Artikkelin käännös on tehty erityisesti kurssin opiskelijoille .
on avoimen lähdekoodin saraketietokanta. Se on loistava ympäristö, jossa sadat analyytikot voivat nopeasti kysyä yksityiskohtaisia tietoja, vaikka päivittäin syötetään kymmeniä miljardeja uusia tietueita. Infrastruktuurikustannukset tällaisen järjestelmän tukemiseksi voivat olla jopa 100 10 dollaria vuodessa, ja mahdollisesti puolet siitä riippuen käytöstä. Yandex Metricsin ClickHouse-asennus sisälsi yhdessä vaiheessa XNUMX biljoonaa tietuetta. Yandexin lisäksi ClickHouse on menestynyt myös Bloombergin ja Cloudflaren kanssa.
Kaksi vuotta sitten vietin tietokannat yhdellä koneella, ja siitä tuli Ilmainen tietokantaohjelmisto, jonka olen koskaan nähnyt. Sen jälkeen kehittäjät eivät ole lopettaneet ominaisuuksien lisäämistä, mukaan lukien tuki Kafka-, HDFS- ja ZStandard-pakkaukselle. Viime vuonna he lisäsivät tuen CSS-pakkausmenetelmille ja koodaus tuli mahdolliseksi. Aikasarjatietoja pakattaessa mittariarvot voidaan pakata hyvin delta-koodauksella, mutta laskureille olisi parempi käyttää delta-delta-koodausta. Hyvästä pakkauksesta on tullut ClickHousen suorituskyvyn avain.
ClickHouse koostuu 170 235 rivistä C++-koodia, lukuun ottamatta kolmansien osapuolien kirjastoja, ja se on yksi pienimmistä hajautetun tietokannan koodikannoista. Vertailun vuoksi, SQLite ei tue jakelua ja koostuu 207 tuhannesta C-koodirivistä. Tätä kirjoitettaessa ClickHouseen on osallistunut XNUMX insinööriä, ja toimitusten intensiteetti on viime aikoina lisääntynyt.
Maaliskuussa 2017 ClickHouse aloitti johtamisen helppo tapa seurata kehitystä. He myös jakoivat monoliittisen dokumentaatiotiedoston Markdown-pohjaiseen tiedostohierarkiaan. Ongelmia ja ominaisuuksia seurataan GitHubin kautta, ja yleisesti ottaen ohjelmistosta on tullut paljon helpommin saatavilla muutaman viime vuoden aikana.
Tässä artikkelissa aion tarkastella ClickHouse-klusterin suorituskykyä AWS EC2:ssa käyttämällä 36-ytimistä prosessoreita ja NVMe-tallennustilaa.
PÄIVITYS: Viikko tämän viestin alun perin julkaisemisen jälkeen suoritin testin uudelleen parannetulla kokoonpanolla ja sain paljon parempia tuloksia. Tämä viesti on päivitetty vastaamaan näitä muutoksia.
AWS EC2 -klusterin käynnistäminen
Käytän kolmea c5d.9xlarge EC2-instanssia tähän viestiin. Jokainen niistä sisältää 36 virtuaalista prosessoria, 72 Gt RAM-muistia, 900 Gt NVMe SSD -tallennustilaa ja tukee 10 gigabitin verkkoa. Ne maksavat 1,962 1 dollaria/tunti kukin eu-west-16.04-alueella, kun ne toimivat tilauksesta. Käytän käyttöjärjestelmänä Ubuntu Server XNUMX LTS:ää.
Palomuuri on määritetty siten, että jokainen kone voi kommunikoida keskenään ilman rajoituksia ja vain IPv4-osoitteeni on SSH:n sallittujen luettelossa klusterissa.
NVMe-asema toimintavalmiustilassa
Jotta ClickHouse toimisi, luon tiedostojärjestelmän EXT4-muodossa kunkin palvelimen NVMe-asemaan.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chKun kaikki on määritetty, näet kiinnityskohdan ja kussakin järjestelmässä käytettävissä olevan 783 Gt:n tilan.
