🥇1.1 ຕື້ຄົນຂີ່ລົດແທັກຊີ: 108-core ClickHouse cluster

ການແປພາສາຂອງບົດຄວາມໄດ້ຖືກກະກຽມໂດຍສະເພາະສໍາລັບນັກສຶກສາຂອງຫຼັກສູດ ວິສະວະກອນຂໍ້ມູນ.

ກົດປຸ່ມ ເປັນຖານຂໍ້ມູນຖັນແຫຼ່ງເປີດ. ມັນເປັນສະພາບແວດລ້ອມທີ່ດີທີ່ນັກວິເຄາະຫຼາຍຮ້ອຍຄົນສາມາດສອບຖາມຂໍ້ມູນລາຍລະອຽດໄດ້ຢ່າງວ່ອງໄວ, ເຖິງແມ່ນວ່າບັນທຶກໃຫມ່ຫຼາຍສິບຕື້ຈະຖືກປ້ອນຕໍ່ມື້. ຄ່າໃຊ້ຈ່າຍພື້ນຖານໂຄງລ່າງເພື່ອສະຫນັບສະຫນູນລະບົບດັ່ງກ່າວອາດຈະສູງເຖິງ 100 ໂດລາຕໍ່ປີ, ແລະອາດຈະເປັນເຄິ່ງຫນຶ່ງແມ່ນຂຶ້ນກັບການນໍາໃຊ້. ໃນຈຸດຫນຶ່ງ, ການຕິດຕັ້ງ ClickHouse ຈາກ Yandex Metrics ມີບັນທຶກ 10 ພັນຕື້. ນອກເຫນືອຈາກ Yandex, ClickHouse ຍັງພົບຄວາມສໍາເລັດກັບ Bloomberg ແລະ Cloudflare.

ສອງປີກ່ອນຫນ້ານີ້ຂ້າພະເຈົ້າໄດ້ໃຊ້ເວລາ ການວິເຄາະການປຽບທຽບ ຖານຂໍ້ມູນການນໍາໃຊ້ເຄື່ອງຫນຶ່ງ, ແລະມັນໄດ້ກາຍເປັນ ໄວທີ່ສຸດ ຊອບແວຖານຂໍ້ມູນຟຣີທີ່ຂ້ອຍເຄີຍເຫັນ. ນັບຕັ້ງແຕ່ນັ້ນມາ, ນັກພັດທະນາບໍ່ໄດ້ຢຸດເຊົາການເພີ່ມຄຸນສົມບັດ, ລວມທັງການສະຫນັບສະຫນູນການບີບອັດ Kafka, HDFS ແລະ ZStandard. ປີທີ່ຜ່ານມາພວກເຂົາເພີ່ມການສະຫນັບສະຫນູນວິທີການບີບອັດ cascading, ແລະ delta-from-delta ການເຂົ້າລະຫັດໄດ້ກາຍເປັນຄວາມເປັນໄປໄດ້. ເມື່ອບີບອັດຂໍ້ມູນຊຸດເວລາ, ຄ່າວັດສາມາດຖືກບີບອັດໄດ້ດີໂດຍໃຊ້ການເຂົ້າລະຫັດ delta, ແຕ່ສຳລັບຕົວນັບມັນຈະດີກວ່າທີ່ຈະໃຊ້ການເຂົ້າລະຫັດ delta-by-delta. ການບີບອັດທີ່ດີໄດ້ກາຍເປັນກຸນແຈສໍາລັບການປະຕິບັດງານຂອງ ClickHouse.

ClickHouse ປະກອບດ້ວຍ 170 ພັນສາຍຂອງລະຫັດ C++, ບໍ່ລວມຫ້ອງສະຫມຸດຂອງພາກສ່ວນທີສາມ, ແລະເປັນຫນຶ່ງໃນລະຫັດຖານຂໍ້ມູນທີ່ແຈກຢາຍຂະຫນາດນ້ອຍທີ່ສຸດ. ໃນການປຽບທຽບ, SQLite ບໍ່ສະຫນັບສະຫນູນການແຈກຢາຍແລະປະກອບດ້ວຍ 235 ພັນສາຍຂອງລະຫັດ C. ໃນຖານະເປັນການຂຽນນີ້, ວິສະວະກອນ 207 ໄດ້ປະກອບສ່ວນໃຫ້ ClickHouse, ແລະຄວາມເຂັ້ມຂົ້ນຂອງ commits ໄດ້ເພີ່ມຂຶ້ນບໍ່ດົນມານີ້.

