Preklad článku bol pripravený špeciálne pre študentov kurzu .
je stĺpcová databáza s otvoreným zdrojom. Je to skvelé prostredie, kde môžu stovky analytikov rýchlo vyhľadávať podrobné údaje, aj keď sa denne zadávajú desiatky miliárd nových záznamov. Náklady na infraštruktúru na podporu takéhoto systému by mohli dosiahnuť až 100 10 USD ročne a potenciálne polovicu v závislosti od používania. V jednom okamihu obsahovala inštalácia ClickHouse od Yandex Metrics XNUMX biliónov záznamov. Okrem Yandex, ClickHouse tiež našiel úspech s Bloomberg a Cloudflare.
Pred dvoma rokmi som strávil databázy pomocou jedného stroja a stalo sa bezplatný databázový softvér, aký som kedy videl. Odvtedy vývojári neprestali pridávať funkcie vrátane podpory kompresie Kafka, HDFS a ZStandard. Minulý rok pridali podporu pre metódy kaskádovej kompresie a kódovanie bolo možné. Pri komprimácii údajov časových radov je možné meracie hodnoty dobre komprimovať pomocou delta kódovania, ale pre počítadlá by bolo lepšie použiť delta-by-delta kódovanie. Dobrá kompresia sa stala kľúčom k výkonu ClickHouse.
ClickHouse pozostáva zo 170 tisíc riadkov kódu C++, okrem knižníc tretích strán, a je jednou z najmenších databáz distribuovaných databáz. Na porovnanie, SQLite nepodporuje distribúciu a pozostáva z 235 207 riadkov kódu C. V čase písania tohto článku do ClickHouse prispelo XNUMX inžinierov a intenzita zadávania sa v poslednom čase zvyšuje.
V marci 2017 začala spoločnosť ClickHouse dirigovať ako jednoduchý spôsob sledovania vývoja. Tiež rozdelili monolitický dokumentačný súbor do hierarchie súborov založenej na Markdown. Problémy a funkcie sa sledujú cez GitHub a vo všeobecnosti sa softvér za posledných pár rokov stal oveľa dostupnejším.
V tomto článku sa pozriem na výkon klastra ClickHouse na AWS EC2 pomocou 36-jadrových procesorov a úložiska NVMe.
AKTUALIZÁCIA: Týždeň po pôvodnom uverejnení tohto príspevku som znova spustil test s vylepšenou konfiguráciou a dosiahol oveľa lepšie výsledky. Tento príspevok bol aktualizovaný, aby odrážal tieto zmeny.
Spustenie klastra AWS EC2
Pre tento príspevok budem používať tri inštancie c5d.9xlarge EC2. Každý z nich obsahuje 36 virtuálnych CPU, 72 GB RAM, 900 GB NVMe SSD úložisko a podporuje 10 Gigabitovú sieť. V regióne eu-západ-1,962 stoja každý 1 16.04 USD/hodinu pri prevádzke na požiadanie. Ako operačný systém budem používať Ubuntu Server XNUMX LTS.
Firewall je nakonfigurovaný tak, že každý stroj môže medzi sebou komunikovať bez obmedzení a iba moja IPv4 adresa je povolená SSH v klastri.
Disk NVMe v stave pripravenosti na prevádzku
Aby ClickHouse fungoval, vytvorím súborový systém vo formáte EXT4 na jednotke NVMe na každom zo serverov.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chKeď je všetko nakonfigurované, môžete vidieť bod pripojenia a 783 GB miesta dostupného v každom systéme.
$ 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% /chSúbor údajov, ktorý použijem v tomto teste, je výpis údajov, ktorý som vygeneroval z 1.1 miliardy jázd taxíkom v New Yorku za šesť rokov. Na blogu podrobnosti o tom, ako som zhromaždil tento súbor údajov. Sú uložené v AWS S3, takže si nakonfigurujem AWS CLI s mojimi prístupovými a tajnými kľúčmi.
$ sudo apt update
$ sudo apt install awscli
$ aws configureNastavím klientovi limit súbežných požiadaviek na 100, aby sa súbory sťahovali rýchlejšie ako predvolené nastavenia.
$ aws configure set
default.s3.max_concurrent_requests
100Stiahnem si súbor údajov o jazde taxíkom z AWS S3 a uložím ho na jednotku NVMe na prvom serveri. Táto množina údajov má ~104 GB vo formáte CSV komprimovanom GZIP.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvInštalácia ClickHouse
Nainštalujem distribúciu OpenJDK pre Java 8, pretože je potrebná na spustenie Apache ZooKeeper, ktorý je potrebný na distribuovanú inštaláciu ClickHouse na všetkých troch počítačoch.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Potom nastavím premennú prostredia JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profilePotom použijem systém správy balíkov Ubuntu na inštaláciu ClickHouse 18.16.1, pohľadov a ZooKeeper na všetky tri počítače.
$ 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
zookeeperdVytvorím adresár pre ClickHouse a tiež prepíšem konfiguráciu na všetkých troch serveroch.
$ 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.confToto sú prepisy konfigurácie, ktoré budem používať.
