La traduko de la artikolo estis preparita specife por la kursanoj .
estas malfermfonta kolumna datumbazo. Ĝi estas bonega medio, kie centoj da analizistoj povas rapide pridemandi detalajn datumojn, eĉ kiam dekoj da miliardoj da novaj rekordoj estas enigitaj ĉiutage. Infrastrukturkostoj por subteni tian sistemon povus esti same altaj kiel $100 jare, kaj eble duono de tio depende de uzado. En unu momento, la instalado de ClickHouse de Yandex Metrics enhavis 10 bilionojn da rekordoj. Krom Yandex, ClickHouse ankaŭ trovis sukceson kun Bloomberg kaj Cloudflare.
Antaŭ du jaroj mi pasigis datumbazoj uzante unu maŝinon, kaj ĝi fariĝis libera datumbaza programaro, kiun mi iam vidis. Ekde tiam, programistoj ne ĉesis aldoni funkciojn, inkluzive de subteno por Kafka, HDFS kaj ZStandard-kunpremado. Pasintjare ili aldonis subtenon por kaskadaj kunpremaj metodoj, kaj kodigo fariĝis ebla. Dum kunpremado de datumoj de temposerio, mezurilaj valoroj povas esti bone kunpremitaj per delta kodado, sed por nombriloj estus pli bone uzi delta-post-delta kodigado. Bona kunpremo fariĝis la ŝlosilo al la agado de ClickHouse.
ClickHouse konsistas el 170 mil linioj de C++-kodo, ekskludante triapartajn bibliotekojn, kaj estas unu el la plej malgrandaj distribuitaj datumbazaj kodbazoj. Kompare, SQLite ne subtenas distribuadon kaj konsistas el 235 mil linioj de kodo C. De ĉi tiu skribo, 207 inĝenieroj kontribuis al ClickHouse, kaj la intenseco de kommitaĵoj pliiĝis lastatempe.
En marto 2017, ClickHouse komencis konduki kiel facila maniero konservi trakon de evoluo. Ili ankaŭ rompis la monolitan dokumentardosieron en Markdown-bazitan dosierhierarkion. Problemoj kaj funkcioj estas spuritaj per GitHub, kaj ĝenerale la programaro fariĝis multe pli alirebla en la lastaj jaroj.
En ĉi tiu artikolo, mi rigardos la agadon de ClickHouse-areto sur AWS EC2 uzante 36-kernajn procesorojn kaj NVMe-stokadon.
ĜISDATIGO: Semajnon post origine publikigado de ĉi tiu afiŝo, mi refaris la teston kun plibonigita agordo kaj atingis multe pli bonajn rezultojn. Ĉi tiu afiŝo estis ĝisdatigita por reflekti ĉi tiujn ŝanĝojn.
Lanĉante AWS EC2 Cluster
Mi uzos tri c5d.9xlarge EC2-instancojn por ĉi tiu afiŝo. Ĉiu el ili enhavas 36 virtualajn CPUojn, 72 GB da RAM, 900 GB da NVMe SSD-stokado kaj subtenas 10 Gigabit-reton. Ili kostas $1,962/horo ĉiu en la regiono eu-west-1 kiam ili funkcias laŭ postulo. Mi uzos Ubuntu Server 16.04 LTS kiel operaciumon.
La fajroŝirmilo estas agordita tiel ke ĉiu maŝino povas komuniki unu kun la alia sen limigoj, kaj nur mia IPv4-adreso estas blanklistigita de SSH en la areto.
NVMe-veturado en funkcia preta stato
Por ke ClickHouse funkciu, mi kreos dosiersistemon en la formato EXT4 sur NVMe-disko sur ĉiu el la serviloj.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chPost kiam ĉio estas agordita, vi povas vidi la muntan punkton kaj la 783 GB da spaco disponebla en ĉiu sistemo.
$ 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% /chLa datumaro, kiun mi uzos en ĉi tiu testo, estas datuma rubujo, kiun mi generis el 1.1 miliardoj da taksioj faritaj en Novjorko dum ses jaroj. En la blogo detaligas kiel mi kolektis ĉi tiun datuman aron. Ili estas konservitaj en AWS S3, do mi agordos la AWS CLI per miaj aliro kaj sekretaj ŝlosiloj.
$ sudo apt update
$ sudo apt install awscli
$ aws configureMi starigos la samtempan peton de la kliento al 100 por ke dosieroj elŝutu pli rapide ol la defaŭltaj agordoj.
$ aws configure set
default.s3.max_concurrent_requests
100Mi elŝutos la datumaron de taksioveturoj de AWS S3 kaj stokos ĝin sur NVMe-disko sur la unua servilo. Ĉi tiu datumaro estas ~104GB en GZIP-kunpremita CSV-formato.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvInstalado de ClickHouse
Mi instalos la OpenJDK-distribuon por Java 8 ĉar ĝi estas bezonata por ruli Apache ZooKeeper, kiu estas bezonata por distribuita instalado de ClickHouse sur ĉiuj tri maŝinoj.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Tiam mi starigis la mediovariablon JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileMi tiam uzos la pakaĵadministradsistemon de Ubuntu por instali ClickHouse 18.16.1, rigardojn kaj ZooKeeper sur ĉiuj tri maŝinoj.
$ 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
zookeeperdMi kreos dosierujon por ClickHouse kaj ankaŭ faros kelkajn agordajn anstataŭojn sur ĉiuj tri serviloj.
$ 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.confĈi tiuj estas la agordaj anstataŭoj, kiujn mi uzos.