ໃນເດືອນມີນາ 2017, ClickHouse ເລີ່ມດໍາເນີນການ ບັນທຶກການປ່ຽນແປງ ເປັນວິທີທີ່ງ່າຍທີ່ຈະຕິດຕາມການພັດທະນາ. ພວກເຂົາເຈົ້າຍັງໄດ້ແຍກໄຟລ໌ເອກະສານ monolithic ເຂົ້າໄປໃນລໍາດັບຊັ້ນໄຟລ໌ທີ່ອີງໃສ່ Markdown. ບັນຫາແລະລັກສະນະຕ່າງໆແມ່ນຕິດຕາມຜ່ານ GitHub, ແລະໂດຍທົ່ວໄປແລ້ວຊອບແວໄດ້ເຂົ້າເຖິງຫຼາຍໃນສອງສາມປີຜ່ານມາ.

ໃນບົດຄວາມນີ້, ຂ້ອຍຈະພິຈາລະນາການປະຕິບັດຂອງກຸ່ມ ClickHouse ໃນ AWS EC2 ໂດຍໃຊ້ໂປເຊດເຊີ 36-core ແລະການເກັບຮັກສາ NVMe.

ອັບເດດ: ໜຶ່ງອາທິດຫຼັງຈາກການເຜີຍແຜ່ໂພສນີ້ໃນເບື້ອງຕົ້ນ, ຂ້າພະເຈົ້າໄດ້ເຮັດການທົດສອບຄືນໃໝ່ດ້ວຍການຕັ້ງຄ່າທີ່ປັບປຸງໃຫ້ດີຂຶ້ນ ແລະໄດ້ຜົນດີຂື້ນຫຼາຍ. ໂພສນີ້ໄດ້ຖືກປັບປຸງເພື່ອສະທ້ອນເຖິງການປ່ຽນແປງເຫຼົ່ານີ້.

ເປີດຕົວ AWS EC2 Cluster

ຂ້ອຍຈະໃຊ້ສາມຕົວຢ່າງ c5d.9xlarge EC2 ສໍາລັບການຕອບນີ້. ແຕ່ລະອັນມີ 36 CPU virtual, 72 GB ຂອງ RAM, 900 GB ຂອງ NVMe SSD storage ແລະສະຫນັບສະຫນູນເຄືອຂ່າຍ 10 Gigabit. ພວກເຂົາມີລາຄາ 1,962 ໂດລາ/ຊົ່ວໂມງ ໃນແຕ່ລະຂົງເຂດ eu-west-1 ເມື່ອແລ່ນຕາມຄວາມຕ້ອງການ. ຂ້ອຍຈະໃຊ້ Ubuntu Server 16.04 LTS ເປັນລະບົບປະຕິບັດການ.

Firewall ໄດ້ຖືກຕັ້ງຄ່າເພື່ອໃຫ້ແຕ່ລະເຄື່ອງສາມາດສື່ສານກັບກັນໄດ້ໂດຍບໍ່ມີຂໍ້ຈໍາກັດ, ແລະມີພຽງແຕ່ທີ່ຢູ່ IPv4 ຂອງຂ້ອຍເທົ່ານັ້ນທີ່ຖືກບັນຊີຂາວໂດຍ SSH ໃນກຸ່ມ.

ໄດ NVMe ຢູ່ໃນສະພາບກຽມພ້ອມໃນການດໍາເນີນງານ

ເພື່ອໃຫ້ ClickHouse ເຮັດວຽກ, ຂ້ອຍຈະສ້າງລະບົບໄຟລ໌ໃນຮູບແບບ EXT4 ໃນໄດ NVMe ໃນແຕ່ລະເຄື່ອງແມ່ຂ່າຍ.

$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /ch

ເມື່ອທຸກສິ່ງທຸກຢ່າງຖືກຕັ້ງຄ່າ, ທ່ານສາມາດເບິ່ງຈຸດເຊື່ອມຕໍ່ແລະພື້ນທີ່ 783 GB ທີ່ມີຢູ່ໃນແຕ່ລະລະບົບ.

