Мақаланың аудармасы курс студенттері үшін арнайы дайындалған .
ашық бастапқы коды бағаналы деректер қоры болып табылады. Бұл күніне ондаған миллиард жаңа жазбалар енгізілсе де, жүздеген талдаушылар егжей-тегжейлі деректерді жылдам сұрай алатын тамаша орта. Мұндай жүйені қолдауға арналған инфрақұрылымдық шығындар жылына 100 10 долларға дейін жоғары болуы мүмкін және пайдалануға байланысты оның жартысы болуы мүмкін. Бір кезде Yandex Metrics-тен ClickHouse орнатуында XNUMX триллион жазба болды. Яндекстен басқа, ClickHouse Bloomberg және Cloudflare қызметтерімен де табысқа жетті.
Екі жыл бұрын мен өткіздім бір машинаны қолданатын мәліметтер базасы болды және ол болды Мен бұрыннан көрген тегін дерекқор бағдарламалық құралы. Содан бері әзірлеушілер мүмкіндіктерді қосуды тоқтатқан жоқ, соның ішінде Кафка, HDFS және ZStandard қысуды қолдау. Өткен жылы олар каскадты қысу әдістеріне қолдау қосты және кодтау мүмкін болды. Уақыт сериясының деректерін қысу кезінде өлшеуіш мәндерін үшбұрышты кодтауды пайдаланып жақсы қысуға болады, бірақ есептегіштер үшін үшбұрышты кодтауды қолданған дұрыс. Жақсы қысу ClickHouse өнімділігінің кілті болды.
ClickHouse үшінші тарап кітапханаларын қоспағанда, C++ кодының 170 мың жолынан тұрады және ең кіші таратылған дерекқор код базаларының бірі болып табылады. Салыстыру үшін, SQLite таратуды қолдамайды және C кодының 235 мың жолынан тұрады.Осы жазу кезінде ClickHouse-қа 207 инженер үлес қосты және соңғы уақытта міндеттемелердің қарқындылығы артып келеді.
2017 жылдың наурыз айында ClickHouse жүргізе бастады дамуды қадағалаудың оңай жолы ретінде. Олар сонымен қатар монолитті құжаттама файлын Markdown негізіндегі файл иерархиясына бөлді. Мәселелер мен мүмкіндіктер GitHub арқылы бақыланады және тұтастай алғанда бағдарламалық жасақтама соңғы бірнеше жылда әлдеқайда қолжетімді болды.
Бұл мақалада мен 2 ядролы процессорлар мен NVMe жадын пайдаланатын AWS EC36 жүйесіндегі ClickHouse кластерінің өнімділігін қарастырамын.
ЖАҢАРТУ: Осы жазбаны алғаш жариялаған соң бір аптадан кейін мен сынақты жақсартылған конфигурациямен қайта өткіздім және әлдеқайда жақсы нәтижелерге қол жеткіздім. Бұл жазба осы өзгерістерді көрсету үшін жаңартылды.
AWS EC2 кластерін іске қосу
Мен осы пост үшін үш c5d.9xlarge EC2 данасын қолданатын боламын. Олардың әрқайсысында 36 виртуалды процессор, 72 ГБ жедел жады, 900 ГБ NVMe SSD жады бар және 10 гигабиттік желіні қолдайды. Сұраныс бойынша жұмыс істеген кезде олардың әрқайсысы eu-west-1,962 аймағында сағатына $1 тұрады. Мен операциялық жүйе ретінде Ubuntu Server 16.04 LTS қолданатын боламын.
Брандмауэр әрбір құрылғы бір-бірімен шектеусіз байланыса алатындай конфигурацияланған және тек менің IPv4 мекенжайым кластердегі SSH арқылы ақ тізімге енгізілген.
