د مقالې ژباړه په ځانګړي ډول د کورس زده کونکو لپاره چمتو شوې وه .
د خلاصې سرچینې کالمر ډیټابیس دی. دا یو ښه چاپیریال دی چیرې چې په سلګونو شنونکي کولی شي په چټکۍ سره د مفصلو معلوماتو پوښتنه وکړي، حتی په داسې حال کې چې هره ورځ لسګونه ملیارد نوي ریکارډونه داخلیږي. د داسې سیسټم مالتړ لپاره د زیربنا لګښتونه په کال کې تر 100 ډالرو پورې لوړ کیدی شي، او په احتمالي توګه نیمایي چې د کارونې پورې اړه لري. په یو وخت کې، د Yandex Metrics څخه د ClickHouse نصب 10 ټریلیون ریکارډونه درلودل. د Yandex سربیره، ClickHouse د بلومبرګ او Cloudflare سره بریالیتوب هم موندلی دی.
دوه کاله مې تېر کړل ډیټابیس د یو ماشین په کارولو سره، او دا شو وړیا ډیټابیس سافټویر چې ما کله هم لیدلی دی. له هغه وخت راهیسې ، پراختیا کونکو د کافکا ، HDFS او ZStandard کمپریشن ملاتړ په شمول د ب featuresو اضافه کول بند کړي ندي. تیر کال دوی د کاسکیډینګ کمپریشن میتودونو لپاره ملاتړ اضافه کړ ، او کوډ کول ممکن شو. کله چې د وخت لړۍ ډیټا کمپریس کول ، د ګیج ارزښتونه د ډیلټا کوډ کولو په کارولو سره ښه فشار کیدی شي ، مګر د کاونټرونو لپاره دا به غوره وي چې د ډیلټا لخوا ډیلټا کوډ کول وکاروئ. ښه کمپریشن د ClickHouse د فعالیت کلیدي ګرځیدلی.
ClickHouse د C++ کوډ 170 زره لینونه لري، د دریمې ډلې کتابتونونو پرته، او د ډیټابیس ترټولو کوچنی ویشل شوي کوډ بیسونو څخه دی. په پرتله، SQLite د توزیع ملاتړ نه کوي او د C کوډ 235 زره لینونه لري. د دې لیکلو سره سم، 207 انجینرانو په ClickHouse کې ونډه اخیستې، او د ژمنو شدت پدې وروستیو کې زیات شوی.
په مارچ 2017 کې، ClickHouse ترسره کول پیل کړل د پرمختګ تعقیب ساتلو لپاره د اسانه لارې په توګه. دوی د واحد اسنادو فایل د مارک ډاون پراساس فایل درجه بندي ته هم مات کړ. مسلې او ب featuresې د GitHub له لارې تعقیب کیږي ، او په عموم کې سافټویر په تیرو څو کلونو کې خورا ډیر د لاسرسي وړ شوی.
پدې مقاله کې ، زه به د 2 کور پروسیسرونو او NVMe ذخیره کولو په کارولو سره په AWS EC36 کې د کلیک هاوس کلستر فعالیت ته یو نظر وګورم.
تازه کول: په اصل کې د دې پوسټ خپرولو څخه یوه اونۍ وروسته، ما ازموینه د ښه ترتیب سره بیا پیل کړه او ډیرې ښې پایلې یې ترلاسه کړې. دا پوسټ د دې بدلونونو منعکس کولو لپاره تازه شوی.
د AWS EC2 کلستر په لاره اچول
زه به د دې پوسټ لپاره درې c5d.9xlarge EC2 مثالونه وکاروم. هر یو یې 36 مجازی CPUs، 72 GB رام، 900 GB NVMe SSD ذخیره لري او د 10 ګیګابایټ شبکې ملاتړ کوي. دوی په eu-west-1,962 سیمه کې هر یو $ 1 / ساعت لګښت لري کله چې د غوښتنې سره مخ کیږي. زه به د اوبنټو سرور 16.04 LTS د عملیاتي سیسټم په توګه وکاروم.
د فایر وال ترتیب شوی ترڅو هر ماشین د یو بل سره پرته له کوم محدودیت سره اړیکه ونیسي، او یوازې زما IPv4 پته په کلستر کې د SSH لخوا سپین لیست شوی.
د عملیاتي چمتووالي حالت کې NVMe ډرایو
د ClickHouse د کار کولو لپاره، زه به په هر سرور کې په NVMe ډرایو کې د EXT4 بڼه کې د فایل سیسټم جوړ کړم.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chیوځل چې هرڅه تنظیم شي ، تاسو کولی شئ د ماونټ نقطه او په هر سیسټم کې د 783 GB ځای شتون وګورئ.