$ lsblk

NAME        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 -h

Filesystem      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% /ch

ຊຸດຂໍ້ມູນທີ່ຂ້ອຍຈະໃຊ້ໃນການທົດສອບນີ້ແມ່ນບ່ອນຖິ້ມຂໍ້ມູນທີ່ຂ້ອຍສ້າງຂຶ້ນຈາກການຂີ່ລົດແທັກຊີ 1.1 ຕື້ເທື່ອຄົນໃນນະຄອນນິວຢອກໃນໄລຍະຫົກປີ. ໃນ blog ການເດີນທາງ taxi ຫນຶ່ງຕື້ໃນ Redshift ລາຍລະອຽດວິທີການເກັບກຳຂໍ້ມູນຊຸດນີ້. ພວກມັນຖືກເກັບໄວ້ໃນ AWS S3, ດັ່ງນັ້ນຂ້ອຍຈະຕັ້ງຄ່າ AWS CLI ດ້ວຍການເຂົ້າໃຊ້ຂອງຂ້ອຍ ແລະກະແຈລັບ.

$ sudo apt update
$ sudo apt install awscli
$ aws configure

ຂ້ອຍຈະຕັ້ງຂອບເຂດການຮ້ອງຂໍພ້ອມກັນຂອງລູກຄ້າເປັນ 100 ເພື່ອໃຫ້ໄຟລ໌ດາວໂຫຼດໄວກວ່າການຕັ້ງຄ່າເລີ່ມຕົ້ນ.

$ aws configure set 
    default.s3.max_concurrent_requests 
    100

ຂ້ອຍຈະດາວໂຫລດຊຸດຂໍ້ມູນການຂັບຂີ່ taxi ຈາກ AWS S3 ແລະເກັບໄວ້ໃນໄດ NVMe ຢູ່ໃນເຄື່ອງແມ່ຂ່າຍທໍາອິດ. ຊຸດຂໍ້ມູນນີ້ແມ່ນ ~104GB ໃນຮູບແບບ CSV ທີ່ບີບອັດ GZIP.

$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csv

ການຕິດຕັ້ງ ClickHouse

ຂ້ອຍຈະຕິດຕັ້ງການແຈກຢາຍ OpenJDK ສໍາລັບ Java 8 ຍ້ອນວ່າມັນຈໍາເປັນຕ້ອງດໍາເນີນການ Apache ZooKeeper, ເຊິ່ງຕ້ອງການສໍາລັບການຕິດຕັ້ງ ClickHouse ທີ່ແຈກຢາຍຢູ່ໃນທັງສາມເຄື່ອງຈັກ.

$ sudo apt update
$ sudo apt install 
    openjdk-8-jre 
    openjdk-8-jdk-headless

ຫຼັງຈາກນັ້ນ, ຂ້າພະເຈົ້າກໍານົດຕົວແປສະພາບແວດລ້ອມ JAVA_HOME.

$ sudo vi /etc/profile
 
export JAVA_HOME=/usr
 
$ source /etc/profile

ຫຼັງຈາກນັ້ນຂ້ອຍຈະໃຊ້ລະບົບການຈັດການແພັກເກັດຂອງ Ubuntu ເພື່ອຕິດຕັ້ງ ClickHouse 18.16.1, glances ແລະ ZooKeeper ໃນທັງສາມເຄື່ອງ.

$ 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 
    zookeeperd

ຂ້ອຍຈະສ້າງໄດເລກະທໍລີສໍາລັບ ClickHouse ແລະຍັງເຮັດບາງການຕັ້ງຄ່າ overrides ໃນທັງສາມເຄື່ອງແມ່ຂ່າຍ.

$ 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.conf

ເຫຼົ່ານີ້ແມ່ນ overrides ການຕັ້ງຄ່າທີ່ຂ້ອຍຈະໃຊ້.

<?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>

ຫຼັງຈາກນັ້ນຂ້າພະເຈົ້າຈະດໍາເນີນການ ZooKeeper ແລະເຄື່ອງແມ່ຂ່າຍ ClickHouse ໃນທັງສາມເຄື່ອງຈັກ.

