D'Iwwersetzung vum Artikel gouf speziell fir d'Schüler vum Cours virbereet .
ass eng Open Source columnar Datebank. Et ass e super Ëmfeld wou Honnerte vun Analysten séier detailléiert Donnéeë kënnen ufroen, och wann zéngdausende Milliarden vun neie Rekorder pro Dag aginn. Infrastrukturkäschte fir sou e System z'ënnerstëtzen kéinte sou héich wéi $ 100 pro Joer sinn, a potenziell d'Halschent vun deem ofhängeg vum Gebrauch. Op ee Punkt huet d'ClickHouse Installatioun vu Yandex Metrics 10 Billioun Rekorder enthale. Zousätzlech zu Yandex huet ClickHouse och Erfolleg mat Bloomberg a Cloudflare fonnt.
Virun zwee Joer hunn ech verbruecht Datenbanken mat enger Maschinn, an et gouf fräi Datebank Software ech jeemools gesinn hunn. Zënterhier hunn d'Entwéckler net opgehalen Features ze addéieren, dorënner Ënnerstëtzung fir Kafka, HDFS an ZStandard Kompressioun. Am läschte Joer hunn se Ënnerstëtzung fir Kaskadkompressiounsmethoden bäigefüügt, an Kodéierung gouf méiglech. Wann Dir Zäitseriedaten kompriméiert, kënne Jaugewäerter gutt mat Delta Kodéierung kompriméiert ginn, awer fir Zähler wier et besser Delta-by-Delta Kodéierung ze benotzen. Gutt Kompressioun ass de Schlëssel fir d'Performance vum ClickHouse ginn.
ClickHouse besteet aus 170 dausend Zeilen C ++ Code, ausser Drëtt-Partei Bibliothéiken, an ass eng vun de klengste verdeelt Datebank Codebases. Am Verglach ënnerstëtzt SQLite keng Verdeelung a besteet aus 235 Tausend Zeilen vum C Code. Wéi vun dësem Schreiwen hunn 207 Ingenieuren zu ClickHouse bäigedroen, an d'Intensitéit vun de Verpflichtungen ass zënter kuerzem eropgaang.
Am Mäerz 2017 huet ClickHouse ugefaang ze féieren als einfache Wee fir d'Entwécklung ze verfollegen. Si hunn och déi monolithesch Dokumentatiounsdatei an eng Markdown-baséiert Dateihierarchie opgebrach. Themen a Funktiounen ginn iwwer GitHub verfollegt, an allgemeng ass d'Software an de leschte Joeren vill méi zougänglech ginn.
An dësem Artikel ginn ech e Bléck op d'Leeschtung vun engem ClickHouse Cluster op AWS EC2 mat 36-Kär Prozessoren an NVMe Stockage.
UPDATE: Eng Woch nodeems ech dëse Post ursprénglech publizéiert hunn, hunn ech den Test mat enger verbesserter Konfiguratioun nei gemaach an hunn vill besser Resultater erreecht. Dëse Post gouf aktualiséiert fir dës Ännerungen ze reflektéieren.
Lancéiere vun engem AWS EC2 Cluster
Ech wäert dräi c5d.9xlarge EC2 Instanzen fir dëse Post benotzen. Jiddereng vun hinnen enthält 36 virtuell CPUs, 72 GB RAM, 900 GB NVMe SSD-Speicher an ënnerstëtzt 10 Gigabit Netzwierk. Si kaschten $ 1,962 / Stonn all an der eu-west-1 Regioun wann se op Ufro lafen. Ech wäert Ubuntu Server 16.04 LTS als Betribssystem benotzen.
D'Firewall ass konfiguréiert sou datt all Maschinn ouni Restriktiounen matenee kommunizéieren kann, an nëmmen meng IPv4 Adress gëtt vun SSH am Cluster Whitelisted.
NVMe Fuert an operationell Bereetschaft Staat
Fir ClickHouse ze schaffen, erstellen ech e Dateiesystem am EXT4 Format op engem NVMe Drive op jiddereng vun den Serveren.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chWann alles konfiguréiert ass, kënnt Dir de Montéierungspunkt an den 783 GB vum Raum op all System gesinn.
