Макаланын котормосу курстун студенттери үчүн атайын даярдалган .
ачык булак мамычалык маалымат базасы болуп саналат. Бул күн сайын ондогон миллиард жаңы жазуулар киргизилсе да, жүздөгөн аналитиктер деталдуу маалыматтарды тез арада сурай ала турган сонун чөйрө. Мындай системаны колдоо үчүн инфраструктуралык чыгымдар жылына 100 10 долларга чейин жогору болушу мүмкүн жана колдонууга жараша анын жарымы болушу мүмкүн. Бир учурда, Yandex Metrics'тен ClickHouse орнотуусу XNUMX триллион жазууну камтыган. Яндекстен тышкары ClickHouse да Bloomberg жана Cloudflare менен ийгиликке жетишкен.
Эки жыл мурун өткөрдүм маалымат базалары бир машинаны колдонуп, ал болуп калды Мен көргөн бекер маалымат базасы программасы. Ошондон бери иштеп чыгуучулар функцияларды кошууну токтоткон жок, анын ичинде Кафка, HDFS жана ZStandard кысуу үчүн колдоо. Өткөн жылы алар каскаддык кысуу ыкмаларын колдоону кошуп, жана коддоо мүмкүн болду. Убакыт сериясынын маалыматтарын кысуу учурунда ченегичтин маанилерин дельта коддоосу менен жакшы кысылышы мүмкүн, бирок эсептегичтер үчүн дельта-дельта коддоосун колдонуу жакшы болмок. Жакшы кысуу ClickHouse иштешинин ачкычы болуп калды.
ClickHouse үчүнчү тараптын китепканаларын кошпогондо, C++ кодунун 170 миң саптарынан турат жана эң кичинекей бөлүштүрүлгөн маалымат базаларынын коддук базаларынын бири. Салыштыруу үчүн, SQLite бөлүштүрүүнү колдобойт жана C кодунун 235 миң саптарынан турат.Бул жазылганга чейин ClickHouseга 207 инженер салым кошкон жана акыркы убакта милдеттенмелердин интенсивдүүлүгү өсүүдө.
2017-жылдын март айында ClickHouse иштей баштады өнүгүүгө көз салуу үчүн жеңил жолу катары. Алар ошондой эле монолиттүү документация файлын Markdown негизиндеги файл иерархиясына бөлүштү. Маселелер жана функциялар GitHub аркылуу көзөмөлдөнөт жана жалпысынан программалык камсыздоо акыркы бир нече жылда бир топ жеткиликтүү болуп калды.
Бул макалада мен 2 ядролук процессорлорду жана NVMe сактагычты колдонуу менен AWS EC36деги ClickHouse кластеринин иштешин карап чыгам.
UPDATE: Бул постту алгач жарыялагандан бир жума өткөндөн кийин, мен тестти жакшыртылган конфигурация менен кайра өткөрдүм жана бир топ жакшы натыйжаларга жетиштим. Бул пост ушул өзгөртүүлөрдү чагылдыруу үчүн жаңыртылган.
AWS EC2 кластерин ишке киргизүү
Мен бул билдирүү үчүн үч c5d.9xlarge EC2 инстанциясын колдоном. Алардын ар бири 36 виртуалдык процессорду, 72 ГБ оперативдүү эстутумду, 900 ГБ NVMe SSD сактагычты камтыйт жана 10 Гигабит тармагын колдойт. Алар талап боюнча иштеп жатканда, eu-west-1,962 аймагында ар бир саатына $ 1 турат. Мен операциялык система катары Ubuntu Server 16.04 LTS колдоном.
Брандмауэр ар бир машина бири-бири менен чектөөсүз байланыша тургандай конфигурацияланган жана менин IPv4 дарегим гана кластерде SSH тарабынан ак тизмеге киргизилген.