<?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>Mi poste rulos ZooKeeper kaj la servilon ClickHouse sur ĉiuj tri maŝinoj.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startAlŝutante datumojn al ClickHouse
Sur la unua servilo mi kreos vojaĝotabelon (trips), kiu stokos datumaron de taksiaj vojaĝoj uzante la Log-motoron.
$ 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;
Mi tiam ĉerpas kaj ŝargas ĉiun el la CSV-dosieroj en vojaĝtabelon (trips). La sekvanta estis kompletigita en 55 minutoj kaj 10 sekundoj. Post ĉi tiu operacio, la grandeco de la datumdosierujo estis 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)La importrapideco estis 155 MB de nekunpremita CSV-enhavo je sekundo. Mi suspektas, ke tio estis pro botelkolo en GZIP-malkunpremo. Eble estis pli rapide malzipi ĉiujn gzipitajn dosierojn paralele uzante xargs kaj poste ŝargi la malzipitajn datumojn. Malsupre estas priskribo de tio, kio estis raportita dum la CSV-importprocezo.
$ 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/23:1HMi liberigos spacon sur la NVMe-disko forigante la originalajn CSV-dosierojn antaŭ ol daŭrigi.
$ sudo rm -fr /ch/csvKonverti al Kolumna Formo
La Log ClickHouse-motoro stokos datumojn en vico-orientita formato. Por demandi datumojn pli rapide, mi konvertas ĝin al kolumna formato uzante la MergeTree-motoron.
$ clickhouse-client --host=0.0.0.0La sekvanta estis kompletigita en 34 minutoj kaj 50 sekundoj. Post ĉi tiu operacio, la grandeco de la datumdosierujo estis 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;Jen kiel aspektis la rigarda eligo dum la operacio:
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)En la lasta testo, pluraj kolumnoj estis konvertitaj kaj rekalkulitaj. Mi trovis, ke kelkaj el ĉi tiuj funkcioj ne plu funkcias kiel atendite en ĉi tiu datumaro. Por solvi ĉi tiun problemon, mi forigis la netaŭgajn funkciojn kaj ŝargis la datumojn sen konverti al pli granulaj tipoj.
Distribuado de datumoj tra la areto
Mi distribuos la datumojn tra ĉiuj tri clusternodoj. Por komenci, sube mi kreos tabelon sur ĉiuj tri maŝinoj.
$ 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);Tiam mi certigos, ke la unua servilo povas vidi ĉiujn tri nodojn en la areto.
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:
Poste mi difinos novan tabelon sur la unua servilo, kiu baziĝas sur la skemo trips_mergetree_third kaj uzas la Distribuitan motoron.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Mi tiam kopios la datumojn de la MergeTree bazita tablo al ĉiuj tri serviloj. La sekvanta estis kompletigita en 34 minutoj kaj 44 sekundoj.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Post la ĉi-supra operacio, mi donis al ClickHouse 15 minutojn por malproksimiĝi de la maksimuma stokadnivela marko. La datumaj dosierujoj finis esti 264 GB, 34 GB kaj 33 GB respektive sur ĉiu el la tri serviloj.
Takso de rendimento de la cluster de ClickHouse
Kion mi vidis poste estis la plej rapida tempo, kiun mi vidis ruli ĉiun demandon sur tablo plurfoje trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0La sekvanta finiĝis en 2.449 sekundoj.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;La sekvanta finiĝis en 0.691 sekundoj.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;La sekvantaro kompletigis en 0 sekundoj.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;La sekvanta finiĝis en 0.983 sekundoj.
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;Por komparo, mi prizorgis la samajn demandojn sur MergeTree-bazita tabelo kiu loĝas nur sur la unua servilo.
Efikectaksado de unu ClickHouse-nodo
Kion mi vidis poste estis la plej rapida tempo, kiun mi vidis ruli ĉiun demandon sur tablo plurfoje trips_mergetree_x3.
La sekvanta finiĝis en 0.241 sekundoj.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;La sekvanta finiĝis en 0.826 sekundoj.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;La sekvanta finiĝis en 1.209 sekundoj.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;La sekvanta finiĝis en 1.781 sekundoj.
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;Interkonsiliĝoj pri la rezultoj
Ĉi tio estas la unua fojo, ke senpaga datumbazo bazita en CPU povis superi datumbazon bazitan en GPU en miaj testoj. Tiu GPU-bazita datumbazo travivis du reviziojn ekde tiam, sed la rendimento kiun ClickHouse liveris sur ununura nodo estas tamen tre impona.
Samtempe, dum plenumado de Demando 1 sur distribuita motoro, la superkostoj estas ordo de grandeco pli altaj. Mi esperas, ke mi maltrafis ion en mia esplorado por ĉi tiu afiŝo ĉar estus agrable vidi demandajn tempojn malpliiĝi dum mi aldonas pli da nodoj al la areto. Tamen estas bonege, ke kiam oni plenumas aliajn demandojn, la rendimento pliiĝis ĉirkaŭ 2 fojojn.
Estus bone vidi ClickHouse evolui al povi apartigi stokadon kaj komputi por ke ili povu skali sendepende. HDFS-subteno, kiu estis aldonita pasintjare, povus esti paŝo al ĉi tio. Koncerne komputadon, se ununura demando povas esti akcelita aldonante pli da nodoj al la areto, tiam la estonteco de ĉi tiu programaro estas tre brila.
Dankon pro preni la tempon legi ĉi tiun afiŝon. Mi ofertas konsiladon, arkitekturon kaj praktikajn evoluservojn al klientoj en Nordameriko kaj Eŭropo. Se vi ŝatus diskuti kiel miaj sugestoj povas helpi vian komercon, bonvolu kontakti min per .
fonto: www.habr.com