$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server start

ກຳລັງອັບໂຫລດຂໍ້ມູນໃສ່ ClickHouse

ໃນເຄື່ອງແມ່ຂ່າຍທໍາອິດຂ້ອຍຈະສ້າງຕາຕະລາງການເດີນທາງ (trips), ເຊິ່ງຈະເກັບຮັກສາຊຸດຂໍ້ມູນຂອງການເດີນທາງ taxi ໂດຍໃຊ້ເຄື່ອງຈັກ Log.

$ 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;

ຫຼັງຈາກນັ້ນຂ້າພະເຈົ້າສະກັດແລະໂຫລດແຕ່ລະໄຟລ໌ CSV ເຂົ້າໄປໃນຕາຕະລາງການເດີນທາງ (trips). ຕໍ່ໄປນີ້ແມ່ນສໍາເລັດໃນ 55 ນາທີ 10 ວິນາທີ. ຫຼັງຈາກການດໍາເນີນງານນີ້, ຂະຫນາດຂອງໄດເລກະທໍລີຂໍ້ມູນແມ່ນ 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)

ຄວາມໄວການນໍາເຂົ້າແມ່ນ 155 MB ຂອງເນື້ອໃນ CSV ທີ່ບໍ່ໄດ້ບີບອັດຕໍ່ວິນາທີ. ຂ້ອຍສົງໃສວ່ານີ້ແມ່ນຍ້ອນການບີບອັດຂອງ GZIP decompression. ມັນອາດຈະໄວກວ່າທີ່ຈະ unzip ໄຟລ໌ gzipped ທັງຫມົດໃນຂະຫນານໂດຍໃຊ້ xargs ແລະຫຼັງຈາກນັ້ນໂຫຼດ unzipped ຂໍ້ມູນ. ຂ້າງລຸ່ມນີ້ແມ່ນລາຍລະອຽດຂອງສິ່ງທີ່ໄດ້ລາຍງານໃນລະຫວ່າງຂະບວນການນໍາເຂົ້າ CSV.

$ sudo glances

ip-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/23:1H

ຂ້ອຍຈະສ້າງພື້ນທີ່ຫວ່າງຢູ່ໃນໄດຣຟ໌ NVMe ໂດຍການລຶບໄຟລ໌ CSV ຕົ້ນສະບັບອອກກ່ອນທີ່ຈະສືບຕໍ່.

$ sudo rm -fr /ch/csv

ປ່ຽນເປັນແບບຟອມຖັນ

ເຄື່ອງຈັກ Log ClickHouse ຈະເກັບຂໍ້ມູນໃນຮູບແບບແຖວ. ເພື່ອສອບຖາມຂໍ້ມູນໄວຂຶ້ນ, ຂ້ອຍປ່ຽນເປັນຮູບແບບຖັນໂດຍໃຊ້ເຄື່ອງຈັກ MergeTree.

$ clickhouse-client --host=0.0.0.0

ຕໍ່ໄປນີ້ແມ່ນສໍາເລັດໃນ 34 ນາທີ 50 ວິນາທີ. ຫຼັງຈາກການດໍາເນີນງານນີ້, ຂະຫນາດຂອງໄດເລກະທໍລີຂໍ້ມູນແມ່ນ 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;

ນີ້ແມ່ນສິ່ງທີ່ຜົນຜະລິດ glance ເບິ່ງຄືໃນລະຫວ່າງການປະຕິບັດງານ:

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)

ໃນການທົດສອບຄັ້ງສຸດທ້າຍ, ຫຼາຍຖັນໄດ້ຖືກປ່ຽນແລະຄິດໄລ່ຄືນໃຫມ່. ຂ້ອຍພົບວ່າບາງຟັງຊັນເຫຼົ່ານີ້ບໍ່ເຮັດວຽກຕາມທີ່ຄາດໄວ້ຢູ່ໃນຊຸດຂໍ້ມູນນີ້. ເພື່ອແກ້ໄຂບັນຫານີ້, ຂ້າພະເຈົ້າໄດ້ລຶບຫນ້າທີ່ບໍ່ເຫມາະສົມແລະໂຫລດຂໍ້ມູນໂດຍບໍ່ມີການປ່ຽນເປັນປະເພດເມັດຫຼາຍ.