$ 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% /chTässä testissä käyttämäni tietojoukko on datavedos, jonka luon 1.1 miljardista taksimatkasta New Yorkissa kuuden vuoden aikana. Blogissa yksityiskohtaisesti kuinka keräsin tämän tietojoukon. Ne on tallennettu AWS S3:een, joten määritän AWS CLI:n käyttöoikeus- ja salaavaimillani.
$ sudo apt update
$ sudo apt install awscli
$ aws configureAsetan asiakkaan samanaikaisten pyyntöjen rajaksi 100, jotta tiedostot latautuvat oletusasetuksia nopeammin.
$ aws configure set
default.s3.max_concurrent_requests
100Lataan taksimatkojen tietojoukon AWS S3:sta ja tallennan sen ensimmäisen palvelimen NVMe-asemaan. Tämä tietojoukko on noin 104 Gt GZIP-pakatussa CSV-muodossa.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvClickHouse asennus
Asenna OpenJDK-jakelun Java 8:lle, koska se vaaditaan Apache ZooKeeperin suorittamiseen, jota tarvitaan ClickHousen hajautettuun asennukseen kaikissa kolmessa koneessa.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Sitten asetin ympäristömuuttujan JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileKäytän sitten Ubuntun paketinhallintajärjestelmää ClickHouse 18.16.1:n, glancesin ja ZooKeeperin asentamiseen kaikkiin kolmeen koneeseen.
$ 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
zookeeperdLuon ClickHouselle hakemiston ja teen myös joitain asetusten ohituksia kaikille kolmelle palvelimelle.
$ 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.confNämä ovat kokoonpanon ohituksia, joita aion käyttää.
<?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>Ajan sitten ZooKeeperin ja ClickHouse-palvelimen kaikissa kolmessa koneessa.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startLadataan tietoja ClickHouseen
Ensimmäiselle palvelimelle luon matkataulukon (trips), joka tallentaa tietojoukon taksimatkoista lokimoottorilla.
$ 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;
Puran ja lataan sitten kaikki CSV-tiedostot matkataulukkoon (trips). Seuraava suoritettiin 55 minuutissa ja 10 sekunnissa. Tämän toimenpiteen jälkeen tietohakemiston koko oli 134 Gt.
$ 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)Tuontinopeus oli 155 Mt pakkaamatonta CSV-sisältöä sekunnissa. Epäilen, että tämä johtui GZIP-dekompression pullonkaulasta. Olisi voinut olla nopeampaa purkaa kaikki gzipatut tiedostot rinnakkain käyttämällä xargs-ohjelmaa ja ladata sitten puretut tiedot. Alla on kuvaus siitä, mitä ilmoitettiin CSV-tuontiprosessin aikana.
$ 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/23:1HVapautan tilaa NVMe-asemalta poistamalla alkuperäiset CSV-tiedostot ennen kuin jatkan.
$ sudo rm -fr /ch/csvMuunna sarakelomakkeeksi
Log ClickHouse -moottori tallentaa tiedot rivisuuntautuneessa muodossa. Tietojen kyselyn nopeammaksi muuttamiseksi sarakemuotoon MergeTree-moottorilla.
$ clickhouse-client --host=0.0.0.0Seuraava suoritettiin 34 minuutissa ja 50 sekunnissa. Tämän toimenpiteen jälkeen tietohakemiston koko oli 237 Gt.
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;Tältä katselutulos näytti toiminnan aikana:
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)Viimeisessä testissä useita sarakkeita muunnettiin ja laskettiin uudelleen. Huomasin, että jotkin näistä toiminnoista eivät enää toimi odotetulla tavalla tässä tietojoukossa. Tämän ongelman ratkaisemiseksi poistin sopimattomat toiminnot ja latasin tiedot muuntamatta tarkempiin tyyppeihin.
