{"id":54918,"date":"2020-01-07T00:00:00","date_gmt":"2020-01-06T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb"},"modified":"2020-02-18T14:02:58","modified_gmt":"2020-02-18T11:02:58","slug":"ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb","status":"publish","type":"post","link":"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb","title":{"rendered":"L'uso di Clickhouse come alternativa a ELK, Big Query e TimescaleDB","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p><noindex><a rel=\"nofollow\" href=\"https:\/\/clickhouse.yandex\/\">Clickhouse<\/a><\/noindex> \u00e8 un sistema di gestione di database a colonne per l'elaborazione analitica online (OLAP) con codice sorgente aperto, sviluppato da Yandex. Viene utilizzato da Yandex, CloudFlare, VK.com, Badoo e altri servizi in tutto il mondo per archiviare enormi quantit\u00e0 di dati (inserendo migliaia di righe al secondo o petabyte di dati memorizzati su disco).<\/p>\n<p>In un tradizionale DBMS \"a righe\", con esempi come MySQL, Postgres, MS SQL Server, i dati sono memorizzati in questo ordine: <\/p>\n<p><img decoding=\"async\" alt=\"L&#039;uso di Clickhouse come alternativa a ELK, Big Query e TimescaleDB\" src=\"\/wp-content\/uploads\/2020\/01\/398f260de0152baf3cc11d884fa0d52d.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nIn questo modo, i valori che appartengono alla stessa riga sono fisicamente memorizzati vicini. Nei DBMS a colonne, i valori di colonne diverse sono memorizzati separatamente, mentre i dati di una colonna sono memorizzati insieme:<\/p>\n<p><img decoding=\"async\" alt=\"L&#039;uso di Clickhouse come alternativa a ELK, Big Query e TimescaleDB\" src=\"\/wp-content\/uploads\/2020\/01\/938a2ee3d588ac866ec92bb3ea09c253.png\" style=\"display:block;margin: 0 auto;\" \/><noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/p>\n<p>Esempi di DBMS a colonne includono Vertica, Paraccel (Actian Matrix, Amazon Redshift), Sybase IQ, Exasol, Infobright, InfiniDB, MonetDB (VectorWise, Actian Vector), LucidDB, SAP HANA, Google Dremel, Google PowerDrill, Druid, kdb+.<\/p>\n<p>L'azienda - mail forwarder <noindex><a rel=\"nofollow\" href=\"https:\/\/qwintry.com\/\">Qwintry<\/a><\/noindex> ha iniziato a utilizzare Clickhouse nel 2018 per la creazione di report ed \u00e8 rimasta molto colpita dalla sua semplicit\u00e0, scalabilit\u00e0, supporto per SQL e velocit\u00e0. La rapidit\u00e0 di questa DBMS sfiorava la magia.<\/p>\n<h3>Semplicit\u00e0<\/h3>\n<p>\nClickhouse si installa su Ubuntu con un semplice comando. Se conosci SQL, puoi immediatamente iniziare a utilizzare Clickhouse per le tue esigenze. Tuttavia, questo non significa che tu possa semplicemente eseguire \u00abshow create table\u00bb in MySQL e copiare il SQL in Clickhouse. <\/p>\n<p>Rispetto a MySQL, ci sono importanti differenze nei tipi di dati nelle definizioni degli schemi delle tabelle in questo DBMS, quindi avrai comunque bisogno di un po' di tempo per modificare le definizioni degli schemi delle tabelle e imparare i motori delle tabelle.<\/p>\n<p>Clickhouse funziona perfettamente senza alcun software aggiuntivo, ma se desideri utilizzare la replica, dovrai installare ZooKeeper. L'analisi delle prestazioni delle query mostra risultati eccellenti: le tabelle di sistema contengono tutte le informazioni e tutti i dati possono essere ottenuti tramite il vecchio e noioso SQL.<\/p>\n<h3>Prestazioni<\/h3>\n<ul>\n<li><noindex><a rel=\"nofollow\" href=\"https:\/\/clickhouse.yandex\/benchmark.html#%5B%2522100000000%2522,%5B%2522ClickHouse%2522,%2522Vertica%2522,%2522MySQL%2522%5D,%5B%25220%2522,%25221%2522%5D%5D\">Benchmark<\/a><\/noindex> confronti tra Clickhouse, Vertica e MySQL su un server di configurazione: due socket Intel\u00ae Xeon\u00ae CPU E5-2650 v2 @ 2.60GHz; 128 GiB di RAM; md RAID-5 su 8 HDD SATA da 6 TB, ext4.<\/li>\n<li><noindex><a rel=\"nofollow\" href=\"https:\/\/www.altinity.com\/blog\/2017\/6\/20\/clickhouse-vs-redshift\">Benchmark<\/a><\/noindex> confronti tra Clickhouse e il data warehouse cloud Amazon RedShift.<\/li>\n<li>Estratti dal blog <noindex><a rel=\"nofollow\" href=\"https:\/\/blog.cloudflare.com\/how-cloudflare-analyzes-1m-dns-queries-per-second\/\">Cloudflare sulle prestazioni di Clickhouse<\/a><\/noindex>:<\/li>\n<\/ul>\n<p>\n<img decoding=\"async\" alt=\"L&#039;uso di Clickhouse come alternativa a ELK, Big Query e TimescaleDB\" src=\"\/wp-content\/uploads\/2020\/01\/b6ef9fbad8e8c864a227bcffd97ec0fe.