NVMe дискісі жұмысқа дайын күйде
ClickHouse жұмыс істеуі үшін мен серверлердің әрқайсысында NVMe дискісінде EXT4 пішіміндегі файлдық жүйені жасаймын.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chБарлығы конфигурацияланғаннан кейін сіз орнату нүктесін және әр жүйеде қолжетімді 783 ГБ бос орынды көре аласыз.
$ 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% /chМен осы сынақта қолданатын деректер жинағы - алты жыл ішінде Нью-Йоркте өткен 1.1 миллиард таксиден жасалған деректер қоқысы. Блогта бұл деректер жинағын қалай жинағанымды егжей-тегжейлі сипаттайды. Олар AWS S3 ішінде сақталады, сондықтан мен AWS CLI-ді қол жеткізу және құпия кілттермен конфигурациялаймын.
$ sudo apt update
$ sudo apt install awscli
$ aws configureФайлдар әдепкі параметрлерге қарағанда жылдамырақ жүктелуі үшін клиенттің бір мезгілде сұрау шегін 100 етіп орнатамын.
$ aws configure set
default.s3.max_concurrent_requests
100Мен AWS S3 жүйесінен таксимен жүру деректер жинағын жүктеп алып, оны бірінші сервердегі NVMe дискісінде сақтаймын. Бұл деректер жинағы GZIP арқылы қысылған CSV пішімінде ~104 ГБ.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvClickHouse орнату
Мен Java 8 жүйесіне арналған OpenJDK дистрибутивін орнатамын, себебі ол Apache ZooKeeper бағдарламасын іске қосу үшін қажет, ол ClickHouse бағдарламасының барлық үш машинада таратылған орнатылуы үшін қажет.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Содан кейін ортаның айнымалы мәнін орнаттым JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileСодан кейін мен Ubuntu пакетін басқару жүйесін ClickHouse 18.16.1, glances және ZooKeeper бағдарламаларын барлық үш құрылғыға орнату үшін пайдаланамын.
$ 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
zookeeperdМен ClickHouse үшін каталог жасаймын, сонымен қатар барлық үш серверде конфигурацияны қайта анықтауды жасаймын.
$ 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.confБұл мен пайдаланатын конфигурацияның қайта анықтаулары.
<?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>Содан кейін барлық үш машинада ZooKeeper және ClickHouse серверін іске қосамын.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startДеректерді ClickHouse қызметіне жүктеп салу
Бірінші серверде мен сапар кестесін жасаймын (trips), ол Log қозғалтқышын пайдаланып такси сапарларының деректер жинағын сақтайды.
$ 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;
Содан кейін CSV файлдарының әрқайсысын шығарып, сапар кестесіне жүктеймін (trips). Келесі 55 минут 10 секундта аяқталды. Осы операциядан кейін деректер каталогының өлшемі 134 ГБ болды.
$ 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)Импорттау жылдамдығы секундына 155 Мб қысылмаған CSV мазмұны болды. Менің ойымша, бұл GZIP декомпрессиясындағы кедергіге байланысты болды. Барлық gzip файлдарын xargs көмегімен параллельді түрде ашу, содан кейін ықшамдалған деректерді жүктеу жылдамырақ болуы мүмкін. Төменде CSV импорттау процесі кезінде хабарланған нәрсенің сипаттамасы берілген.
$ 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/23:1HЖалғастырмас бұрын бастапқы CSV файлдарын жою арқылы NVMe дискісінде орын босатамын.
$ sudo rm -fr /ch/csvБаған пішініне түрлендіру
Log ClickHouse механизмі деректерді жолға бағытталған пішімде сақтайды. Деректерді жылдамырақ сұрау үшін оны MergeTree механизмі арқылы бағандық пішімге түрлендіремін.
$ clickhouse-client --host=0.0.0.0Келесі 34 минут 50 секундта аяқталды. Осы операциядан кейін деректер каталогының өлшемі 237 ГБ болды.
