Terjemahan artikel disediakan khusus untuk pelajar kursus tersebut .
ialah pangkalan data kolumnar sumber terbuka. Ia adalah persekitaran yang hebat di mana beratus-ratus penganalisis boleh menanyakan data terperinci dengan cepat, walaupun berpuluh bilion rekod baharu dimasukkan setiap hari. Kos infrastruktur untuk menyokong sistem sedemikian mungkin setinggi $100 setahun, dan berpotensi separuh daripada itu bergantung pada penggunaan. Pada satu ketika, pemasangan ClickHouse daripada Yandex Metrics mengandungi 10 trilion rekod. Selain Yandex, ClickHouse juga telah berjaya dengan Bloomberg dan Cloudflare.
Dua tahun lepas saya habiskan pangkalan data menggunakan satu mesin, dan ia menjadi perisian pangkalan data percuma yang pernah saya lihat. Sejak itu, pembangun tidak berhenti menambah ciri, termasuk sokongan untuk pemampatan Kafka, HDFS dan ZStandard. Tahun lepas mereka menambah sokongan untuk kaedah mampatan melata, dan pengekodan menjadi mungkin. Apabila memampatkan data siri masa, nilai tolok boleh dimampatkan dengan baik menggunakan pengekodan delta, tetapi untuk pembilang adalah lebih baik menggunakan pengekodan delta demi delta. Pemampatan yang baik telah menjadi kunci kepada prestasi ClickHouse.
ClickHouse terdiri daripada 170 ribu baris kod C++, tidak termasuk perpustakaan pihak ketiga, dan merupakan salah satu pangkalan kod pangkalan data teragih terkecil. Sebagai perbandingan, SQLite tidak menyokong pengedaran dan terdiri daripada 235 ribu baris kod C. Sehingga berita ini ditulis, 207 jurutera telah menyumbang kepada ClickHouse, dan intensiti komitmen telah meningkat baru-baru ini.
Pada Mac 2017, ClickHouse mula menjalankan sebagai cara mudah untuk menjejaki pembangunan. Mereka juga memecahkan fail dokumentasi monolitik menjadi hierarki fail berasaskan Markdown. Isu dan ciri dijejaki melalui GitHub, dan secara umum perisian telah menjadi lebih mudah diakses dalam beberapa tahun kebelakangan ini.
Dalam artikel ini, saya akan melihat prestasi kluster ClickHouse pada AWS EC2 menggunakan pemproses 36 teras dan storan NVMe.
KEMASKINI: Seminggu selepas asalnya menerbitkan siaran ini, saya menjalankan semula ujian dengan konfigurasi yang dipertingkatkan dan mencapai hasil yang lebih baik. Siaran ini telah dikemas kini untuk mencerminkan perubahan ini.
Melancarkan Kluster AWS EC2
Saya akan menggunakan tiga contoh EC5 c9d.2xlarge untuk siaran ini. Setiap daripadanya mengandungi 36 CPU maya, 72 GB RAM, 900 GB storan SSD NVMe dan menyokong rangkaian 10 Gigabit. Mereka berharga $1,962/jam setiap satu di rantau eu-west-1 apabila dijalankan atas permintaan. Saya akan menggunakan Pelayan Ubuntu 16.04 LTS sebagai sistem pengendalian.
Firewall dikonfigurasikan supaya setiap mesin boleh berkomunikasi antara satu sama lain tanpa sekatan, dan hanya alamat IPv4 saya disenarai putih oleh SSH dalam kelompok.
Pemacu NVMe dalam keadaan kesediaan operasi
Untuk ClickHouse berfungsi, saya akan mencipta sistem fail dalam format EXT4 pada pemacu NVMe pada setiap pelayan.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chSetelah semuanya dikonfigurasikan, anda boleh melihat titik pelekap dan ruang 783 GB yang tersedia pada setiap sistem.
$ 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
ββnvme0n1p1 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% /chSet data yang saya akan gunakan dalam ujian ini ialah pembuangan data yang saya hasilkan daripada 1.1 bilion perjalanan teksi yang diambil di New York City selama enam tahun. Di blog butiran cara saya mengumpul set data ini. Ia disimpan dalam AWS S3, jadi saya akan mengkonfigurasi AWS CLI dengan akses dan kunci rahsia saya.
$ sudo apt update
$ sudo apt install awscli
$ aws configureSaya akan menetapkan had permintaan serentak pelanggan kepada 100 supaya fail dimuat turun lebih cepat daripada tetapan lalai.
$ aws configure set
default.s3.max_concurrent_requests
100Saya akan memuat turun set data perjalanan teksi daripada AWS S3 dan menyimpannya pada pemacu NVMe pada pelayan pertama. Set data ini ialah ~104GB dalam format CSV termampat GZIP.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvPemasangan ClickHouse
Saya akan memasang pengedaran OpenJDK untuk Java 8 kerana ia diperlukan untuk menjalankan Apache ZooKeeper, yang diperlukan untuk pemasangan ClickHouse yang diedarkan pada ketiga-tiga mesin.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Kemudian saya menetapkan pembolehubah persekitaran JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileSaya kemudian akan menggunakan sistem pengurusan pakej Ubuntu untuk memasang ClickHouse 18.16.1, glances dan ZooKeeper pada ketiga-tiga mesin.
$ 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
zookeeperdSaya akan mencipta direktori untuk ClickHouse dan juga melakukan beberapa penggantian konfigurasi pada ketiga-tiga pelayan.
$ 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.confIni adalah penggantian konfigurasi yang akan saya gunakan.