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nIl database ClickHouse presenta un design molto semplice: tutti i nodi nel cluster hanno la stessa funzionalit\u00e0 e utilizzano solo ZooKeeper per la coordinazione. Abbiamo costruito un piccolo cluster di alcuni nodi e abbiamo eseguito test, durante i quali abbiamo scoperto che il sistema offre prestazioni piuttosto impressionanti, in linea con i vantaggi dichiarati nei benchmark dei database analitici. Abbiamo deciso di esaminare pi\u00f9 nel dettaglio il concetto alla base di ClickHouse. Il primo ostacolo alla ricerca \u00e8 stato l'assenza di strumenti e la scarsit\u00e0 della comunit\u00e0 di ClickHouse, quindi ci siamo immersi nel design di questo DBMS per capire come funziona.<\/p>\n<p>ClickHouse non supporta la ricezione di dati direttamente da Kafka, poich\u00e9 \u00e8 solo un database. Per questo motivo abbiamo creato un nostro servizio di adattatori in Go. Questo leggeva i messaggi codificati Cap\u2019n Proto da Kafka, li trasformava in TSV e li inseriva in ClickHouse in pacchetti tramite l'interfaccia HTTP. In seguito, abbiamo riscritto questo servizio per utilizzare la libreria Go insieme alla nostra interfaccia ClickHouse per migliorare le prestazioni. Quando abbiamo valutato le prestazioni della ricezione dei pacchetti, abbiamo scoperto una cosa importante: si \u00e8 rivelato che le prestazioni di ClickHouse dipendono fortemente dalla dimensione del pacchetto, ovvero dal numero di righe inserite contemporaneamente. Per comprendere perch\u00e9 ci\u00f2 accade, abbiamo esaminato come ClickHouse memorizza i dati.<\/p>\n<p>Il motore principale, o meglio, la famiglia di motori per le tabelle utilizzato da ClickHouse per l'archiviazione dei dati \u00e8 MergeTree. Questo motore \u00e8 concettualmente simile all'algoritmo LSM utilizzato in Google BigTable o Apache Cassandra, ma evita di costruire una tabella intermedia in memoria e scrive i dati direttamente sul disco. Questo gli conferisce un'ottima capacit\u00e0 di scrittura, poich\u00e9 ogni pacchetto inserito viene ordinato solo in base alla \"chiave primaria\" primary key, compresso e scritto sul disco per formare un segmento. <\/p>\n<p>L'assenza di una tabella della memoria o di un qualsiasi concetto di \"freschezza\" dei dati implica che questi possano essere soltanto aggiunti, mentre la modifica o la rimozione non sono supportate dal sistema. Ad oggi, l'unico modo per eliminare i dati \u00e8 cancellarli per mese, poich\u00e9 i segmenti non superano mai il confine del mese. Il team di ClickHouse sta lavorando attivamente per rendere questa funzione personalizzabile. D'altra parte, questo rende la registrazione e la fusione dei segmenti senza conflitti, quindi la capacit\u00e0 di assorbimento si scala linearmente con il numero di inserimenti paralleli fino a quando non si verifica un saturazione dell'I\/O o delle CPU. <br \/>\nTuttavia, questa circostanza implica anche che il sistema non sia adatto per piccoli pacchetti; pertanto, vengono utilizzati servizi Kafka e inserter per il buffering. Inoltre, ClickHouse continua a eseguire in background la fusione dei segmenti, cos\u00ec che molte piccole parti di informazione verranno unite e scritte pi\u00f9 volte, aumentando cos\u00ec l'intensit\u00e0 della scrittura. Troppe parti non collegate, per\u00f2, innescheranno un throttling aggressivo delle inserzioni fino a quando la fusione \u00e8 in corso. Abbiamo scoperto che il miglior compromesso tra l'acquisizione di dati in tempo reale e le prestazioni di assorbimento \u00e8 l'accettazione in tabella di un numero limitato di inserimenti al secondo.<\/p>\n<p>La chiave per le prestazioni di lettura delle tabelle \u00e8 l'indicizzazione e la disposizione dei dati su disco. Indipendentemente dalla velocit\u00e0 di elaborazione, quando il motore deve esaminare terabyte di dati dal disco e ne utilizza solo una parte, ci vorr\u00e0 tempo. ClickHouse \u00e8 un database colonnare, quindi ogni segmento contiene un file per ogni colonna con valori ordinati per ogni riga. Cos\u00ec, intere colonne assenti nella query possono essere saltate in anticipo e quindi diverse celle possono essere elaborate in parallelo con l'esecuzione vettoriale. Per evitare una scansione completa, ogni segmento ha un piccolo file di indice. <\/p>\n<p>Dato che tutte le colonne sono ordinate per 