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;Операция кезінде шолу нәтижесі келесідей болды:
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)Соңғы сынақта бірнеше бағандар түрлендірілген және қайта есептелген. Мен бұл функциялардың кейбірі осы деректер жинағында күтілгендей жұмыс істемейтінін анықтадым. Бұл мәселені шешу үшін мен сәйкес емес функцияларды жойдым және деректерді түйіршікті түрлерге түрлендірусіз жүктедім.
Деректерді кластер бойынша тарату
Мен деректерді барлық үш кластер түйіндері бойынша таратамын. Бастау үшін төменде мен барлық үш машинада кесте жасаймын.
$ 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);Содан кейін бірінші сервер кластердегі барлық үш түйінді көре алатынына көз жеткіземін.
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:
Содан кейін схемаға негізделген бірінші серверде жаңа кестені анықтаймын trips_mergetree_third және Бөлінген қозғалтқышты пайдаланады.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Содан кейін деректерді MergeTree негізіндегі кестеден барлық үш серверге көшіремін. Келесі 34 минут 44 секундта аяқталды.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Жоғарыда аталған операциядан кейін мен ClickHouse-қа максималды сақтау деңгейі белгісінен кету үшін 15 минут бердім. Деректер каталогтары үш сервердің әрқайсысында сәйкесінше 264 ГБ, 34 ГБ және 33 ГБ болды.
ClickHouse кластерінің өнімділігін бағалау
Әрі қарай көргенім кестеде әр сұрауды бірнеше рет орындауды көрген ең жылдам уақыт болды trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0Келесі 2.449 секундта аяқталды.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;Келесі 0.691 секундта аяқталды.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;Келесі 0 секундта аяқталды.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;Келесі 0.983 секундта аяқталды.
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;Салыстыру үшін мен бірдей сұрауларды тек бірінші серверде орналасқан MergeTree негізіндегі кестеде орындадым.
Бір ClickHouse түйінінің өнімділігін бағалау
Әрі қарай көргенім кестеде әр сұрауды бірнеше рет орындауды көрген ең жылдам уақыт болды trips_mergetree_x3.
Келесі 0.241 секундта аяқталды.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;Келесі 0.826 секундта аяқталды.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;Келесі 1.209 секундта аяқталды.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;Келесі 1.781 секундта аяқталды.
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;Нәтижелер бойынша рефлексия
Бұл бірінші рет тегін процессорға негізделген дерекқор менің сынақтарымда GPU негізіндегі дерекқордан асып түсті. Бұл GPU негізіндегі дерекқор содан бері екі рет қайта қараудан өтті, бірақ ClickHouse бір түйінде жеткізетін өнімділік дегенмен өте әсерлі.
Сонымен бірге, бөлінген қозғалтқышта 1-сұрауды орындаған кезде, үстеме шығындар одан да жоғары болады. Мен осы постты зерттеу барысында бірдеңені жіберіп алдым деп үміттенемін, өйткені кластерге көбірек түйіндерді қосқанда сұрау уақытының азайғанын көру жақсы болар еді. Дегенмен, басқа сұрауларды орындау кезінде өнімділік шамамен 2 есе өскені тамаша.
ClickHouse-дың жадты бөлу және есептеу мүмкіндігіне қарай дамуын көру жақсы болар еді, осылайша олар дербес масштабталады. Өткен жылы қосылған HDFS қолдауы бұған қадам болуы мүмкін. Есептеу тұрғысынан, кластерге қосымша түйіндерді қосу арқылы бір сұрауды жылдамдатуға болатын болса, онда бұл бағдарламалық жасақтаманың болашағы өте жарқын.
Осы жазбаны оқуға уақыт бөлгеніңізге рахмет. Мен Солтүстік Америка мен Еуропадағы клиенттерге консалтинг, сәулет және тәжірибені дамыту қызметтерін ұсынамын. Егер сіз менің ұсыныстарымның сіздің бизнесіңізге қалай көмектесетінін талқылағыңыз келсе, менімен байланысыңыз .
Ақпарат көзі: www.habr.com