A tradução do artigo foi elaborada especificamente para os alunos do curso .
é um banco de dados colunar de código aberto. É um excelente ambiente onde centenas de analistas podem consultar rapidamente dados detalhados, mesmo quando dezenas de bilhões de novos registros são inseridos por dia. Os custos de infraestrutura para suportar tal sistema podem chegar a US$ 100 por ano, e potencialmente metade disso, dependendo do uso. A certa altura, a instalação do ClickHouse da Yandex Metrics continha 10 trilhões de registros. Além do Yandex, ClickHouse também obteve sucesso com Bloomberg e Cloudflare.
Há dois anos passei bancos de dados usando uma máquina, e tornou-se software de banco de dados gratuito que eu já vi. Desde então, os desenvolvedores não pararam de adicionar recursos, incluindo suporte para compactação Kafka, HDFS e ZStandard. No ano passado eles adicionaram suporte para métodos de compactação em cascata e a codificação tornou-se possível. Ao compactar dados de série temporal, os valores do medidor podem ser bem compactados usando a codificação delta, mas para contadores seria melhor usar a codificação delta por delta. Uma boa compactação tornou-se a chave para o desempenho do ClickHouse.
ClickHouse consiste em 170 mil linhas de código C++, excluindo bibliotecas de terceiros, e é uma das menores bases de código de banco de dados distribuídas. Em comparação, o SQLite não suporta distribuição e consiste em 235 mil linhas de código C. No momento em que este livro foi escrito, 207 engenheiros contribuíram para o ClickHouse, e a intensidade dos commits tem aumentado recentemente.
Em março de 2017, a ClickHouse começou a realizar como uma maneira fácil de acompanhar o desenvolvimento. Eles também dividiram o arquivo de documentação monolítico em uma hierarquia de arquivos baseada em Markdown. Problemas e recursos são rastreados via GitHub e, em geral, o software tornou-se muito mais acessível nos últimos anos.
Neste artigo, darei uma olhada no desempenho de um cluster ClickHouse no AWS EC2 usando processadores de 36 núcleos e armazenamento NVMe.
ATUALIZAÇÃO: Uma semana após a publicação original deste post, executei novamente o teste com uma configuração aprimorada e obtive resultados muito melhores. Esta postagem foi atualizada para refletir essas mudanças.
Lançamento de um cluster AWS EC2
Usarei três instâncias c5d.9xlarge EC2 para esta postagem. Cada um deles contém 36 CPUs virtuais, 72 GB de RAM, 900 GB de armazenamento SSD NVMe e suporta rede de 10 Gigabit. Eles custam US$ 1,962/hora cada na região eu-west-1 quando executados sob demanda. Usarei o Ubuntu Server 16.04 LTS como sistema operacional.
O firewall está configurado para que cada máquina possa se comunicar entre si sem restrições, e apenas meu endereço IPv4 está na lista de permissões por SSH no cluster.
Unidade NVMe em estado de prontidão operacional
Para que o ClickHouse funcione, criarei um sistema de arquivos no formato EXT4 em um drive NVMe em cada um dos servidores.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chDepois que tudo estiver configurado, você poderá ver o ponto de montagem e os 783 GB de espaço disponíveis em cada sistema.
$ 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% /chO conjunto de dados que usarei neste teste é um despejo de dados que gerei a partir de 1.1 bilhão de viagens de táxi realizadas na cidade de Nova York ao longo de seis anos. No blog detalha como coletei esse conjunto de dados. Eles estão armazenados no AWS S3, então configurarei o AWS CLI com meu acesso e chaves secretas.
$ sudo apt update
$ sudo apt install awscli
$ aws configureDefinirei o limite de solicitações simultâneas do cliente como 100 para que o download dos arquivos seja mais rápido do que as configurações padrão.
$ aws configure set
default.s3.max_concurrent_requests
100Vou baixar o conjunto de dados de corridas de táxi do AWS S3 e armazená-lo em uma unidade NVMe no primeiro servidor. Este conjunto de dados tem aproximadamente 104 GB em formato CSV compactado GZIP.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvInstalação do ClickHouse
Instalarei a distribuição OpenJDK para Java 8, pois ela é necessária para executar o Apache ZooKeeper, que é necessário para uma instalação distribuída do ClickHouse em todas as três máquinas.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Então eu defino a variável de ambiente JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileEm seguida, usarei o sistema de gerenciamento de pacotes do Ubuntu para instalar o ClickHouse 18.16.1, o Glances e o ZooKeeper nas três máquinas.
$ 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
zookeeperdCriarei um diretório para ClickHouse e também farei algumas substituições de configuração em todos os três servidores.
$ 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.confEstas são as substituições de configuração que usarei.