'chiave primaria', il file di indice contiene solo i marcatori (righe catturate) di ogni N-esima riga, in modo da poterli memorizzare in memoria anche per tabelle molto grandi. Ad esempio, si possono impostare le impostazioni predefinite per 'segnare ogni 8192-esima riga', quindi l'indicizzazione 'scarsa' di una tabella con 1 trilione di righe, che si adatta facilmente in memoria, richieder\u00e0 solo 122.070 caratteri. <\/p>\n<h3>Sviluppo del sistema<\/h3>\n<p>\nLo sviluppo e il perfezionamento di Clickhouse possono essere seguiti su <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/yandex\/ClickHouse\/pulse\">Github repo<\/a><\/noindex> e puoi verificare che il processo di 'crescita' sta avvenendo a un ritmo impressionante. <\/p>\n<p><img decoding=\"async\" alt=\"L&#039;uso di Clickhouse come alternativa a ELK, Big Query e TimescaleDB\" src=\"\/wp-content\/uploads\/2020\/01\/19211da28e42178d26dff7623689df71.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<\/p>\n<h3>Popolarit\u00e0<\/h3>\n<p>\nSembra che la popolarit\u00e0 di Clickhouse stia crescendo esponenzialmente, soprattutto nella comunit\u00e0 di lingua russa. La conferenza dello scorso anno High Load 2018 (Mosca, 8-9 novembre 2018) ha dimostrato che mostri come vk.com e Badoo utilizzano Clickhouse, con cui inseriscono dati (ad esempio, log) da decine di migliaia di server contemporaneamente. Nel video di 40 minuti <noindex><a rel=\"nofollow\" href=\"https:\/\/www.youtube.com\/watch?v=pbbcMcrQoXw\">Yuriy Nasretdinov del team di Vkontakte parla di come questo avviene<\/a><\/noindex>. Presto pubblicheremo la trascrizione su Habr per facilitare il lavoro con il materiale.<\/p>\n<h3>Ambiti di applicazione<\/h3>\n<p>\nDopo aver trascorso del tempo a ricercare, penso che esistano aree in cui ClickHouse pu\u00f2 essere utile o pu\u00f2 completamente sostituire altre soluzioni pi\u00f9 tradizionali e popolari, come MySQL, PostgreSQL, ELK, Google Big Query, Amazon RedShift, TimescaleDB, Hadoop, MapReduce, Pinot e Druid. Di seguito sono forniti dettagli sull'uso di ClickHouse per modernizzare o sostituire completamente i suddetti DBMS. <\/p>\n<h3>Espansione delle possibilit\u00e0 di MySQL e PostgreSQL<\/h3>\n<p>\nRecentemente abbiamo parzialmente sostituito MySQL con ClickHouse per la piattaforma delle newsletter. <noindex><a rel=\"nofollow\" href=\"https:\/\/www.mautic.org\/\">Newsletter Mautic<\/a><\/noindex>. Il problema era che MySQL, a causa di un design poco ponderato, registrava ogni email inviata e ogni link all'interno di essa con un hash base64, creando cos\u00ec una tabella MySQL molto grande (email_stats). Dopo aver inviato ai sottoscrittori del servizio 10 milioni di email, questa tabella occupava 150 GB di spazio, e MySQL iniziava a rallentare nelle query semplici. Per risolvere il problema dello spazio, abbiamo utilizzato con successo la compressione della tabella InnoDB, riducendone le dimensioni di quattro volte. Tuttavia, non ha comunque senso conservare pi\u00f9 di 20-30 milioni di email in MySQL solo per leggere la cronologia, poich\u00e9 qualsiasi semplice query che per qualche motivo deve eseguire una scansione completa porta a swap e a un carico elevato su I\/O, a riguardo del quale ricevevamo regolarmente avvisi da Zabbix.<\/p>\n<p><img decoding=\"async\" alt=\"L&#039;uso di Clickhouse come alternativa a ELK, Big Query e TimescaleDB\" src=\"\/wp-content\/uploads\/2020\/01\/11b3ee4b1a8b7c9457bd3871bd12049f.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nClickHouse utilizza due algoritmi di compressione che riducono il volume dei dati di circa <noindex><a rel=\"nofollow\" href=\"https:\/\/www.altinity.com\/blog\/2017\/11\/21\/compression-in-clickhouse\">3-4 volte<\/a><\/noindex>, ma in questo caso specifico i dati erano particolarmente 'compressibili'. <\/p>\n<p><img decoding=\"async\" alt=\"L&#039;uso di Clickhouse come alternativa a ELK, Big Query e TimescaleDB\" src=\"\/wp-content\/uploads\/2020\/01\/d192502073d57967620aa07da0bbfa0c.