<?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>Saya kemudian akan menjalankan ZooKeeper dan pelayan ClickHouse pada ketiga-tiga mesin.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startMemuat naik data ke ClickHouse
Pada pelayan pertama saya akan membuat jadual perjalanan (trips), yang akan menyimpan set data perjalanan teksi menggunakan enjin 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;
Saya kemudian mengekstrak dan memuatkan setiap fail CSV ke dalam jadual perjalanan (trips). Perkara berikut telah disiapkan dalam masa 55 minit dan 10 saat. Selepas operasi ini, saiz direktori data ialah 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)Kelajuan import ialah 155 MB kandungan CSV tidak dimampatkan sesaat. Saya mengesyaki ini disebabkan oleh kesesakan dalam penyahmampatan GZIP. Mungkin lebih cepat untuk menyahzip semua fail yang dizip secara selari menggunakan xargs dan kemudian memuatkan data yang dizip. Di bawah ialah huraian tentang perkara yang dilaporkan semasa proses import CSV.
$ 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/23:1HSaya akan mengosongkan ruang pada pemacu NVMe dengan memadamkan fail CSV asal sebelum meneruskan.
$ sudo rm -fr /ch/csvTukar kepada Borang Lajur
Enjin Log ClickHouse akan menyimpan data dalam format berorientasikan baris. Untuk menanyakan data dengan lebih pantas, saya menukarnya kepada format kolumnar menggunakan enjin MergeTree.
$ clickhouse-client --host=0.0.0.0Perkara berikut telah disiapkan dalam masa 34 minit dan 50 saat. Selepas operasi ini, saiz direktori data ialah 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;Inilah rupa output pandangan semasa operasi:
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)Dalam ujian terakhir, beberapa lajur telah ditukar dan dikira semula. Saya mendapati bahawa beberapa fungsi ini tidak lagi berfungsi seperti yang diharapkan pada set data ini. Untuk menyelesaikan masalah ini, saya mengalih keluar fungsi yang tidak sesuai dan memuatkan data tanpa menukar kepada jenis yang lebih berbutir.
Pengagihan data merentas kluster
Saya akan mengedarkan data merentasi ketiga-tiga nod kluster. Untuk memulakan, di bawah saya akan membuat jadual pada ketiga-tiga mesin.
$ 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);Kemudian saya akan memastikan bahawa pelayan pertama dapat melihat ketiga-tiga nod dalam kelompok.
SELECT *
FROM system.clusters
WHERE cluster = 'perftest_3shards'
FORMAT Vertical;Row 1:
ββββββ
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:
ββββββ
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:
ββββββ
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:
Kemudian saya akan menentukan jadual baru pada pelayan pertama yang berdasarkan skema trips_mergetree_third dan menggunakan enjin Teragih.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Saya kemudian akan menyalin data daripada jadual berasaskan MergeTree ke ketiga-tiga pelayan. Berikut telah disiapkan dalam masa 34 minit dan 44 saat.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Selepas operasi di atas, saya memberi ClickHouse 15 minit untuk bergerak dari tanda tahap storan maksimum. Direktori data akhirnya masing-masing menjadi 264 GB, 34 GB dan 33 GB pada setiap tiga pelayan.
Penilaian prestasi kluster ClickHouse
Apa yang saya lihat seterusnya ialah masa terpantas yang saya lihat menjalankan setiap pertanyaan pada jadual beberapa kali trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0Yang berikut selesai dalam 2.449 saat.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;Yang berikut selesai dalam 0.691 saat.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;Yang berikut selesai dalam 0 saat.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;Yang berikut selesai dalam 0.983 saat.
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;Sebagai perbandingan, saya menjalankan pertanyaan yang sama pada jadual berasaskan MergeTree yang berada pada pelayan pertama sahaja.
Penilaian prestasi satu nod ClickHouse
Apa yang saya lihat seterusnya ialah masa terpantas yang saya lihat menjalankan setiap pertanyaan pada jadual beberapa kali trips_mergetree_x3.
Yang berikut selesai dalam 0.241 saat.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;Yang berikut selesai dalam 0.826 saat.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;Yang berikut selesai dalam 1.209 saat.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;Yang berikut selesai dalam 1.781 saat.
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;Refleksi hasil
Ini adalah kali pertama pangkalan data berasaskan CPU percuma dapat mengatasi pangkalan data berasaskan GPU dalam ujian saya. Pangkalan data berasaskan GPU itu telah melalui dua semakan sejak itu, tetapi prestasi yang disampaikan oleh ClickHouse pada satu nod adalah sangat mengagumkan.
Pada masa yang sama, apabila melaksanakan Pertanyaan 1 pada enjin teragih, kos overhed adalah susunan magnitud yang lebih tinggi. Saya harap saya terlepas sesuatu dalam penyelidikan saya untuk siaran ini kerana adalah bagus untuk melihat masa pertanyaan berkurangan apabila saya menambah lebih banyak nod pada kluster. Walau bagaimanapun, adalah bagus apabila melaksanakan pertanyaan lain, prestasi meningkat kira-kira 2 kali ganda.
Alangkah baiknya untuk melihat ClickHouse berkembang ke arah dapat mengasingkan storan dan mengira supaya mereka boleh membuat skala secara bebas. Sokongan HDFS, yang telah ditambah tahun lepas, boleh menjadi satu langkah ke arah ini. Dari segi pengkomputeran, jika satu pertanyaan boleh dipercepatkan dengan menambahkan lebih banyak nod pada kluster, maka masa depan perisian ini sangat cerah.
Terima kasih kerana meluangkan masa membaca post ini. Saya menawarkan perkhidmatan perundingan, seni bina dan pembangunan amalan kepada pelanggan di Amerika Utara dan Eropah. Jika anda ingin membincangkan cara cadangan saya boleh membantu perniagaan anda, sila hubungi saya melalui .
Sumber: www.habr.com