ການແຈກຢາຍຂໍ້ມູນທົ່ວກຸ່ມ

ຂ້ອຍຈະແຈກຢາຍຂໍ້ມູນທົ່ວທັງສາມຂໍ້ຂອງກຸ່ມ. ເພື່ອເລີ່ມຕົ້ນ, ຂ້າງລຸ່ມນີ້ຂ້ອຍຈະສ້າງຕາຕະລາງໃນທັງສາມເຄື່ອງຈັກ.

$ clickhouse-client --host=0.0.0.0

CREATE 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);

ຫຼັງຈາກນັ້ນ, ຂ້ອຍຈະໃຫ້ແນ່ໃຈວ່າເຄື່ອງແມ່ຂ່າຍທໍາອິດສາມາດເບິ່ງທັງສາມ nodes ໃນ cluster.

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:

ຫຼັງຈາກນັ້ນ, ຂ້ອຍຈະກໍານົດຕາຕະລາງໃຫມ່ໃນເຄື່ອງແມ່ຂ່າຍທໍາອິດທີ່ອີງໃສ່ schema trips_mergetree_third ແລະໃຊ້ເຄື່ອງຈັກແຈກຢາຍ.

CREATE TABLE trips_mergetree_x3
    AS trips_mergetree_third
    ENGINE = Distributed(perftest_3shards,
                         default,
                         trips_mergetree_third,
                         rand());

ຫຼັງຈາກນັ້ນຂ້ອຍຈະຄັດລອກຂໍ້ມູນຈາກຕາຕະລາງ MergeTree ໄປຫາເຄື່ອງແມ່ຂ່າຍທັງສາມ. ຕໍ່ໄປນີ້ແມ່ນສໍາເລັດໃນ 34 ນາທີ 44 ວິນາທີ.

INSERT INTO trips_mergetree_x3
    SELECT * FROM trips_mergetree;

После приведенной выше операции я дал ClickHouse 15 минут, чтобы отойти от отметки максимального уровня хранилища. Каталоги данных в конечном итоге составляли 264 ГБ, 34 ГБ и 33 ГБ соответственно на каждом из трех серверов.

ການປະເມີນປະສິດທິພາບຂອງກຸ່ມ ClickHouse

ສິ່ງທີ່ຂ້ອຍເຫັນຕໍ່ໄປແມ່ນເວລາທີ່ໄວທີ່ສຸດທີ່ຂ້ອຍໄດ້ເຫັນແລ່ນແຕ່ລະຄໍາຖາມຢູ່ໃນຕາຕະລາງຫຼາຍໆຄັ້ງ trips_mergetree_x3.

$ clickhouse-client --host=0.0.0.0

ຕໍ່ໄປນີ້ສໍາເລັດໃນ 2.449 ວິນາທີ.

SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;

ຕໍ່ໄປນີ້ສໍາເລັດໃນ 0.691 ວິນາທີ.

SELECT passenger_count,
       avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;

ຕໍ່ໄປນີ້ສໍາເລັດໃນ 0 ວິນາທີ.

SELECT passenger_count,
       toYear(pickup_date) AS year,
       count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
         year;

ຕໍ່ໄປນີ້ສໍາເລັດໃນ 0.983 ວິນາທີ.

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;

ສໍາລັບການປຽບທຽບ, ຂ້າພະເຈົ້າໄດ້ດໍາເນີນການສອບຖາມດຽວກັນຢູ່ໃນຕາຕະລາງ MergeTree ທີ່ອາໄສຢູ່ໃນເຄື່ອງແມ່ຂ່າຍທໍາອິດເທົ່ານັ້ນ.

ການປະເມີນຜົນການປະຕິບັດຂອງຫນຶ່ງ ClickHouse node

ຕໍ່ໄປນີ້ສໍາເລັດໃນ 0.241 ວິນາທີ.

SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;

ຕໍ່ໄປນີ້ສໍາເລັດໃນ 0.826 ວິນາທີ.

SELECT passenger_count,
       avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;

ຕໍ່ໄປນີ້ສໍາເລັດໃນ 1.209 ວິນາທີ.

SELECT passenger_count,
       toYear(pickup_date) AS year,
       count(*)
FROM trips_mergetree
GROUP BY passenger_count,
         year;

ຕໍ່ໄປນີ້ສໍາເລັດໃນ 1.781 ວິນາທີ.