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<\/p>\n<h3>Sostituzione ELK<\/h3>\n<p>\nIn base alla mia esperienza, lo stack ELK (ElasticSearch, Logstash e Kibana, in questo caso specifico ElasticSearch) richiede molte pi\u00f9 risorse per avviarsi di quanto sia necessario per memorizzare i log. ElasticSearch \u00e8 un ottimo motore se hai bisogno di una buona ricerca testuale nei log (e non credo che sia davvero necessario), ma mi chiedo perch\u00e9 sia diventato de facto il motore standard per la registrazione. Le sue prestazioni di ricezione, insieme a Logstash, ci hanno creato problemi anche con carichi di lavoro relativamente leggeri e hanno richiesto l'aggiunta di sempre maggiore memoria RAM e spazio su disco. Come database, Clickhouse \u00e8 superiore a ElasticSearch per i seguenti motivi:<\/p>\n<ul>\n<li>Supporto per il dialetto SQL;<\/li>\n<li>Miglior tasso di compressione dei dati memorizzati;<\/li>\n<li>Supporto per la ricerca con espressioni regolari Regex invece della ricerca testuale completa;<\/li>\n<li>Pianificazione delle query migliorata e prestazioni complessive pi\u00f9 elevate.<\/li>\n<\/ul>\n<p>\nAttualmente, la principale problematica nel confrontare ClickHouse con ELK \u00e8 la mancanza di soluzioni per la spedizione dei log e la carenza di documentazione e tutorial su questo argomento. Ogni utente pu\u00f2 configurare ELK seguendo la guida di Digital Ocean, il che \u00e8 fondamentale per una rapida implementazione di tecnologie simili. C'\u00e8 un motore di database, ma attualmente manca Filebeat per ClickHouse. S\u00ec, \u00e8 presente <noindex><a rel=\"nofollow\" href=\"https:\/\/www.fluentd.org\/\">fluentd<\/a><\/noindex> e un sistema per la gestione dei log <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/flant\/loghouse\">loghouse<\/a><\/noindex>, esiste uno strumento <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/Altinity\/clicktail\">clicktail<\/a><\/noindex> per l'immissione dei dati dei log in ClickHouse, ma tutto ci\u00f2 richiede pi\u00f9 tempo. Tuttavia, ClickHouse resta comunque il leader grazie alla sua semplicit\u00e0, quindi anche i principianti riescono a installarlo facilmente e iniziare a utilizzarlo completamente in appena 10 minuti. <\/p>\n<p>Preferendo soluzioni minimaliste, ho provato a utilizzare FluentBit, uno strumento per la spedizione dei log con un ingombro di memoria molto ridotto, insieme a ClickHouse, cercando di evitare l'uso di Kafka. Tuttavia, \u00e8 necessario risolvere alcune piccole incompatibilit\u00e0, come <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/fluent\/fluent-bit\/issues\/848\">i problemi di formato data<\/a><\/noindex>, prima che ci\u00f2 possa avvenire senza un livello proxy che converte i dati da FluentBit a ClickHouse.<\/p>\n<p>Come alternativa a Kibana, si pu\u00f2 utilizzare ClickHouse come backend. <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/Vertamedia\/clickhouse-grafana\">Grafana<\/a><\/noindex>A quanto ho capito, questo pu\u00f2 causare problemi di prestazioni quando si rendono enormi quantit\u00e0 di dati, specialmente con versioni pi\u00f9 vecchie di Grafana. In Qwintry non lo abbiamo provato finora, ma ci sono lamentele a riguardo che emergono di tanto in tanto nel canale di supporto di ClickHouse su Telegram. <\/p>\n<h3>Sostituto di Google Big Query e Amazon RedShift (soluzione per grandi aziende)<\/h3>\n<p>\nL'uso ideale di BigQuery \u00e8 caricare 1 TB di dati JSON e eseguire query analitiche su di essi. BigQuery \u00e8 un ottimo prodotto, la cui scalabilit\u00e0 \u00e8 difficile da sovrastimare. \u00c8 un software molto pi\u00f9 complesso di ClickHouse, che opera su un cluster interno, ma dal punto di vista del cliente ha molto in comune con ClickHouse. BigQuery pu\u00f2 diventare rapidamente \"costoso\" non appena si inizia a pagare per ogni SELECT, rendendolo una vera soluzione SaaS con tutti i suoi pro e contro. <\/p>\n<p>ClickHouse \u00e8 la scelta migliore quando esegui molte query costose in termini di calcolo. Pi\u00f9 query SELECT esegui ogni giorno, pi\u00f9 ha senso sostituire Big Query con ClickHouse, poich\u00e9 questa sostituzione pu\u00f2 farti risparmiare migliaia di dollari quando si tratta di molti terabyte di dati elaborati. Questo non si applica ai dati memorizzati, la cui elaborazione in Big Query \u00e8 piuttosto economica.<\/p>\n<p>Nell'articolo del co-fondatore di Altinity, Aleksandr Zaicev <noindex><a rel=\"nofollow\" href=\"https:\/\/www.altinity.com\/blog\/2017\/10\/23\/migration-to-clickhouse\">\u00abTransizione a ClickHouse\u00bb<\/a><\/noindex> si parla dei vantaggi di tale migrazione del DBMS.<\/p>\n<h3>Sostituzione di TimescaleDB<\/h3>\n<p>\nTimescaleDB \u00e8 un'estensione di PostgreSQL che ottimizza la gestione delle serie temporali in un normale database.