$ 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% /chهغه ډیټاسیټ چې زه به یې پدې ازموینه کې وکاروم د ډیټا ډمپ دی چې ما د 1.1 ملیارد ټیکسي سواریو څخه رامینځته کړی چې په نیویارک ښار کې په شپږو کلونو کې اخیستل شوی. په بلاګ کې توضیحات چې څنګه ما دا ډاټا سیټ راټول کړل. دوی په AWS S3 کې زیرمه شوي، نو زه به AWS CLI زما د لاسرسي او پټو کیليونو سره تنظیم کړم.
$ sudo apt update
$ sudo apt install awscli
$ aws configureزه به د پیرودونکي د غوښتنې حد 100 ته وټاکم ترڅو فایلونه د ډیفالټ ترتیباتو څخه ګړندي ډاونلوډ شي.
$ aws configure set
default.s3.max_concurrent_requests
100زه به د AWS S3 څخه د ټیکسي سواری ډیټاسیټ ډاونلوډ کړم او په لومړي سرور کې به یې په NVMe ډرایو کې ذخیره کړم. دا ډیټاسیټ ~ 104GB د GZIP-کمپریس شوي CSV بڼه کې دی.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvد کور نصبولو کلیک وکړئ
زه به د جاوا 8 لپاره د OpenJDK توزیع نصب کړم ځکه چې دا د اپاچي زوکیپر چلولو لپاره اړین دی ، کوم چې په ټولو دریو ماشینونو کې د کلیک هاوس توزیع شوي نصب لپاره اړین دی.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
بیا ما د چاپیریال متغیر تنظیم کړ JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileزه به بیا په ټولو دریو ماشینونو کې د ClickHouse 18.16.1، Glances او ZooKeeper نصبولو لپاره د اوبنټو کڅوړې مدیریت سیسټم وکاروم.
$ 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
zookeeperdزه به د ClickHouse لپاره یو لارښود جوړ کړم او په ټولو دریو سرورونو کې به ځینې ترتیبونه اوورایډونه هم ترسره کړم.
$ 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.confدا هغه ترتیبونه دي چې زه به یې وکاروم.
<?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>زه به بیا په ټولو دریو ماشینونو کې ZooKeeper او ClickHouse سرور پرمخ وړم.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startClickHouse ته د معلوماتو اپلوډ کول
په لومړي سرور کې به زه د سفر میز جوړ کړم (trips)، کوم چې به د لاګ انجن په کارولو سره د ټکسي سفرونو ډیټاسیټ ذخیره کړي.
$ 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;
زه بیا هر یو د CSV فایلونه د سفر میز کې راوباسئ او پورته کړم (trips). لاندې په 55 دقیقو او 10 ثانیو کې بشپړ شو. د دې عملیاتو وروسته، د ډیټا ډایرکټر اندازه 134 GB وه.
$ 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)د واردولو سرعت په هر ثانیه کې د CSV د نه کمپریس شوي مینځپانګې 155 MB و. زه شکمن یم چې دا د GZIP ډیکمپریشن کې د خنډ له امله و. دا ممکن د xargs په کارولو سره په موازي ډول د ټولو gzipped فایلونو خلاصول ګړندي شوي وي او بیا غیر زپ شوي ډاټا بار کړي. لاندې د هغه څه توضیحات دي چې د CSV وارداتو پروسې په جریان کې راپور شوي.
$ 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/23:1Hزه به د دوام دمخه د اصلي CSV فایلونو په حذف کولو سره NVMe ډرایو کې ځای خالي کړم.
$ sudo rm -fr /ch/csvد کالم فارم ته واړوئ
د Log ClickHouse انجن به د قطار په شکل کې ډاټا ذخیره کړي. د ډیټا ګړندي پوښتنې کولو لپاره ، زه دا د MergeTree انجن په کارولو سره کالم فارمیټ ته بدلوم.
$ clickhouse-client --host=0.0.0.0لاندې په 34 دقیقو او 50 ثانیو کې بشپړ شو. د دې عملیاتو وروسته، د ډیټا ډایرکټر اندازه 237 GB وه.
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;دا هغه څه دي چې د لید محصول د عملیاتو په جریان کې ښکاري:
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)په وروستي ازموینه کې، څو کالمونه بدل شوي او بیا حساب شوي. ما وموندله چې ځینې دا افعال نور کار نه کوي لکه څنګه چې تمه کیږي پدې ډیټاسیټ کې. د دې ستونزې د حل کولو لپاره، ما نامناسب فعالیتونه لیرې کړل او ډاټا یې پورته کړه پرته له دې چې نور دانه ډولونو ته بدل شي.