Tietojen jakautuminen klusterin kesken
Jaan tiedot kaikkien kolmen klusterin solmun kesken. Aluksi luon alla taulukon kaikille kolmelle koneelle.
$ 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);Sitten varmistan, että ensimmäinen palvelin näkee kaikki kolme klusterin solmua.
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:
Sitten määritän ensimmäiselle palvelimelle uuden taulukon, joka perustuu skeemaan trips_mergetree_third ja käyttää hajautettua moottoria.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Kopioin sitten tiedot MergeTree-pohjaisesta taulukosta kaikille kolmelle palvelimelle. Seuraava suoritettiin 34 minuutissa ja 44 sekunnissa.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Yllä olevan toimenpiteen jälkeen annoin ClickHouselle 15 minuuttia siirtyä pois enimmäistallennustason merkistä. Tietohakemistot päätyivät olemaan 264 Gt, 34 Gt ja 33 Gt kussakin kolmesta palvelimesta.
ClickHouse-klusterin suorituskyvyn arviointi
Se, mitä näin seuraavaksi, oli nopein kerta, kun olen nähnyt jokaisen kyselyn suorittavan taulukossa useita kertoja trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0Seuraavat suoritettiin 2.449 sekunnissa.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;Seuraavat suoritettiin 0.691 sekunnissa.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;Seuraava suoritettiin 0 sekunnissa.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;Seuraavat suoritettiin 0.983 sekunnissa.
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;Vertailun vuoksi suoritin samat kyselyt MergeTree-pohjaisessa taulukossa, joka sijaitsee vain ensimmäisessä palvelimessa.
Yhden ClickHouse-solmun suorituskyvyn arviointi
Se, mitä näin seuraavaksi, oli nopein kerta, kun olen nähnyt jokaisen kyselyn suorittavan taulukossa useita kertoja trips_mergetree_x3.
Seuraavat suoritettiin 0.241 sekunnissa.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;Seuraavat suoritettiin 0.826 sekunnissa.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;Seuraavat suoritettiin 1.209 sekunnissa.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;Seuraavat suoritettiin 1.781 sekunnissa.
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;Mietteitä tuloksista
Tämä on ensimmäinen kerta, kun ilmainen CPU-pohjainen tietokanta pystyi päihittämään GPU-pohjaisen tietokannan testeissäni. Tämä GPU-pohjainen tietokanta on käynyt läpi kaksi versiota sen jälkeen, mutta ClickHousen toimittama suorituskyky yhdessä solmussa on kuitenkin erittäin vaikuttava.
Samaan aikaan suoritettaessa kyselyä 1 hajautetussa koneessa yleiskustannukset ovat suuruusluokkaa korkeammat. Toivon, että missasin jotain tämän viestin tutkimuksessani, koska olisi mukavaa nähdä kyselyajat laskevan, kun lisään klusteriin lisää solmuja. On kuitenkin hienoa, että muita kyselyitä suoritettaessa suorituskyky kasvoi noin 2 kertaa.
Olisi hienoa nähdä ClickHouse kehittyvän siten, että se pystyy erottamaan tallennustilan ja laskemaan, jotta ne voivat skaalata itsenäisesti. Viime vuonna lisätty HDFS-tuki voisi olla askel tähän suuntaan. Laskennan kannalta, jos yhtä kyselyä voidaan nopeuttaa lisäämällä solmuja klusteriin, tämän ohjelmiston tulevaisuus on erittäin valoisa.
Kiitos, että luit tämän viestin. Tarjoan konsultointi-, arkkitehtuuri- ja käytännön kehittämispalveluita asiakkaille Pohjois-Amerikassa ja Euroopassa. Jos haluat keskustella siitä, kuinka ehdotukseni voivat auttaa yritystäsi, ota minuun yhteyttä kautta .
Lähde: will.com