<noindex><a rel=\"nofollow\" href=\"https:\/\/docs.timescale.com\/v1.0\/introduction\">https:\/\/docs.timescale.com\/v1.0\/introduction<\/a><\/noindex>, <noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/zabbix\/blog\/458530\/\">https:\/\/habr.com\/ru\/company\/zabbix\/blog\/458530\/<\/a><\/noindex>). <\/p>\n<p>Sebbene ClickHouse non sia un serio concorrente nel campo dei dati temporali, la sua struttura colonnare e l'elaborazione vettoriale delle query lo rendono, nella maggior parte dei casi, molto pi\u00f9 veloce di TimescaleDB per l'elaborazione delle query analitiche. Inoltre, le prestazioni nell'accettare dati in batch di ClickHouse sono circa tre volte superiori e utilizza anche venti volte meno spazio su disco, il che \u00e8 davvero importante per la gestione di grandi quantit\u00e0 di dati storici.<noindex><a rel=\"nofollow\" href=\"https:\/\/www.altinity.com\/blog\/ClickHouse-for-time-series\">https:\/\/www.altinity.com\/blog\/ClickHouse-for-time-series<\/a><\/noindex>.<\/p>\n<p>A differenza di ClickHouse, l'unico modo per risparmiare un po' di spazio su disco in TimescaleDB \u00e8 utilizzare ZFS o file system simili.<\/p>\n<p>I futuri aggiornamenti di ClickHouse introdurranno probabilmente la compressione delta, rendendolo ancora pi\u00f9 adatto per l'elaborazione e la conservazione dei dati temporali. TimescaleDB potrebbe diventare una scelta migliore rispetto al \u00absemplice\u00bb ClickHouse nei seguenti casi:<\/p>\n<ul>\n<li>piccole installazioni con pochissima RAM (&lt;3 GB);<\/li>\n<li>un gran numero di piccoli INSERT che non si vogliono bufferizzare in grandi frammenti;<\/li>\n<li>migliore coerenza, uniformit\u00e0 e requisiti ACID;<\/li>\n<li>supporto per PostGIS;<\/li>\n<li>integrazione con le tabelle PostgreSQL esistenti, poich\u00e9 sostanzialmente Timescale DB \u00e8 PostgreSQL.<\/li>\n<\/ul>\n<p><\/p>\n<h3>Concorrenza con i sistemi Hadoop e MapReduce<\/h3>\n<p>\nHadoop e altri prodotti MapReduce possono eseguire una serie di calcoli complessi, ma tendono a funzionare con enormi ritardi. ClickHouse risolve questo problema elaborando terabyte di dati e restituendo i risultati quasi istantaneamente. Di conseguenza, ClickHouse \u00e8 molto pi\u00f9 efficiente per eseguire ricerche analitiche rapide e interattive, il che dovrebbe interessare i professionisti del trattamento dei dati.<\/p>\n<h3>Concorrenza con Pinot e Druid<\/h3>\n<p>\nI principali concorrenti di ClickHouse sono i prodotti open source colonne linearmente scalabili Pinot e Druid. Un eccellente confronto tra questi sistemi \u00e8 pubblicato nell'articolo <noindex><a rel=\"nofollow\" href=\"https:\/\/medium.com\/@leventov\/comparison-of-the-open-source-olap-systems-for-big-data-ClickHouse-druid-and-pinot-8e042a5ed1c7\">Roman Leventov<\/a><\/noindex> del 1 febbraio 2018. <\/p>\n<p><img decoding=\"async\" alt=\"L&#039;uso di Clickhouse come alternativa a ELK, Big Query e TimescaleDB\" src=\"\/wp-content\/uploads\/2020\/01\/fe58814aa97b287b70c2f724b72b448a.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nQuesto articolo richiede un aggiornamento: afferma che ClickHouse non supporta le operazioni UPDATE e DELETE, il che non \u00e8 del tutto corretto per le ultime versioni.<\/p>\n<p>\u0423 \u043d\u0430\u0441 \u043d\u0435\u0442 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e\u0433\u043e \u043e\u043f\u044b\u0442\u0430 \u0440\u0430\u0431\u043e\u0442\u044b \u0441 \u044d\u0442\u0438\u043c\u0438 \u0421\u0423\u0411\u0414, \u043d\u043e \u043c\u043d\u0435 \u0441\u043e\u0432\u0441\u0435\u043c \u043d\u0435 \u043d\u0440\u0430\u0432\u0438\u0442\u0441\u044f \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c\u043e\u0439 \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u044b, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u0434\u043b\u044f \u0437\u0430\u043f\u0443\u0441\u043a\u0430 Druid \u0438 Pinot \u00a0&#8212; \u044d\u0442\u043e \u0446\u0435\u043b\u0430\u044f \u043a\u0443\u0447\u0430 \u00ab\u043f\u043e\u0434\u0432\u0438\u0436\u043d\u044b\u0445 \u0447\u0430\u0441\u0442\u0435\u0439\u00bb, \u043e\u043a\u0440\u0443\u0436\u0435\u043d\u043d\u044b\u0445 Java \u0441\u043e \u0432\u0441\u0435\u0445 \u0441\u0442\u043e\u0440\u043e\u043d.<\/p>\n<p>Druid e Pinot sono progetti incubatori di Apache, il cui sviluppo viene dettagliatamente seguito da Apache sulle pagine dei propri progetti su GitHub. Pinot \u00e8 nato nell'incubatore nell'ottobre 2018, mentre Druid \u00e8 comparso 8 mesi prima, a febbraio.