$ 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% /chDen Datesaz, deen ech an dësem Test benotzen ass en Datedump, deen ech generéiert hunn aus 1.1 Milliarden Taxifahrten, déi zu New York City iwwer sechs Joer gemaach goufen. Op de Blog Detailer wéi ech dësen Datesaz gesammelt hunn. Si ginn an AWS S3 gespäichert, also konfiguréieren ech den AWS CLI mat mengem Zougang a geheime Schlësselen.
$ sudo apt update
$ sudo apt install awscli
$ aws configureEch setzen dem Client seng concurrent Ufro Limit op 100 sou datt Dateien méi séier eroflueden wéi d'Standardastellungen.
$ aws configure set
default.s3.max_concurrent_requests
100Ech lueden den Taxifahrten-Datetaz vun AWS S3 erof a späichere se op engem NVMe-Drif op den éischte Server. Dësen Dataset ass ~104GB am GZIP-kompriméierten CSV Format.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvClickHouse Installatioun
Ech wäert d'OpenJDK Verdeelung fir Java installéieren 8 wéi et néideg ass fir Apache ZooKeeper ze lafen, wat fir eng verdeelt Installatioun vu ClickHouse op all dräi Maschinnen erfuerderlech ass.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Da setzen ech d'Ëmfeldvariabel JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileEch wäert dann Ubuntu säi Package Management System benotzen fir ClickHouse 18.16.1, Bléck an ZooKeeper op all dräi Maschinnen z'installéieren.
$ 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
zookeeperdEch wäert e Verzeechnes fir ClickHouse erstellen an och e puer Konfiguratiounsiwwerschreiden op all dräi Serveren maachen.
$ 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.confDëst sinn d'Konfiguratiounsiwwerschreiden déi ech benotze wäert.
<?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>Ech lafen dann ZooKeeper an de ClickHouse Server op all dräi Maschinnen.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startEroplueden Donnéeën ze ClickHouse
Um éischte Server erstellen ech en Trip-Table (trips), déi en Dataset vun Taxireesen mat dem Logmotor späichert.
$ 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;
Ech extrahéieren a lueden dann all CSV-Dateien an eng Triptabel (trips). Déi folgend gouf an 55 Minutten an 10 Sekonnen ofgeschloss. No dëser Operatioun war d'Gréisst vum Dateverzeichnis 134 GB.
$ 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)D'Importgeschwindegkeet war 155 MB onkompriméiert CSV Inhalt pro Sekonn. Ech de Verdacht datt dëst wéinst engem Flaschenhals an der GZIP Dekompressioun war. Et wier vläicht méi séier gewiescht fir all gzipped Dateien parallel mat xargs z'enzipéieren an dann déi unzipped Donnéeën ze lueden. Drënner ass eng Beschreiwung vun deem wat während dem CSV Import Prozess gemellt gouf.
$ 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/23:1HEch befreien Plaz op der NVMe Drive andeems Dir déi ursprénglech CSV Dateien läschen ier ech weiderfuere.
$ sudo rm -fr /ch/csvKonvertéieren an Kolonnform
De Log ClickHouse Motor späichert Daten an engem Zeilorientéierten Format. Fir Daten méi séier ze froen, konvertéieren ech se an de Kolumnformat mam MergeTree Motor.
$ clickhouse-client --host=0.0.0.0Déi folgend gouf an 34 Minutten a 50 Sekonnen ofgeschloss. No dëser Operatioun war d'Gréisst vum Dateverzeichnis 237 GB.
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;Dëst ass wéi de Bléckausgang wärend der Operatioun ausgesinn huet:
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)Am leschten Test goufen e puer Kolonnen ëmgerechent an nei berechent. Ech hu festgestallt datt e puer vun dëse Funktiounen net méi funktionnéieren wéi erwaart op dësem Dataset. Fir dëse Problem ze léisen, hunn ech déi onpassend Funktiounen ewechgeholl an d'Donnéeën gelueden ouni op méi granulär Typen ëmzewandelen.
