A cikk fordítása kifejezetten a kurzus hallgatói számára készült .
egy nyílt forráskódú oszlopos adatbázis. Ez egy nagyszerű környezet, ahol elemzők százai gyorsan lekérdezhetnek részletes adatokat, még akkor is, ha naponta több tízmilliárd új rekord kerül beírásra. Egy ilyen rendszer támogatásának infrastrukturális költségei elérhetik a 100 10 dollárt évente, és a használattól függően ennek fele is lehet. Egy ponton a Yandex Metrics ClickHouse telepítése XNUMX billió rekordot tartalmazott. A ClickHouse a Yandex mellett a Bloomberggel és a Cloudflare-rel is sikereket ért el.
Két éve töltöttem adatbázisok egy gépet használva, és ez lett ingyenes adatbázis szoftver, amit valaha láttam. Azóta a fejlesztők nem hagyták abba a funkciók hozzáadását, beleértve a Kafka, a HDFS és a ZStandard tömörítés támogatását. Tavaly támogatták a lépcsőzetes tömörítési módszereket, és lehetségessé vált a kódolás. Az idősoros adatok tömörítésekor a mérőértékek jól tömöríthetők delta kódolással, de a számlálóknál jobb lenne delta-by-delta kódolást használni. A jó tömörítés a ClickHouse teljesítményének kulcsa lett.
A ClickHouse 170 ezer sornyi C++ kódból áll, a harmadik féltől származó könyvtárakat nem számítva, és az egyik legkisebb elosztott adatbázis kódbázis. Összehasonlításképpen az SQLite nem támogatja a disztribúciót, és 235 ezer sornyi C kódból áll, a jelen pillanatban 207 mérnök dolgozott a ClickHouse-ban, és az utóbbi időben a commitok intenzitása nő.
2017 márciusában a ClickHouse vezényelni kezdett mint a fejlődés nyomon követésének egyszerű módja. A monolitikus dokumentációs fájlt Markdown alapú fájlhierarchiára is felbontották. A problémákat és a funkciókat a GitHubon keresztül követik nyomon, és általában a szoftver sokkal elérhetőbbé vált az elmúlt néhány évben.
Ebben a cikkben egy 2 magos processzort és NVMe tárolót használó ClickHouse-fürt teljesítményét fogom megnézni AWS EC36 rendszeren.
FRISSÍTÉS: Egy héttel a bejegyzés eredeti közzététele után újrafuttattam a tesztet egy továbbfejlesztett konfigurációval, és sokkal jobb eredményeket értem el. Ezt a bejegyzést frissítettük, hogy tükrözze ezeket a változásokat.
AWS EC2 Cluster indítása
Három c5d.9xlarge EC2 példányt fogok használni ehhez a bejegyzéshez. Mindegyik 36 virtuális CPU-t, 72 GB RAM-ot, 900 GB NVMe SSD tárhelyet tartalmaz és 10 Gigabites hálózatot támogat. Egyenként 1,962 dollárba kerülnek az eu-west-1 régióban, ha igény szerint futnak. Operációs rendszerként az Ubuntu Server 16.04 LTS-t fogom használni.
A tűzfal úgy van beállítva, hogy minden gép korlátozás nélkül kommunikálhasson egymással, és csak az én IPv4-címem szerepel az SSH által a fürtben az engedélyezési listán.
NVMe meghajtó üzemkész állapotban
A ClickHouse működéséhez létre fogok hozni egy fájlrendszert EXT4 formátumban egy NVMe meghajtón minden szerveren.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chMiután mindent beállított, láthatja a csatlakoztatási pontot és az egyes rendszereken rendelkezésre álló 783 GB-os helyet.
$ 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% /chA tesztben használt adatkészlet egy olyan adatkidobás, amelyet hat év alatt New Yorkban megtett 1.1 milliárd taxizásból hoztam létre. A blogon részletezi, hogyan gyűjtöttem ezt az adatkészletet. Az AWS S3-ban vannak tárolva, így az AWS CLI-t a hozzáférési és titkos kulcsaimmal fogom konfigurálni.
$ sudo apt update
$ sudo apt install awscli
$ aws configure100-ra állítom be a kliens egyidejű kérésének korlátját, hogy a fájlok gyorsabban töltődjenek le, mint az alapértelmezett beállítások.
$ aws configure set
default.s3.max_concurrent_requests
100Letöltöm a taxizások adatkészletét az AWS S3-ról, és az első szerveren lévő NVMe meghajtón tárolom. Ez az adatkészlet ~104 GB GZIP-tömörített CSV formátumban.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvClickHouse telepítés
A Java 8 OpenJDK disztribúcióját fogom telepíteni, mivel az Apache ZooKeeper futtatásához szükséges, ami szükséges a ClickHouse elosztott telepítéséhez mindhárom gépen.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Ezután beállítom a környezeti változót JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileEzután az Ubuntu csomagkezelő rendszerét használom a ClickHouse 18.16.1, a glances és a ZooKeeper telepítéséhez mindhárom gépre.
$ 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
zookeeperdLétrehozok egy könyvtárat a ClickHouse számára, és végrehajtok néhány konfigurációs felülírást mindhárom szerveren.
$ 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.confEzeket a konfigurációs felülírásokat fogom használni.
<?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>Ezután mindhárom gépen futtatom a ZooKeeper-t és a ClickHouse szervert.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startAdatok feltöltése a ClickHouse-ba
Az első szerveren létrehozok egy utazási táblázatot (trips), amely a naplómotor segítségével taxiutak adatkészletét tárolja.