<\/p>\n<p>La mancanza di informazioni su come funziona AFS mi solleva alcune, e forse sciocche, domande. \u00c8 interessante sapere se gli autori di Pinot hanno notato che la Apache Foundation \u00e8 pi\u00f9 favorevole a Druid, e se questo atteggiamento verso un concorrente abbia suscitato sentimenti di invidia? Lo sviluppo di Druid rallenter\u00e0 e quello di Pinot accelerer\u00e0 se i sostenitori del primo si interesseranno improvvisamente al secondo?<\/p>\n<h3>Svantaggi di ClickHouse<\/h3>\n<p>\nImmaturit\u00e0: \u00e8 evidente che si tratta ancora di una tecnologia in fase di sviluppo, ma ad ogni modo, non si osserva nulla di simile in altri DBMS a colonne. <\/p>\n<p>Le piccole inserzioni funzionano male con elevate velocit\u00e0: le inserzioni devono essere suddivise in pezzi pi\u00f9 grandi, poich\u00e9 le prestazioni delle piccole inserzioni diminuiscono proporzionalmente al numero di colonne in ogni riga. Questo \u00e8 il modo in cui ClickHouse memorizza i dati su disco: ogni colonna equivale a 1 file o pi\u00f9, quindi per inserire 1 riga contenente 100 colonne \u00e8 necessario aprire e scrivere almeno 100 file. Ecco perch\u00e9 \u00e8 necessario un intermediario per il buffering delle inserzioni (a meno che non sia il cliente stesso a fornire il buffering): di solito si tratta di Kafka o di un sistema di gestione delle code. \u00c8 anche possibile utilizzare il motore della tabella Buffer per copiare successivamente grandi blocchi di dati nelle tabelle MergeTree.<\/p>\n<p>Le join tra tabelle sono limitate dalla memoria RAM del server, ma almeno ci sono! Ad esempio, Druid e Pinot non hanno affatto queste join, poich\u00e9 sono difficili da implementare direttamente in sistemi distribuiti che non supportano lo spostamento di grandi blocchi di dati tra nodi. <\/p>\n<h3>Conclusioni<\/h3>\n<p>\nNei prossimi anni, prevediamo di utilizzare ampiamente ClickHouse in Qwintry, poich\u00e9 questo DBMS offre un ottimo equilibrio tra prestazioni, costi operativi ridotti, scalabilit\u00e0 e semplicit\u00e0. Sono quasi sicuro che inizier\u00e0 a diffondersi rapidamente non appena la comunit\u00e0 di ClickHouse trover\u00e0 pi\u00f9 modi per utilizzarlo in installazioni di piccole e medie dimensioni.<\/p>\n<h3>Un po' di pubblicit\u00e0 \ud83d\ude42<\/h3>\n<p>\nGrazie per essere con noi. Ti piacciono i nostri articoli? Vuoi vedere pi\u00f9 contenuti interessanti? Supportaci effettuando un ordine o raccomandandoci ai tuoi conoscenti, <noindex><a rel=\"nofollow\" href=\"https:\/\/ua-hosting.company\/cloudvps\/nl\">VPS cloud per sviluppatori a partire da $4,99<\/a><\/noindex>, <b>un'alternativa unica ai server entry-level, che abbiamo creato per te:<\/b> <noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/company\/ua-hosting\/blog\/347386\/\">Tutta la verit\u00e0 su VPS (KVM) E5-2697 v3 (6 Core) 10GB DDR4 480GB SSD 1Gbps a partire da $19. Come dividere il server correttamente?<\/a><\/noindex> (disponibili opzioni con RAID1 e RAID10, fino a 24 core e fino a 40GB DDR4).<\/p>\n<p><b>Dell R730xd a met\u00e0 prezzo nel data center Equinix Tier IV ad Amsterdam?<\/b> Solo da noi <b><noindex><a rel=\"nofollow\" href=\"https:\/\/ua-hosting.company\/serversnl\">2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TB a partire da $199<\/a><\/noindex> nei Paesi Bassi! <b>Dell R420 \u2014 2x E5-2430 2.2GHz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB \u2014 a partire da $99!<\/b><\/b> Scopri di pi\u00f9 su <noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/company\/ua-hosting\/blog\/329618\/\">Come costruire un'infrastruttura di classe enterprise con server Dell R730xd E5-2650 v4 dal costo di 9000 euro a prezzi stracciati?<\/a><\/noindex><br \/>\n<br \/>Fonte: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/ua-hosting\/blog\/483112\/\">habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>Clickhouse \u2014 \u044d\u0442\u043e \u0441\u0442\u043e\u043b\u0431\u0446\u043e\u0432\u0430\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0431\u0430\u0437\u0430\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u043e\u043d\u043b\u0430\u0439\u043d \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 (OLAP) \u0441 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u043c \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u043c \u043a\u043e\u0434\u043e\u043c, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u0430\u044f \u042f\u043d\u0434\u0435\u043a\u0441\u043e\u043c. \u0415\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u042f\u043d\u0434\u0435\u043a\u0441, CloudFlare, VK.com, Badoo \u0438 \u0434\u0440\u0443\u0433\u0438\u0435 \u0441\u0435\u0440\u0432\u0438\u0441\u044b \u043f\u043e \u0432\u0441\u0435\u043c\u0443 \u043c\u0438\u0440\u0443 \u0434\u043b\u044f \u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043e\u0431\u044a\u0435\u043c\u043e\u0432 \u0434\u0430\u043d\u043d\u044b\u0445 (\u0432\u0441\u0442\u0430\u0432\u043a\u0430 \u0442\u044b\u0441\u044f\u0447 \u0441\u0442\u0440\u043e\u043a \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443 \u0438\u043b\u0438 \u043f\u0435\u0442\u0430\u0431\u0430\u0439\u0442\u044b \u0434\u0430\u043d\u043d\u044b\u0445, \u0445\u0440\u0430\u043d\u044f\u0449\u0438\u0445\u0441\u044f \u043d\u0430 \u0434\u0438\u0441\u043a\u0435). \u0412 \u043e\u0431\u044b\u0447\u043d\u043e\u0439, \u00ab\u0441\u0442\u0440\u043e\u043a\u043e\u0432\u043e\u0439\u00bb \u0421\u0423\u0411\u0414, \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u043c\u0438 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[688],"tags":[],"class_list":["post-54918","post","type-post","status-publish","format-standard","hentry","category-administrirovanie"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 4.9.10 - aioseo.com -->\n\t<meta name=\"description\" content=\"Clickhouse \u2014 \u044d\u0442\u043e \u0441\u0442\u043e\u043b\u0431\u0446\u043e\u0432\u0430\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0431\u0430\u0437\u0430\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u043e\u043d\u043b\u0430\u0439\u043d \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 (OLAP) \u0441 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u043c \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u043c \u043a\u043e\u0434\u043e\u043c, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u0430\u044f \u042f\u043d\u0434\u0435\u043a\u0441\u043e\u043c. \u0415\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u042f\u043d\u0434\u0435\u043a\u0441, CloudFlare, VK.com, Badoo \u0438 \u0434\u0440\u0443\u0433\u0438\u0435 \u0441\u0435\u0440\u0432\u0438\u0441\u044b \u043f\u043e \u0432\u0441\u0435\u043c\u0443 \u043c\u0438\u0440\u0443 \u0434\u043b\u044f \u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043e\u0431\u044a\u0435\u043c\u043e\u0432 \u0434\u0430\u043d\u043d\u044b\u0445 (\u0432\u0441\u0442\u0430\u0432\u043a\u0430 \u0442\u044b\u0441\u044f\u0447 \u0441\u0442\u0440\u043e\u043a \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443 \u0438\u043b\u0438 \u043f\u0435\u0442\u0430\u0431\u0430\u0439\u0442\u044b \u0434\u0430\u043d\u043d\u044b\u0445, \u0445\u0440\u0430\u043d\u044f\u0449\u0438\u0445\u0441\u044f \u043d\u0430 \u0434\u0438\u0441\u043a\u0435). \u0412 \u043e\u0431\u044b\u0447\u043d\u043e\u0439, \u00ab\u0441\u0442\u0440\u043e\u043a\u043e\u0432\u043e\u0439\u00bb \u0421\u0423\u0411\u0414, \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u043c\u0438 \u043a\u043e\u0442\u043e\u0440\u044b\u0445\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb\" \/>\n\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 4.9.10\" \/>\n\t\t<meta property=\"og:locale\" content=\"it_IT\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47\u0418\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435 Clickhouse \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0437\u0430\u043c\u0435\u043d\u044b ELK, Big Query \u0438 TimescaleDB | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"Clickhouse \u2014 \u044d\u0442\u043e \u0441\u0442\u043e\u043b\u0431\u0446\u043e\u0432\u0430\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0431\u0430\u0437\u0430\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u043e\u043d\u043b\u0430\u0439\u043d \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 (OLAP) \u0441 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u043c \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u043c \u043a\u043e\u0434\u043e\u043c, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u0430\u044f \u042f\u043d\u0434\u0435\u043a\u0441\u043e\u043c. \u0415\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u042f\u043d\u0434\u0435\u043a\u0441, CloudFlare, VK.com, Badoo \u0438 \u0434\u0440\u0443\u0433\u0438\u0435 \u0441\u0435\u0440\u0432\u0438\u0441\u044b \u043f\u043e \u0432\u0441\u0435\u043c\u0443 \u043c\u0438\u0440\u0443 \u0434\u043b\u044f \u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043e\u0431\u044a\u0435\u043c\u043e\u0432 \u0434\u0430\u043d\u043d\u044b\u0445 (\u0432\u0441\u0442\u0430\u0432\u043a\u0430 \u0442\u044b\u0441\u044f\u0447 \u0441\u0442\u0440\u043e\u043a \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443 \u0438\u043b\u0438 \u043f\u0435\u0442\u0430\u0431\u0430\u0439\u0442\u044b \u0434\u0430\u043d\u043d\u044b\u0445, \u0445\u0440\u0430\u043d\u044f\u0449\u0438\u0445\u0441\u044f \u043d\u0430 \u0434\u0438\u0441\u043a\u0435). \u0412 \u043e\u0431\u044b\u0447\u043d\u043e\u0439, \u00ab\u0441\u0442\u0440\u043e\u043a\u043e\u0432\u043e\u0439\u00bb \u0421\u0423\u0411\u0414, \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u043c\u0438 \u043a\u043e\u0442\u043e\u0440\u044b\u0445\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2020-01-06T21:00:00+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2020-02-18T11:02:58+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47Utilizzo di ClickHouse come sostituto di ELK, Big Query e TimescaleDB | ProHoster","description":"ClickHouse \u00e8 un sistema di gestione di basi di dati a colonne per l'elaborazione online di query analitiche (OLAP) open source, sviluppato da Yandex. Viene utilizzato da Yandex, CloudFlare, VK.com, Badoo e altri servizi in tutto il mondo per memorizzare realmente grandi volumi di dati (inserimenti di migliaia di righe al secondo o petabyte di dati archiviati su disco). In un DBMS \"a righe\", esempi di cui","canonical_url":"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"it_IT","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u0418\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435 Clickhouse \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0437\u0430\u043c\u0435\u043d\u044b ELK, Big Query \u0438 TimescaleDB | ProHoster","og:description":"Clickhouse \u2014 \u044d\u0442\u043e \u0441\u0442\u043e\u043b\u0431\u0446\u043e\u0432\u0430\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0431\u0430\u0437\u0430\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u043e\u043d\u043b\u0430\u0439\u043d \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 (OLAP) \u0441 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u043c \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u043c \u043a\u043e\u0434\u043e\u043c, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u0430\u044f \u042f\u043d\u0434\u0435\u043a\u0441\u043e\u043c. \u0415\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u042f\u043d\u0434\u0435\u043a\u0441, CloudFlare, VK.com, Badoo \u0438 \u0434\u0440\u0443\u0433\u0438\u0435 \u0441\u0435\u0440\u0432\u0438\u0441\u044b \u043f\u043e \u0432\u0441\u0435\u043c\u0443 \u043c\u0438\u0440\u0443 \u0434\u043b\u044f \u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043e\u0431\u044a\u0435\u043c\u043e\u0432 \u0434\u0430\u043d\u043d\u044b\u0445 (\u0432\u0441\u0442\u0430\u0432\u043a\u0430 \u0442\u044b\u0441\u044f\u0447 \u0441\u0442\u0440\u043e\u043a \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443 \u0438\u043b\u0438 \u043f\u0435\u0442\u0430\u0431\u0430\u0439\u0442\u044b \u0434\u0430\u043d\u043d\u044b\u0445, \u0445\u0440\u0430\u043d\u044f\u0449\u0438\u0445\u0441\u044f \u043d\u0430 \u0434\u0438\u0441\u043a\u0435). \u0412 \u043e\u0431\u044b\u0447\u043d\u043e\u0439, \u00ab\u0441\u0442\u0440\u043e\u043a\u043e\u0432\u043e\u0439\u00bb \u0421\u0423\u0411\u0414, \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u043c\u0438 \u043a\u043e\u0442\u043e\u0440\u044b\u0445","og:url":"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2020-01-06T21:00:00+00:00","article:modified_time":"2020-02-18T11:02:58+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"54918","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-24 13:09:54","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 19:55:36","updated":"2026-01-24 13:09:54"},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/posts\/54918","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/comments?post=54918"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/posts\/54918\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/media?parent=54918"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/categories?post=54918"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/tags?post=54918"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}