Verdeelung vun Daten iwwer de Cluster
Ech verdeelen d'Donnéeën iwwer all dräi Clusternoden. Ze fänken, ënnert wäert ech en Dësch op all dräi Maschinnen schafen.
$ 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);Da wäert ech sécherstellen, datt den éischte Server all dräi Wirbelen am Cluster gesinn kann.
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:
Da wäert ech en neien Dësch op den éischte Server definéieren, datt op der Schema baséiert ass trips_mergetree_third a benotzt den Distributed Engine.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Ech kopéieren dann d'Donnéeën vun der MergeTree baséiert Dësch op all dräi Serveren. Déi folgend gouf an 34 Minutten a 44 Sekonnen ofgeschloss.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;No der uewe genannter Operatioun hunn ech ClickHouse 15 Minutte ginn fir vun der maximaler Späicherniveau Mark ze réckelen. D'Datenverzeichnisser sinn um Enn 264 GB, 34 GB an 33 GB respektiv op jiddereng vun den dräi Serveren.
ClickHouse Cluster Performance Evaluatioun
Wat ech duerno gesinn hunn, war déi schnellsten Zäit, déi ech all Ufro op engem Dësch e puer Mol gesinn hunn trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0Déi folgend fäerdeg an 2.449 Sekonnen.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;Déi folgend fäerdeg an 0.691 Sekonnen.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;Déi folgend fäerdeg an 0 Sekonnen.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;Déi folgend fäerdeg an 0.983 Sekonnen.
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;Zum Verglach hunn ech déiselwecht Ufroen op engem MergeTree-baséierten Dësch gemaach, deen nëmmen um éischte Server wunnt.
Leeschtung Evaluatioun vun engem ClickHouse Node
Wat ech duerno gesinn hunn, war déi schnellsten Zäit, déi ech all Ufro op engem Dësch e puer Mol gesinn hunn trips_mergetree_x3.
Déi folgend fäerdeg an 0.241 Sekonnen.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;Déi folgend fäerdeg an 0.826 Sekonnen.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;Déi folgend fäerdeg an 1.209 Sekonnen.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;Déi folgend fäerdeg an 1.781 Sekonnen.
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;Reflexiounen iwwer d'Resultater
Dëst ass déi éischte Kéier datt eng gratis CPU-baséiert Datebank fäeg ass eng GPU-baséiert Datebank a mengen Tester besser ze maachen. Dës GPU-baséiert Datebank ass zënter zwou Versiounen duerchgaang, awer d'Performance déi ClickHouse op engem eenzegen Node geliwwert huet ass trotzdem ganz beandrockend.
Zur selwechter Zäit, wann Dir Query 1 op engem verdeelte Motor ausféiert, sinn d'Overheadkäschten eng Uerdnung vun der Magnitude méi héich. Ech hoffen, datt ech eppes a menger Fuerschung fir dëse Post verpasst hunn, well et wier schéin ze gesinn, datt d'Ufrozäiten erofgoe wéi ech méi Noden an de Stärekoup bäidroen. Wéi och ëmmer, et ass super datt wann Dir aner Ufroen ausféiert, d'Performance ëm ongeféier 2 Mol eropgaang ass.
Et wier flott ze gesinn, datt ClickHouse sech evoluéiere kann fir Späicheren ze trennen an ze berechnen, sou datt se onofhängeg kënne skaléieren. HDFS Support, déi d'lescht Joer bäigefüügt gouf, kéint e Schrëtt dozou sinn. Wat d'Informatik ugeet, wann eng eenzeg Ufro ka beschleunegt ginn andeems Dir méi Wirbelen an de Stärekoup bäidréit, dann ass d'Zukunft vun dëser Software ganz hell.
Merci fir d'Zäit ze huelen fir dëse Post ze liesen. Ech bidden Berodung, Architektur, a Praxis Entwécklungsservicer u Clienten an Nordamerika an Europa. Wann Dir wëllt diskutéieren wéi meng Virschléi Äre Geschäft hëllefe kënnen, kontaktéiert mech w.e.g. via .
Source: will.com