Prevod članka je bil pripravljen posebej za študente tečaja .
je odprtokodna stolpična zbirka podatkov. To je odlično okolje, v katerem lahko na stotine analitikov hitro poizveduje po podrobnih podatkih, čeprav se na dan vnese več deset milijard novih zapisov. Infrastrukturni stroški za podporo takega sistema bi lahko znašali do 100 USD na leto in morda polovico manj, odvisno od uporabe. Na neki točki je namestitev ClickHouse iz Yandex Metrics vsebovala 10 trilijonov zapisov. Poleg Yandexa je ClickHouse dosegel uspeh tudi pri Bloombergu in Cloudflareju.
Pred dvema letoma sem porabil baz podatkov z uporabo enega stroja in je postal brezplačna programska oprema za zbirke podatkov, kar sem jih kdaj videl. Od takrat razvijalci niso nehali dodajati funkcij, vključno s podporo za stiskanje Kafka, HDFS in ZStandard. Lani so dodali podporo za metode kaskadnega stiskanja in kodiranje postalo možno. Pri stiskanju podatkov časovnih vrst je mogoče vrednosti merilnikov dobro stisniti z uporabo delta kodiranja, za števce pa bi bilo bolje uporabiti kodiranje delta za delta. Dobro stiskanje je postalo ključ do uspešnosti ClickHouse.
ClickHouse je sestavljen iz 170 tisoč vrstic kode C++, razen knjižnic tretjih oseb, in je ena najmanjših kodnih baz distribuiranih baz podatkov. Za primerjavo, SQLite ne podpira distribucije in je sestavljen iz 235 tisoč vrstic kode C. Od tega pisanja je k ClickHouse prispevalo 207 inženirjev, intenzivnost commitov pa v zadnjem času narašča.
Marca 2017 je ClickHouse začel izvajati kot preprost način za spremljanje razvoja. Prav tako so razdelili monolitno dokumentacijsko datoteko v hierarhijo datotek, ki temelji na Markdownu. Težave in funkcije se spremljajo prek GitHub in na splošno je programska oprema v zadnjih nekaj letih postala veliko bolj dostopna.
V tem članku si bom ogledal delovanje gruče ClickHouse na AWS EC2 z uporabo 36-jedrnih procesorjev in pomnilnika NVMe.
POSODOBITEV: Teden dni po prvotni objavi te objave sem ponovno izvedel test z izboljšano konfiguracijo in dosegel veliko boljše rezultate. Ta objava je bila posodobljena, da odraža te spremembe.
Zagon gruče AWS EC2
Za to objavo bom uporabil tri primerke c5d.9xlarge EC2. Vsak od njih vsebuje 36 virtualnih procesorjev, 72 GB RAM-a, 900 GB NVMe SSD pomnilnika in podpira 10-gigabitno omrežje. Stanejo 1,962 $/uro vsak v regiji eu-west-1, ko delujejo na zahtevo. Kot operacijski sistem bom uporabljal Ubuntu Server 16.04 LTS.
Požarni zid je konfiguriran tako, da lahko vsak stroj med seboj komunicira brez omejitev, in samo moj naslov IPv4 je na seznamu dovoljenih s SSH v gruči.
Pogon NVMe v stanju pripravljenosti za delovanje
Da bo ClickHouse deloval, bom ustvaril datotečni sistem v formatu EXT4 na pogonu NVMe na vsakem od strežnikov.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chKo je vse konfigurirano, lahko vidite točko priklopa in 783 GB prostora, ki je na voljo v vsakem sistemu.
$ 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% /chNabor podatkov, ki ga bom uporabil v tem preizkusu, je izpis podatkov, ki sem ga ustvaril iz 1.1 milijarde voženj s taksijem v New Yorku v šestih letih. Na blogu podrobnosti o tem, kako sem zbral ta niz podatkov. Shranjeni so v AWS S3, zato bom konfiguriral AWS CLI s svojimi dostopnimi in skrivnimi ključi.
$ sudo apt update
$ sudo apt install awscli
$ aws configureOdjemalčevo omejitev sočasnih zahtev bom nastavil na 100, tako da se bodo datoteke prenašale hitreje od privzetih nastavitev.
$ aws configure set
default.s3.max_concurrent_requests
100Prenesel bom nabor podatkov o vožnjah s taksijem iz AWS S3 in ga shranil na pogon NVMe na prvem strežniku. Ta nabor podatkov je ~104 GB v formatu CSV, stisnjenem z GZIP.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvNamestitev ClickHouse
Namestil bom distribucijo OpenJDK za Javo 8, saj je potrebna za zagon Apache ZooKeeper, ki je potreben za porazdeljeno namestitev ClickHouse na vseh treh napravah.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Nato nastavim spremenljivko okolja JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileNato bom uporabil Ubuntujev sistem za upravljanje paketov za namestitev ClickHouse 18.16.1, glances in ZooKeeper na vse tri naprave.
$ 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
zookeeperdUstvaril bom imenik za ClickHouse in naredil tudi nekaj preglasitev konfiguracije na vseh treh strežnikih.
$ 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.confTo so preglasitve konfiguracije, ki jih bom uporabljal.