<?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>Em seguida, executarei o ZooKeeper e o servidor ClickHouse em todas as três máquinas.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startFazendo upload de dados para ClickHouse
No primeiro servidor irei criar uma tabela de viagens (trips), que armazenará um conjunto de dados de viagens de táxi usando o mecanismo 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;
Em seguida, extraio e carrego cada um dos arquivos CSV em uma tabela de viagem (trips). O seguinte foi concluído em 55 minutos e 10 segundos. Após esta operação, o tamanho do diretório de dados era de 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)A velocidade de importação foi de 155 MB de conteúdo CSV descompactado por segundo. Suspeito que isso tenha ocorrido devido a um gargalo na descompressão do GZIP. Poderia ter sido mais rápido descompactar todos os arquivos compactados em paralelo usando xargs e depois carregar os dados descompactados. Abaixo está uma descrição do que foi relatado durante o processo de importação de 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/23:1HLiberarei espaço na unidade NVMe excluindo os arquivos CSV originais antes de continuar.
$ sudo rm -fr /ch/csvConverter para formato de coluna
O mecanismo Log ClickHouse armazenará dados em um formato orientado a linhas. Para consultar os dados com mais rapidez, eu os converto para o formato colunar usando o mecanismo MergeTree.
$ clickhouse-client --host=0.0.0.0O seguinte foi concluído em 34 minutos e 50 segundos. Após esta operação, o tamanho do diretório de dados era de 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;Esta é a aparência da saída do olhar durante a operação:
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)No último teste, diversas colunas foram convertidas e recalculadas. Descobri que algumas dessas funções não funcionam mais conforme esperado neste conjunto de dados. Para resolver esse problema, removi as funções inadequadas e carreguei os dados sem converter para tipos mais granulares.
Distribuição de dados no cluster
Distribuirei os dados por todos os três nós do cluster. Para começar, a seguir criarei uma tabela nas três máquinas.
$ 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);Em seguida, garantirei que o primeiro servidor possa ver todos os três nós do 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:
Então definirei uma nova tabela no primeiro servidor baseada no esquema trips_mergetree_third e usa o mecanismo distribuído.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Em seguida, copiarei os dados da tabela baseada em MergeTree para todos os três servidores. O seguinte foi concluído em 34 minutos e 44 segundos.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Após a operação acima, dei ao ClickHouse 15 minutos para se afastar da marca de nível máximo de armazenamento. Os diretórios de dados acabaram sendo 264 GB, 34 GB e 33 GB respectivamente em cada um dos três servidores.
Avaliação de desempenho do cluster ClickHouse
O que vi a seguir foi o tempo mais rápido que já vi executando cada consulta em uma tabela várias vezes trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0O seguinte foi concluído em 2.449 segundos.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;O seguinte foi concluído em 0.691 segundos.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;O seguinte foi concluído em 0 segundos.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;O seguinte foi concluído em 0.983 segundos.
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;Para efeito de comparação, executei as mesmas consultas em uma tabela baseada em MergeTree que reside exclusivamente no primeiro servidor.
Avaliação de desempenho de um nó ClickHouse
O que vi a seguir foi o tempo mais rápido que já vi executando cada consulta em uma tabela várias vezes trips_mergetree_x3.
O seguinte foi concluído em 0.241 segundos.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;O seguinte foi concluído em 0.826 segundos.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;O seguinte foi concluído em 1.209 segundos.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;O seguinte foi concluído em 1.781 segundos.
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;Reflexões sobre os resultados
Esta é a primeira vez que um banco de dados gratuito baseado em CPU foi capaz de superar um banco de dados baseado em GPU em meus testes. Esse banco de dados baseado em GPU passou por duas revisões desde então, mas o desempenho que o ClickHouse oferece em um único nó ainda é muito impressionante.
Ao mesmo tempo, ao executar a Consulta 1 em um mecanismo distribuído, os custos indiretos são muito maiores. Espero ter perdido algo em minha pesquisa para esta postagem, porque seria bom ver o tempo de consulta diminuir à medida que adiciono mais nós ao cluster. No entanto, é ótimo que, ao executar outras consultas, o desempenho tenha aumentado cerca de 2 vezes.
Seria bom ver o ClickHouse evoluir no sentido de ser capaz de separar o armazenamento e a computação para que possam escalar de forma independente. O suporte HDFS, adicionado no ano passado, pode ser um passo nessa direção. Em termos de computação, se uma única consulta puder ser acelerada adicionando mais nós ao cluster, então o futuro deste software será muito brilhante.
Obrigado por reservar um tempo para ler esta postagem. Ofereço serviços de consultoria, arquitetura e desenvolvimento de práticas para clientes na América do Norte e na Europa. Se você quiser discutir como minhas sugestões podem ajudar sua empresa, entre em contato comigo através de .
Fonte: habr.com