La traduction de l'article a été préparée spécifiquement pour les étudiants du cours .
est une base de données en colonnes open source. Il s'agit d'un environnement formidable dans lequel des centaines d'analystes peuvent rapidement interroger des données détaillées, même si des dizaines de milliards de nouveaux enregistrements sont saisis chaque jour. Les coûts d'infrastructure nécessaires à la prise en charge d'un tel système pourraient atteindre 100 10 dollars par an, voire la moitié en fonction de l'utilisation. À un moment donné, l'installation ClickHouse de Yandex Metrics contenait XNUMX XNUMX milliards d'enregistrements. Outre Yandex, ClickHouse a également connu du succès avec Bloomberg et Cloudflare.
Il y a deux ans, j'ai passé bases de données utilisant une seule machine, et c'est devenu logiciel de base de données gratuit que j'ai jamais vu. Depuis, les développeurs n’ont cessé d’ajouter des fonctionnalités, notamment la prise en charge des compressions Kafka, HDFS et ZStandard. L'année dernière, ils ont ajouté la prise en charge des méthodes de compression en cascade, et le codage est devenu possible. Lors de la compression des données de séries chronologiques, les valeurs de jauge peuvent être bien compressées en utilisant le codage delta, mais pour les compteurs, il serait préférable d'utiliser le codage delta par delta. Une bonne compression est devenue la clé des performances de ClickHouse.
ClickHouse se compose de 170 235 lignes de code C++, à l'exclusion des bibliothèques tierces, et constitue l'une des plus petites bases de code de base de données distribuées. En comparaison, SQLite ne prend pas en charge la distribution et se compose de 207 XNUMX lignes de code C. Au moment d'écrire ces lignes, XNUMX ingénieurs ont contribué à ClickHouse, et l'intensité des commits a augmenté récemment.
En mars 2017, ClickHouse a commencé à mener comme un moyen simple de suivre le développement. Ils ont également divisé le fichier de documentation monolithique en une hiérarchie de fichiers basée sur Markdown. Les problèmes et les fonctionnalités sont suivis via GitHub et, en général, le logiciel est devenu beaucoup plus accessible ces dernières années.
Dans cet article, je vais examiner les performances d'un cluster ClickHouse sur AWS EC2 utilisant des processeurs à 36 cœurs et un stockage NVMe.
MISE À JOUR : Une semaine après la publication initiale de cet article, j'ai réexécuté le test avec une configuration améliorée et j'ai obtenu de bien meilleurs résultats. Cet article a été mis à jour pour refléter ces changements.
Lancement d'un cluster AWS EC2
J'utiliserai trois instances EC5 c9d.2xlarge pour cet article. Chacun d'eux contient 36 processeurs virtuels, 72 Go de RAM, 900 Go de stockage SSD NVMe et prend en charge un réseau 10 Gigabit. Ils coûtent 1,962 1 $/heure chacun dans la région eu-west-16.04 lorsqu’ils fonctionnent à la demande. J'utiliserai Ubuntu Server XNUMX LTS comme système d'exploitation.
Le pare-feu est configuré pour que chaque machine puisse communiquer entre elles sans restrictions, et seule mon adresse IPv4 est ajoutée à la liste blanche par SSH dans le cluster.
Disque NVMe en état de préparation opérationnelle
Pour que ClickHouse fonctionne, je vais créer un système de fichiers au format EXT4 sur un disque NVMe sur chacun des serveurs.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chUne fois que tout est configuré, vous pouvez voir le point de montage et 783 Go d'espace disponible sur chaque système.
$ 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% /chL'ensemble de données que j'utiliserai dans ce test est un vidage de données que j'ai généré à partir de 1.1 milliard de trajets en taxi effectués à New York sur six ans. Sur le blog détaille comment j'ai collecté cet ensemble de données. Ils sont stockés dans AWS S3, je vais donc configurer l'AWS CLI avec mes clés d'accès et secrètes.
$ sudo apt update
$ sudo apt install awscli
$ aws configureJe vais définir la limite de requêtes simultanées du client à 100 afin que les fichiers soient téléchargés plus rapidement que les paramètres par défaut.
$ aws configure set
default.s3.max_concurrent_requests
100Je vais télécharger l'ensemble de données des trajets en taxi depuis AWS S3 et le stocker sur un lecteur NVMe sur le premier serveur. Cet ensemble de données fait environ 104 Go au format CSV compressé GZIP.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvInstallation de ClickHouse
J'installerai la distribution OpenJDK pour Java 8 car elle est requise pour exécuter Apache ZooKeeper, qui est requis pour une installation distribuée de ClickHouse sur les trois machines.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Ensuite, j'ai défini la variable d'environnement JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileJ'utiliserai ensuite le système de gestion de packages d'Ubuntu pour installer ClickHouse 18.16.1, Glitchs et ZooKeeper sur les trois machines.
$ 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
zookeeperdJe vais créer un répertoire pour ClickHouse et effectuer également quelques remplacements de configuration sur les trois serveurs.
$ 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.confCe sont les remplacements de configuration que j'utiliserai.