$ 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;
Ezután kibontom és betöltöm az egyes CSV fájlokat egy trip táblázatba (trips). A következő 55 perc 10 másodperc alatt készült el. A művelet után az adatkönyvtár mérete 134 GB volt.
$ 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)Az importálási sebesség 155 MB tömörítetlen CSV-tartalom volt másodpercenként. Gyanítom, hogy ez a GZIP kibontásának szűk keresztmetszete miatt volt. Lehet, hogy gyorsabb lett volna az összes gzip-fájlt párhuzamosan kicsomagolni az xargs segítségével, majd betölteni a kicsomagolt adatokat. Az alábbiakban a CSV-importálási folyamat során jelentett adatok leírása található.
$ 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/23:1HHelyet szabadítok fel az NVMe meghajtón az eredeti CSV-fájlok törlésével a folytatás előtt.
$ sudo rm -fr /ch/csvKonvertálás oszlop űrlapra
A Log ClickHouse motor sororientált formátumban tárolja az adatokat. Az adatok gyorsabb lekérdezése érdekében a MergeTree motor segítségével oszlopos formátumra konvertálom.
$ clickhouse-client --host=0.0.0.0A következő 34 perc 50 másodperc alatt készült el. A művelet után az adatkönyvtár mérete 237 GB volt.
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;Így nézett ki a pillantás kimenet a művelet során:
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)Az utolsó teszt során több oszlopot konvertáltak és újraszámítottak. Azt tapasztaltam, hogy ezen funkciók némelyike már nem a várt módon működik ezen az adatkészleten. A probléma megoldása érdekében eltávolítottam a nem megfelelő függvényeket, és anélkül töltöttem be az adatokat, hogy részletesebb típusokra konvertáltam volna.
Az adatok elosztása a klaszteren belül
Az adatokat mindhárom fürtcsomópont között elosztom. Kezdésként lent készítek egy táblázatot mindhárom gépen.
$ 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);Ezután meg fogom győződni arról, hogy az első szerver látja a fürt mindhárom csomópontját.
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:
Ezután definiálok egy új táblát az első szerveren, amely a séma alapján történik trips_mergetree_third és az Elosztott motort használja.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Ezután átmásolom az adatokat a MergeTree alapú táblából mindhárom szerverre. A következő 34 perc 44 másodperc alatt készült el.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;A fenti művelet után 15 percet adtam a ClickHouse-nak, hogy távolodjon a maximális tárhelyszinttől. Az adatkönyvtárak végül 264 GB-os, 34 GB-os és 33 GB-osak lettek mindhárom szerveren.
ClickHouse fürt teljesítményének értékelése
Amit ezután láttam, az volt a leggyorsabb alkalom, amikor minden lekérdezést többször futtattam egy táblázaton trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0A következő 2.449 másodperc alatt készült el.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;A következő 0.691 másodperc alatt készült el.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;A következő 0 másodperc alatt készült el.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;A következő 0.983 másodperc alatt készült el.
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;Összehasonlításképpen ugyanazokat a lekérdezéseket futtattam egy MergeTree-alapú táblán, amely kizárólag az első szerveren található.
Egy ClickHouse csomópont teljesítményértékelése
Amit ezután láttam, az volt a leggyorsabb alkalom, amikor minden lekérdezést többször futtattam egy táblázaton trips_mergetree_x3.
A következő 0.241 másodperc alatt készült el.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;A következő 0.826 másodperc alatt készült el.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;A következő 1.209 másodperc alatt készült el.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;A következő 1.781 másodperc alatt készült el.
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;Elmélkedések az eredményekről
Ez az első alkalom, hogy egy ingyenes CPU-alapú adatbázis felülmúlja a GPU-alapú adatbázist a tesztjeim során. Ez a GPU-alapú adatbázis azóta két felülvizsgálaton ment keresztül, de a ClickHouse egyetlen csomóponton nyújtott teljesítménye ennek ellenére nagyon lenyűgöző.
Ugyanakkor az 1. lekérdezés elosztott motoron végrehajtásakor az általános költségek egy nagyságrenddel magasabbak. Remélem, valamit kihagytam ennek a bejegyzésnek a kutatása során, mert jó lenne, ha a lekérdezési idők csökkennének, ahogy további csomópontokat adok a fürthöz. Nagyszerű azonban, hogy más lekérdezések végrehajtásakor a teljesítmény körülbelül 2-szeresére nőtt.
Jó lenne látni, ha a ClickHouse afelé fejlődne, hogy képes legyen szétválasztani a tárhelyet és a számításokat, hogy egymástól függetlenül méretezhessenek. A tavaly hozzáadott HDFS-támogatás egy lépés lehet e felé. A számítástechnika szempontjából, ha egyetlen lekérdezés felgyorsítható további csomópontok hozzáadásával a fürthöz, akkor ennek a szoftvernek a jövője nagyon fényes.
Köszönjük, hogy időt szánt ennek a bejegyzésnek az elolvasására. Tanácsadási, építészeti és gyakorlatfejlesztési szolgáltatásokat kínálok ügyfeleimnek Észak-Amerikában és Európában. Ha szeretné megbeszélni, hogy javaslataim hogyan segíthetik vállalkozását, forduljon hozzám a következő telefonszámon .
Forrás: will.com