NVMe диск операциялык даяр абалда
ClickHouse иштеши үчүн мен ар бир серверде NVMe дискинде EXT4 форматында файл системасын түзөм.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chБаары конфигурациялангандан кийин, ар бир системада монтаждоо пунктун жана 783 ГБ мейкиндикти көрө 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% /chБул тестте мен колдоно турган берилиштер топтому - бул алты жыл ичинде Нью-Йоркто 1.1 миллиард такси айдагандан алынган маалымат таштандысы. Блогдо бул маалымат топтомун кантип чогултканымдын чоо-жайы. Алар AWS S3 ичинде сакталган, ошондуктан мен AWS CLIди өзүмдүн кирүү мүмкүнчүлүгүм жана жашыруун ачкычтарым менен конфигурациялайм.
$ sudo apt update
$ sudo apt install awscli
$ aws configureФайлдар демейки жөндөөлөргө караганда тезирээк жүктөлүшү үчүн, мен кардардын бир убактагы өтүнүч чегин 100 деп коём.
$ aws configure set
default.s3.max_concurrent_requests
100Мен AWS S3тен таксиге жүрүү маалыматтар топтомун жүктөп алып, аны биринчи сервердеги NVMe дискине сактайм. Бул маалымат топтому GZIP кысылган CSV форматында ~104 ГБ.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvClickHouse орнотуу
Мен Java 8 үчүн OpenJDK бөлүштүрөмүн орнотом, анткени ал Apache ZooKeeperди иштетүү үчүн талап кылынат, ал ClickHouse программасын үч машинада тең бөлүштүрүлгөн орнотуу үчүн талап кылынат.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Андан кийин мен чөйрө өзгөрмөсүн койдум JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileАндан кийин мен үч машинага тең ClickHouse 18.16.1, glances жана ZooKeeper орнотуу үчүн Ubuntu пакетин башкаруу системасын колдоном.
$ 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 үчүн каталог түзөм, ошондой эле үч серверде тең конфигурацияларды жокко чыгарам.
$ 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.confБул мен колдоно турган конфигурацияны жокко чыгаруу.
<?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>Андан кийин мен ZooKeeper жана ClickHouse серверин бардык үч машинада иштетем.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startМаалыматтарды ClickHouseга жүктөө
Биринчи серверде мен сапар таблицасын түзөм (trips), ал Log кыймылдаткычын колдонуу менен такси сапарларынын маалымат топтомун сактайт.
$ 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;
Андан кийин CSV файлдарынын ар бирин чыгарып, сапар таблицасына жүктөйм (trips). Төмөнкү иштер 55 мүнөт 10 секундда бүттү. Бул операциядан кийин маалымат каталогунун көлөмү 134 ГБ болгон.
$ 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)Импорттоо ылдамдыгы секундасына 155 Мб кысылбаган CSV мазмунун түздү. Мен бул GZIP декомпрессиясындагы тоскоолдуктан улам болгон деп ойлойм. Бардык gzip файлдарын xargs аркылуу параллелдүү ачып, андан кийин ачылган маалыматтарды жүктөө ылдамыраак болушу мүмкүн. Төмөндө CSV импорттоо процессинде кабарланган нерселердин сүрөттөлүшү келтирилген.
$ 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/23:1HУлантуудан мурун баштапкы CSV файлдарын жок кылуу менен NVMe дискинен орун бошотом.
$ sudo rm -fr /ch/csvМамыча формасына айландыруу
Log ClickHouse кыймылдаткычы маалыматтарды сапка багытталган форматта сактайт. Берилиштерди тезирээк суроо үчүн, мен MergeTree кыймылдаткычын колдонуп, аны мамычалык форматка айландырам.
$ clickhouse-client --host=0.0.0.0Төмөнкү иш 34 мүнөт 50 секундда бүттү. Бул операциядан кийин маалымат каталогунун көлөмү 237 ГБ болгон.
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 учурунда көз чаптыруу төмөнкүдөй болду:
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)Акыркы сыноодо бир нече тилкелер өзгөртүлүп, кайра эсептелди. Мен бул функциялардын айрымдары бул маалымат топтомунда күтүлгөндөй иштебей калганын таптым. Бул көйгөйдү чечүү үчүн мен туура эмес функцияларды алып салдым жана маалыматтарды гранулдуу түргө өткөрбөстөн жүктөдүм.