<?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>J'exécuterai ensuite ZooKeeper et le serveur ClickHouse sur les trois machines.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startTéléchargement de données sur ClickHouse
Sur le premier serveur je vais créer une table de voyage (trips), qui stockera un ensemble de données de trajets en taxi à l'aide du moteur 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;
J'extrais et charge ensuite chacun des fichiers CSV dans une table de voyage (trips). Ce qui suit a été réalisé en 55 minutes et 10 secondes. Après cette opération, la taille du répertoire de données était de 134 Go.
$ 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 vitesse d'importation était de 155 Mo de contenu CSV non compressé par seconde. Je soupçonne que cela était dû à un goulot d'étranglement dans la décompression GZIP. Il aurait peut-être été plus rapide de décompresser tous les fichiers gzippés en parallèle à l'aide de xargs, puis de charger les données décompressées. Vous trouverez ci-dessous une description de ce qui a été rapporté lors du processus d'importation 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/23:1HJe vais libérer de l'espace sur le lecteur NVMe en supprimant les fichiers CSV d'origine avant de continuer.
$ sudo rm -fr /ch/csvConvertir en forme de colonne
Le moteur Log ClickHouse stockera les données dans un format orienté ligne. Pour interroger les données plus rapidement, je les convertis au format en colonnes à l'aide du moteur MergeTree.
$ clickhouse-client --host=0.0.0.0Ce qui suit a été réalisé en 34 minutes et 50 secondes. Après cette opération, la taille du répertoire de données était de 237 Go.
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;Voici à quoi ressemblait le résultat du coup d'œil pendant l'opération :
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)Lors du dernier test, plusieurs colonnes ont été converties et recalculées. J'ai constaté que certaines de ces fonctions ne fonctionnent plus comme prévu sur cet ensemble de données. Pour résoudre ce problème, j'ai supprimé les fonctions inappropriées et chargé les données sans les convertir en types plus granulaires.
Répartition des données à travers le cluster
Je distribuerai les données sur les trois nœuds du cluster. Pour commencer, ci-dessous, je vais créer un tableau sur les trois machines.
$ 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);Ensuite, je m'assurerai que le premier serveur peut voir les trois nœuds du cluster.
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:
Ensuite, je définirai une nouvelle table sur le premier serveur basée sur le schéma trips_mergetree_third et utilise le moteur distribué.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Je copierai ensuite les données de la table basée sur MergeTree vers les trois serveurs. Ce qui suit s'est déroulé en 34 minutes et 44 secondes.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Après l'opération ci-dessus, j'ai donné 15 minutes à ClickHouse pour s'éloigner de la marque du niveau de stockage maximum. Les répertoires de données étaient respectivement de 264 Go, 34 Go et 33 Go sur chacun des trois serveurs.
Évaluation des performances du cluster ClickHouse
Ce que j'ai vu ensuite, c'est le temps le plus rapide que j'ai vu exécuter chaque requête sur une table plusieurs fois. trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0Ce qui suit s'est terminé en 2.449 secondes.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;Ce qui suit s'est terminé en 0.691 secondes.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;Ce qui suit s'est terminé en 0 seconde.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;Ce qui suit s'est terminé en 0.983 secondes.
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;À titre de comparaison, j'ai exécuté les mêmes requêtes sur une table basée sur MergeTree qui réside uniquement sur le premier serveur.
Évaluation des performances d'un nœud ClickHouse
Ce que j'ai vu ensuite, c'est le temps le plus rapide que j'ai vu exécuter chaque requête sur une table plusieurs fois. trips_mergetree_x3.
Ce qui suit s'est terminé en 0.241 secondes.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;Ce qui suit s'est terminé en 0.826 secondes.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;Ce qui suit s'est terminé en 1.209 secondes.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;Ce qui suit s'est terminé en 1.781 secondes.
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;Réflexions sur les résultats
C'est la première fois qu'une base de données gratuite basée sur CPU parvient à surpasser une base de données basée sur GPU lors de mes tests. Cette base de données basée sur GPU a subi deux révisions depuis lors, mais les performances fournies par ClickHouse sur un seul nœud sont néanmoins très impressionnantes.
Dans le même temps, lors de l'exécution de la requête 1 sur un moteur distribué, les frais généraux sont d'un ordre de grandeur plus élevés. J'espère avoir raté quelque chose dans mes recherches pour cet article, car ce serait bien de voir les temps de requête diminuer à mesure que j'ajoute plus de nœuds au cluster. Cependant, il est formidable que lors de l'exécution d'autres requêtes, les performances soient multipliées par 2 environ.
Ce serait bien de voir ClickHouse évoluer vers la possibilité de séparer le stockage et le calcul afin qu'ils puissent évoluer de manière indépendante. La prise en charge de HDFS, ajoutée l'année dernière, pourrait être un pas en avant dans cette direction. En termes d'informatique, si une seule requête peut être accélérée en ajoutant davantage de nœuds au cluster, alors l'avenir de ce logiciel est très prometteur.
Merci d'avoir pris le temps de lire cet article. J'offre des services de conseil, d'architecture et de développement de pratiques à des clients en Amérique du Nord et en Europe. Si vous souhaitez discuter de la façon dont mes suggestions peuvent aider votre entreprise, veuillez me contacter via .
Source: habr.com