan Distributed.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Yna byddaf yn copïo'r data o'r tabl MergeTree i bob un o'r tri gweinydd. Cwblhawyd y canlynol mewn 34 munud a 44 eiliad.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Ar ôl y llawdriniaeth uchod, rhoddais 15 munud i ClickHouse i symud i ffwrdd o'r marc lefel storio uchaf. Yn y pen draw roedd y cyfeiriaduron data yn 264 GB, 34 GB a 33 GB yn y drefn honno ar bob un o'r tri gweinydd.
Gwerthusiad perfformiad clwstwr ClickHouse
Yr hyn a welais nesaf oedd yr amser cyflymaf i mi ei weld yn rhedeg pob ymholiad ar fwrdd sawl gwaith trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0Cwblhawyd y canlynol mewn 2.449 eiliad.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;Cwblhawyd y canlynol mewn 0.691 eiliad.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;Cwblhawyd y canlynol mewn 0 eiliad.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;Cwblhawyd y canlynol mewn 0.983 eiliad.
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;Er mwyn cymharu, rhedais yr un ymholiadau ar dabl yn seiliedig ar MergeTree sy'n byw ar y gweinydd cyntaf yn unig.
Gwerthusiad perfformiad o un nod ClickHouse
Yr hyn a welais nesaf oedd yr amser cyflymaf i mi ei weld yn rhedeg pob ymholiad ar fwrdd sawl gwaith trips_mergetree_x3.
Cwblhawyd y canlynol mewn 0.241 eiliad.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;Cwblhawyd y canlynol mewn 0.826 eiliad.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;Cwblhawyd y canlynol mewn 1.209 eiliad.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;Cwblhawyd y canlynol mewn 1.781 eiliad.
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;Myfyrdodau ar y canlyniadau
Dyma'r tro cyntaf i gronfa ddata CPU am ddim allu perfformio'n well na chronfa ddata seiliedig ar GPU yn fy mhrofion. Mae'r gronfa ddata honno sy'n seiliedig ar GPU wedi mynd trwy ddau adolygiad ers hynny, ond mae'r perfformiad a gyflwynodd ClickHouse ar un nod yn drawiadol iawn serch hynny.
Ar yr un pryd, wrth weithredu Ymholiad 1 ar injan ddosbarthedig, mae'r costau gorbenion yn orchymyn maint yn uwch. Rwy'n gobeithio fy mod wedi colli rhywbeth yn fy ymchwil ar gyfer y swydd hon oherwydd byddai'n braf gweld amseroedd ymholiadau'n mynd i lawr wrth i mi ychwanegu mwy o nodau i'r clwstwr. Fodd bynnag, mae'n wych bod perfformiad wedi cynyddu tua 2 waith wrth gyflawni ymholiadau eraill.
Byddai'n braf gweld ClickHouse yn esblygu tuag at allu gwahanu storio a chyfrifo fel y gallant raddio'n annibynnol. Gallai cymorth HDFS, a ychwanegwyd y llynedd, fod yn gam tuag at hyn. O ran cyfrifiadura, os gellir cyflymu un ymholiad trwy ychwanegu mwy o nodau i'r clwstwr, yna mae dyfodol y feddalwedd hon yn ddisglair iawn.
Diolch am gymryd yr amser i ddarllen y post hwn. Rwy'n cynnig gwasanaethau ymgynghori, pensaernïaeth a datblygu ymarfer i gleientiaid yng Ngogledd America ac Ewrop. Os hoffech drafod sut y gall fy awgrymiadau helpu eich busnes, cysylltwch â mi drwy .
Ffynhonnell: hab.com