<?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>Potom spustím ZooKeeper a server ClickHouse na všetkých troch počítačoch.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startNahrávanie údajov do ClickHouse
Na prvom serveri vytvorím tabuľku výletov (trips), ktorý bude ukladať súbor údajov o cestách taxíkom pomocou nástroja 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;
Potom extrahujem a načítam každý zo súborov CSV do tabuľky výletov (trips). Nasledujúce bolo dokončené za 55 minút a 10 sekúnd. Po tejto operácii bola veľkosť dátového adresára 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)Rýchlosť importu bola 155 MB nekomprimovaného obsahu CSV za sekundu. Mám podozrenie, že to bolo spôsobené prekážkou v dekompresii GZIP. Mohlo byť rýchlejšie rozbaliť všetky súbory gzip paralelne pomocou xargs a potom načítať rozbalené údaje. Nižšie je uvedený popis toho, čo bolo nahlásené počas procesu importu 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/23:1HPred pokračovaním uvoľním miesto na jednotke NVMe odstránením pôvodných súborov CSV.
$ sudo rm -fr /ch/csvKonvertovať na stĺpcový formulár
Modul Log ClickHouse bude ukladať údaje vo formáte orientovanom na riadky. Aby som údaje vyhľadával rýchlejšie, konvertujem ich do stĺpcového formátu pomocou nástroja MergeTree.
$ clickhouse-client --host=0.0.0.0Nasledujúce bolo dokončené za 34 minút a 50 sekúnd. Po tejto operácii bola veľkosť dátového adresára 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;Takto vyzeral výstup pohľadu počas operácie:
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)V poslednom teste bolo niekoľko stĺpcov prevedených a prepočítaných. Zistil som, že niektoré z týchto funkcií už v tomto súbore údajov nefungujú podľa očakávania. Aby som tento problém vyriešil, odstránil som nevhodné funkcie a načítal údaje bez konverzie na podrobnejšie typy.
Distribúcia údajov v klastri
Dáta rozdelím medzi všetky tri uzly klastra. Na začiatok vytvorím tabuľku na všetkých troch strojoch.
$ 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);Potom sa uistím, že prvý server vidí všetky tri uzly v klastri.
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:
Potom zadefinujem novú tabuľku na prvom serveri, ktorá je založená na schéme trips_mergetree_third a používa distribuovaný motor.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Potom skopírujem údaje z tabuľky založenej na MergeTree na všetky tri servery. Nasledujúce bolo dokončené za 34 minút a 44 sekúnd.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Po vyššie uvedenej operácii som dal ClickHouse 15 minút na to, aby sa vzdialil od značky maximálnej úrovne úložiska. Údajové adresáre boli nakoniec 264 GB, 34 GB a 33 GB na každom z troch serverov.
Hodnotenie výkonnosti klastra ClickHouse
Ďalej som videl najrýchlejší čas, ktorý som videl spustenie každého dotazu v tabuľke viackrát trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0Nasledujúce dokončené za 2.449 sekundy.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;Nasledujúce dokončené za 0.691 sekundy.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;Nasledujúce dokončené za 0 sekundy.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;Nasledujúce dokončené za 0.983 sekundy.
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;Pre porovnanie som spustil rovnaké dotazy na tabuľke založenej na MergeTree, ktorá sa nachádza výlučne na prvom serveri.
Hodnotenie výkonu jedného uzla ClickHouse
Ďalej som videl najrýchlejší čas, ktorý som videl spustenie každého dotazu v tabuľke viackrát trips_mergetree_x3.
Nasledujúce dokončené za 0.241 sekundy.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;Nasledujúce dokončené za 0.826 sekundy.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;Nasledujúce dokončené za 1.209 sekundy.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;Nasledujúce dokončené za 1.781 sekundy.
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;Úvahy o výsledkoch
Toto je prvýkrát, čo bezplatná databáza založená na CPU dokázala v mojich testoch prekonať databázu založenú na GPU. Táto databáza založená na GPU odvtedy prešla dvoma revíziami, ale výkon, ktorý ClickHouse poskytol na jednom uzle, je napriek tomu veľmi pôsobivý.
Zároveň pri vykonávaní Query 1 na distribuovanom engine sú režijné náklady rádovo vyššie. Dúfam, že som v mojom výskume pre tento príspevok niečo vynechal, pretože by bolo pekné vidieť, ako časy dopytov klesajú, keď do klastra pridávam ďalšie uzly. Je však skvelé, že pri vykonávaní ďalších dotazov sa výkon zvýšil asi 2-krát.
Bolo by pekné vidieť, ako sa ClickHouse vyvíja smerom k možnosti oddeliť úložisko a výpočty, aby sa mohli nezávisle škálovať. Krokom k tomu by mohla byť podpora HDFS, ktorá pribudla minulý rok. Pokiaľ ide o výpočtovú techniku, ak je možné urýchliť jeden dotaz pridaním viacerých uzlov do klastra, budúcnosť tohto softvéru je veľmi svetlá.
Ďakujeme, že ste si našli čas na prečítanie tohto príspevku. Klientom v Severnej Amerike a Európe ponúkam služby v oblasti poradenstva, architektúry a rozvoja praxe. Ak by ste chceli diskutovať o tom, ako môžu moje návrhy pomôcť vášmu podnikaniu, kontaktujte ma prostredníctvom .
Zdroj: hab.com