<?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>Nato bom zagnal ZooKeeper in strežnik ClickHouse na vseh treh napravah.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startNalaganje podatkov v ClickHouse
Na prvem strežniku bom ustvaril tabelo potovanj (trips), ki bo shranil nabor podatkov o vožnjah s taksijem z uporabo mehanizma 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;
Nato ekstrahiram in naložim vsako datoteko CSV v tabelo potovanj (trips). Naslednje je bilo dokončano v 55 minutah in 10 sekundah. Po tej operaciji je bila velikost podatkovnega imenika 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)Hitrost uvoza je bila 155 MB nestisnjene vsebine CSV na sekundo. Sumim, da je bilo to posledica ozkega grla pri dekompresiji GZIP. Morda bi bilo hitreje razpakirati vse gzipane datoteke vzporedno z uporabo xargs in nato naložiti razpakirane podatke. Spodaj je opis, kaj je bilo sporočeno med postopkom uvoza 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 nadaljevanjem bom sprostil prostor na pogonu NVMe tako, da izbrišem izvirne datoteke CSV.
$ sudo rm -fr /ch/csvPretvori v obrazec stolpca
Mehanizem Log ClickHouse bo podatke shranjeval v vrstično usmerjenem formatu. Za hitrejše poizvedovanje po podatkih jih pretvorim v stolpčno obliko z uporabo mehanizma MergeTree.
$ clickhouse-client --host=0.0.0.0Naslednje je bilo dokončano v 34 minutah in 50 sekundah. Po tej operaciji je bila velikost podatkovnega imenika 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;Tako je izgledal izhod pogleda med operacijo:
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 zadnjem preizkusu je bilo več stolpcev pretvorjenih in preračunanih. Ugotovil sem, da nekatere od teh funkcij ne delujejo več po pričakovanjih v tem naboru podatkov. Da bi rešil to težavo, sem odstranil neustrezne funkcije in naložil podatke brez pretvorbe v bolj zrnate vrste.
Porazdelitev podatkov po gruči
Podatke bom razdelil po vseh treh vozliščih gruče. Za začetek bom spodaj ustvaril tabelo za vse tri naprave.
$ 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);Nato bom poskrbel, da bo prvi strežnik videl vsa tri vozlišča v gruči.
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:
Nato bom definiral novo tabelo na prvem strežniku, ki temelji na shemi trips_mergetree_third in uporablja motor Distributed.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Nato bom kopiral podatke iz tabele, ki temelji na MergeTree, na vse tri strežnike. Naslednje je bilo dokončano v 34 minutah in 44 sekundah.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Po zgornji operaciji sem dal ClickHouse 15 minut, da se odmakne od oznake največje ravni shranjevanja. Podatkovni imeniki so na koncu znašali 264 GB, 34 GB oziroma 33 GB na vsakem od treh strežnikov.
Ocena zmogljivosti gruče ClickHouse
Kar sem videl, je bilo najhitrejše izvajanje vsake poizvedbe v tabeli večkrat trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0Naslednje je opravilo v 2.449 sekunde.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;Naslednje je opravilo v 0.691 sekunde.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;Naslednje je dokončano v 0 sekunde.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;Naslednje je opravilo v 0.983 sekunde.
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;Za primerjavo sem izvedel iste poizvedbe na tabeli, ki temelji na MergeTree in se nahaja izključno na prvem strežniku.
Ocena uspešnosti enega vozlišča ClickHouse
Kar sem videl, je bilo najhitrejše izvajanje vsake poizvedbe v tabeli večkrat trips_mergetree_x3.
Naslednje je opravilo v 0.241 sekunde.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;Naslednje je opravilo v 0.826 sekunde.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;Naslednje je opravilo v 1.209 sekunde.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;Naslednje je opravilo v 1.781 sekunde.
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;Razmišljanje o rezultatih
To je prvič, da je brezplačna zbirka podatkov, ki temelji na CPE, v mojih testih uspela preseči bazo podatkov, ki temelji na GPE. Ta zbirka podatkov, ki temelji na GPU, je od takrat doživela dve reviziji, vendar je zmogljivost, ki jo je ClickHouse zagotovil na enem vozlišču, kljub temu zelo impresivna.
Hkrati so pri izvajanju poizvedbe 1 na porazdeljenem motorju režijski stroški za red velikosti višji. Upam, da sem v svoji raziskavi za to objavo kaj zamudil, ker bi bilo lepo videti, da se časi poizvedb zmanjšujejo, ko dodam več vozlišč v gručo. Vendar je super, da se je pri izvajanju drugih poizvedb zmogljivost povečala za približno 2-krat.
Lepo bi bilo videti, da bi se ClickHouse razvijal v smeri ločevanja pomnilnika in računalništva, da bi se lahko neodvisno prilagajali. Podpora HDFS, ki je bila dodana lani, bi lahko bila korak k temu. Kar zadeva računalništvo, če je mogoče posamezno poizvedbo pospešiti z dodajanjem več vozlišč v gručo, potem je prihodnost te programske opreme zelo svetla.
Hvala, ker ste si vzeli čas za branje te objave. Strankam v Severni Ameriki in Evropi nudim storitve svetovanja, arhitekture in razvoja prakse. Če se želite pogovoriti o tem, kako lahko moji predlogi pomagajo vašemu podjetju, me kontaktirajte prek .
Vir: www.habr.com