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;

ສະທ້ອນໃຫ້ເຫັນຜົນໄດ້ຮັບ

ນີ້ແມ່ນຄັ້ງທໍາອິດທີ່ຖານຂໍ້ມູນທີ່ອີງໃສ່ CPU ຟຣີສາມາດເຮັດໃຫ້ດີກວ່າຖານຂໍ້ມູນທີ່ໃຊ້ GPU ໃນການທົດສອບຂອງຂ້າພະເຈົ້າ. ຖານຂໍ້ມູນທີ່ອີງໃສ່ GPU ນັ້ນໄດ້ຜ່ານການດັດແກ້ສອງຄັ້ງນັບຕັ້ງແຕ່ນັ້ນມາ, ແຕ່ການປະຕິບັດທີ່ ClickHouse ສົ່ງຢູ່ໃນໂຫນດດຽວແມ່ນຢ່າງໃດກໍ່ຕາມທີ່ປະທັບໃຈຫຼາຍ.

ໃນຂະນະດຽວກັນ, ເມື່ອປະຕິບັດ Query 1 ໃນເຄື່ອງຈັກທີ່ແຈກຢາຍ, ຄ່າໃຊ້ຈ່າຍຕໍ່ຫົວແມ່ນຄໍາສັ່ງທີ່ສູງກວ່າ. ຂ້ອຍຫວັງວ່າຂ້ອຍພາດບາງສິ່ງບາງຢ່າງໃນການຄົ້ນຄວ້າຂອງຂ້ອຍສໍາລັບການຕອບນີ້ເພາະວ່າມັນຈະດີທີ່ຈະເຫັນເວລາການສອບຖາມຫຼຸດລົງຍ້ອນວ່າຂ້ອຍເພີ່ມຂໍ້ເພີ່ມເຕີມໃສ່ກຸ່ມ. ຢ່າງໃດກໍຕາມ, ມັນເປັນການດີທີ່ໃນເວລາທີ່ປະຕິບັດການສອບຖາມອື່ນໆ, ປະສິດທິພາບເພີ່ມຂຶ້ນປະມານ 2 ເທົ່າ.

ມັນຈະເປັນການດີທີ່ຈະເຫັນ ClickHouse ພັດທະນາໄປສູ່ຄວາມສາມາດໃນການແຍກການເກັບຮັກສາແລະຄອມພິວເຕີ້ເພື່ອໃຫ້ພວກເຂົາສາມາດຂະຫຍາຍໄດ້ຢ່າງເປັນເອກະລາດ. ການສະຫນັບສະຫນູນ HDFS, ເຊິ່ງໄດ້ຖືກເພີ່ມໃນປີກາຍນີ້, ສາມາດເປັນບາດກ້າວໄປສູ່ການນີ້. ໃນແງ່ຂອງຄອມພິວເຕີ້, ຖ້າການສອບຖາມດຽວສາມາດເລັ່ງໄດ້ໂດຍການເພີ່ມໂຫນດເພີ່ມເຕີມໃຫ້ກັບກຸ່ມ, ຫຼັງຈາກນັ້ນ, ອະນາຄົດຂອງຊອບແວນີ້ແມ່ນສົດໃສຫຼາຍ.

ຂໍຂອບໃຈທ່ານສໍາລັບການໃຊ້ເວລາອ່ານຂໍ້ຄວາມນີ້. ຂ້າພະເຈົ້າສະເຫນີໃຫ້ຄໍາປຶກສາ, ສະຖາປັດຕະ, ແລະການປະຕິບັດການບໍລິການພັດທະນາໃຫ້ລູກຄ້າໃນອາເມລິກາເຫນືອແລະເອີຣົບ. ຖ້າທ່ານຕ້ອງການສົນທະນາວ່າຄໍາແນະນໍາຂອງຂ້ອຍສາມາດຊ່ວຍທຸລະກິດຂອງທ່ານໄດ້ແນວໃດ, ກະລຸນາຕິດຕໍ່ຂ້ອຍຜ່ານທາງ LinkedIn.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com

1.1 ພັນລ້ານການເດີນທາງ taxi: 108-core ClickHouse cluster