په ټول کلستر کې د معلوماتو ویش
زه به ډاټا په ټولو دریو کلستر نوډونو ویشم. د پیل کولو لپاره، لاندې به زه په ټولو دریو ماشینونو کې میز جوړ کړم.
$ 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);بیا به زه ډاډ ترلاسه کړم چې لومړی سرور کولی شي په کلستر کې ټول درې نوډونه وګوري.
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:
بیا به زه په لومړي سرور کې یو نوی میز تعریف کړم چې د سکیما پراساس دی trips_mergetree_third او توزیع شوی انجن کاروي.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());زه به بیا د MergeTree پر بنسټ میز څخه ټولو دریو سرورونو ته ډاټا کاپي کړم. لاندې په 34 دقیقو او 44 ثانیو کې بشپړ شو.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;د پورتني عملیاتو وروسته ، ما کلیک هاوس ته 15 دقیقې وخت ورکړ ترڅو د اعظمي ذخیرې کچې نښه څخه لیرې لاړ شم. د ډیټا لارښودونه په ترتیب سره د 264 GB، 34 GB او 33 GB په دریو سرورونو کې پای ته ورسیدل.
د کلیک هاوس کلستر فعالیت ارزونه
هغه څه چې ما وروسته ولیدل هغه ترټولو ګړندی وخت و چې ما ولیدل چې هره پوښتنه په میز کې څو ځله پرمخ وړم trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0لاندې په 2.449 ثانیو کې بشپړ شو.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;لاندې په 0.691 ثانیو کې بشپړ شو.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;لاندې په 0 ثانیو کې بشپړ شو.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;لاندې په 0.983 ثانیو کې بشپړ شو.
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;د پرتله کولو لپاره، ما ورته پوښتنې د MergeTree-based جدول کې ترسره کړې چې یوازې په لومړي سرور کې ژوند کوي.
د یو ClickHouse نوډ د فعالیت ارزونه
هغه څه چې ما وروسته ولیدل هغه ترټولو ګړندی وخت و چې ما ولیدل چې هره پوښتنه په میز کې څو ځله پرمخ وړم trips_mergetree_x3.
لاندې په 0.241 ثانیو کې بشپړ شو.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;لاندې په 0.826 ثانیو کې بشپړ شو.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;لاندې په 1.209 ثانیو کې بشپړ شو.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;لاندې په 1.781 ثانیو کې بشپړ شو.
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;د پایلو په اړه انعکاس
دا لومړی ځل دی چې وړیا CPU میشته ډیټابیس وکولی شو زما په ازموینو کې د GPU میشته ډیټابیس څخه ښه کار وکړي. دا د GPU میشته ډیټابیس له هغه وخت راهیسې د دوه بیاکتنو څخه تیر شوی ، مګر هغه فعالیت چې کلیک هاوس په یو واحد نوډ کې وړاندې کړی په هرصورت خورا اغیزناک دی.
په ورته وخت کې، کله چې په ویشل شوي انجن کې د پوښتنې 1 اجرا کول، د سر لګښتونه د لوړ مقدار ترتیب دی. زه امید لرم چې ما د دې پوسټ لپاره زما په څیړنه کې یو څه له لاسه ورکړی ځکه چې دا به ښه وي چې د پوښتنو وختونه ټیټ شي ځکه چې زه کلستر ته نور نوډونه اضافه کړم. په هرصورت، دا خورا ښه دی کله چې د نورو پوښتنو اجرا کول، فعالیت شاوخوا 2 ځله زیات شوی.
دا به ښه وي چې وګورئ ClickHouse د ذخیره کولو او محاسبې جلا کولو توان لري ترڅو دوی په خپلواک ډول اندازه کړي. د HDFS ملاتړ، کوم چې تیر کال اضافه شوی، د دې په لور یو ګام کیدی شي. د کمپیوټینګ په برخه کې، که یو واحد پوښتنه په کلستر کې د نورو نوډونو په اضافه کولو سره چټکه شي، نو د دې سافټویر راتلونکی خورا روښانه دی.
د دې پوسټ لوستلو لپاره د وخت اخیستو لپاره مننه. زه په شمالي امریکا او اروپا کې پیرودونکو ته مشورې ، معمارۍ ، او تمرین پرمختیایی خدمات وړاندیز کوم. که تاسو غواړئ بحث وکړئ چې زما وړاندیزونه ستاسو سوداګرۍ سره څنګه مرسته کولی شي، مهرباني وکړئ ما سره اړیکه ونیسئ .
سرچینه: www.habr.com