Кластер боюнча маалыматтарды бөлүштүрүү
Мен маалыматтарды үч кластердик түйүндөргө таратам. Баштоо үчүн, төмөндө мен үч машинада тең таблица түзөм.
$ 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);Ошондо мен биринчи сервер кластердеги үч түйүндү тең көрө ала турганына ынанам.
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:
Андан кийин мен схемага негизделген биринчи серверде жаңы таблицаны аныктайм trips_mergetree_third жана Бөлүштүрүлгөн кыймылдаткычты колдонот.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Андан кийин MergeTree негизиндеги таблицадан маалыматтарды үч серверге көчүрөм. Төмөнкү 34 мүнөт 44 секундада бүттү.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Жогорудагы операциядан кийин, мен ClickHouseга максималдуу сактоо деңгээлинен алысташ үчүн 15 мүнөт бердим. Маалымат каталогдору үч сервердин ар биринде 264 ГБ, 34 ГБ жана 33 ГБ болду.
ClickHouse кластеринин натыйжалуулугун баалоо
Андан кийин көргөн нерсе, мен ар бир суроону таблицада бир нече жолу иштеткенин көргөн эң тез убакыт болду trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0Кийинки 2.449 секундада аяктады.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;Кийинки 0.691 секундада аяктады.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;Кийинки 0 секундада аяктады.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;Кийинки 0.983 секундада аяктады.
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;Салыштыруу үчүн, мен бир эле суроону биринчи серверде гана жайгашкан MergeTree негизиндеги таблицада иштеттим.
Бир ClickHouse түйүнүн аткарууну баалоо
Андан кийин көргөн нерсе, мен ар бир суроону таблицада бир нече жолу иштеткенин көргөн эң тез убакыт болду trips_mergetree_x3.
Кийинки 0.241 секундада аяктады.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;Кийинки 0.826 секундада аяктады.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;Кийинки 1.209 секундада аяктады.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;Кийинки 1.781 секундада аяктады.
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;Жыйынтыктар боюнча ой жүгүртүү
Бул биринчи жолу акысыз CPU негизиндеги маалымат базасы менин тесттеримде GPU негизиндеги маалымат базасынан ашып кетти. Ошол GPU негизиндеги маалымат базасы ошондон бери эки жолу оңдоп-түзөөдөн өттү, бирок ClickHouse бир түйүндө жеткирген аткаруусу ошентсе да абдан таасирдүү.
Ошол эле учурда, бөлүштүрүлгөн кыймылдаткычта 1-суроо аткарылганда, кошумча чыгымдар бир топ жогору болот. Мен бул пост боюнча изилдөөмдө бир нерсени өткөрүп жибердим деп үмүттөнөм, анткени кластерге көбүрөөк түйүндөрдү кошкон сайын суроо убакыттары азайганын көрүү жакшы болмок. Бирок, башка суроо-талаптарды аткарууда, аткаруу болжол менен 2 эсеге жогорулаганы абдан жакшы.
ClickHouse мейкиндигин өз алдынча масштабдай алышы үчүн сактагычты жана эсептөөлөрдү бөлүү мүмкүнчүлүгүнө карай өнүккөндүгүн көрүү жакшы болмок. Өткөн жылы кошулган HDFS колдоосу буга карай бир кадам болушу мүмкүн. Эсептөө жагынан алганда, бир суроо кластерге көбүрөөк түйүндөрдү кошуу менен тездетилиши мүмкүн болсо, анда бул программалык камсыздоонун келечеги абдан жаркын.
Бул постту окууга убакыт бөлгөнүңүз үчүн рахмат. Мен Түндүк Америкадагы жана Европадагы кардарларга консалтинг, архитектура жана практиканы өнүктүрүү кызматтарын сунуштайм. Менин сунуштарым бизнесиңизге кандай жардам бере аларын талкуулагыңыз келсе, мени менен байланышыңыз .
Source: www.habr.com