Përkthimi i artikullit u përgatit posaçërisht për studentët e kursit .
ClickHouse Ă«shtĂ« njĂ« bazĂ« tĂ« dhĂ«nash koloniale me burim tĂ« hapur. ĂshtĂ« njĂ« mjedis fantastik ku qindra analistĂ« mund tĂ« kĂ«rkojnĂ« shpejt tĂ« dhĂ«na tĂ« gjera, edhe kur futen dhjetĂ«ra miliarda tĂ« dhĂ«na tĂ« reja çdo ditĂ«. Kostot e infrastrukturĂ«s pĂ«r tĂ« mbĂ«shtetur njĂ« sistem tĂ« tillĂ« mund tĂ« arrijnĂ« nĂ« 100 dollarĂ« nĂ« vit, potencialisht gjysma e kĂ«saj shume, varĂ«sisht nga pĂ«rdorimi. NĂ« njĂ« moment, instalimi ClickHouse i Yandex Metrica pĂ«rmbante 10 trilionĂ« tĂ« dhĂ«na. PĂ«rveç Yandex, ClickHouse ka gjetur sukses edhe me Bloomberg dhe Cloudflare.
Dy vjet më parë kalova bazat e të dhënave duke përdorur një makinë, dhe u bë softuer falas për bazat e të dhënave që kam parë ndonjëherë. Që atëherë, zhvilluesit kanë shtuar vazhdimisht veçori, duke përfshirë mbështetje për Kafka, HDFS dhe kompresimin ZStandard. Vitin e kaluar, ata shtuan mbështetje për metodat e kompresimit kaskadues dhe Kodimi u bë i mundur. Gjatë kompresimit të të dhënave të serive kohore, vlerat e matësit mund të kompresohen mirë duke përdorur kodimin delta, por për numëruesit, kodimi delta-of-delta është më i mirë. Kompresimi i mirë është bërë çelësi i performancës së ClickHouse.
ClickHouse përbëhet nga 170 rreshta kodi C++, duke përjashtuar bibliotekat e palëve të treta, dhe është një nga bazat më të vogla të kodit për bazat e të dhënave të shpërndara. Në krahasim, SQLite nuk mbështet shpërndarjen dhe përbëhet nga 235 rreshta kodi C. Në kohën e shkrimit të këtij dokumenti, 207 inxhinierë kanë kontribuar në ClickHouse, dhe shkalla e angazhimeve është rritur kohët e fundit.
Në mars të vitit 2017, ClickHouse filloi të hostojë si një mënyrë e lehtë për të ndjekur zhvillimin. Ata gjithashtu e ndanë skedarin monolit të dokumentacionit në një hierarki skedarësh të bazuar në Markdown. Problemet dhe veçoritë gjurmohen përmes GitHub dhe në përgjithësi, softueri është bërë shumë më i arritshëm në vitet e fundit.
Në këtë artikull, do të shqyrtoj performancën e një klasteri ClickHouse në AWS EC2 duke përdorur procesorë 36-bërthamorë dhe memorie NVMe.
PĂRDITĂSIM: NjĂ« javĂ« pasi ky postim u publikua fillimisht, e ribĂ«ra testin me njĂ« konfigurim tĂ« pĂ«rmirĂ«suar dhe arrita rezultate shumĂ« mĂ« tĂ« mira. Ky postim Ă«shtĂ« pĂ«rditĂ«suar pĂ«r tĂ« pasqyruar kĂ«to ndryshime.
Lançimi i një klasteri AWS EC2
Do tĂ« pĂ«rdor tre instanca c5d.9xlarge EC2 pĂ«r kĂ«tĂ« postim. Secila pĂ«rmban 36 vCPU, 72 GB RAM, 900 GB hapĂ«sirĂ« ââruajtjeje NVMe SSD dhe mbĂ«shtet rrjetĂ«zimin 10 Gbps. Ato kushtojnĂ« 1,962 dollarĂ«/orĂ« secila nĂ« rajonin eu-west-1 kur funksionojnĂ« sipas kĂ«rkesĂ«s. Do tĂ« pĂ«rdor Ubuntu Server 16.04 LTS si sistem operativ.
Firewall-i është konfiguruar në mënyrë që çdo makinë të mund të komunikojë me njëra-tjetrën pa kufizime, dhe vetëm adresa ime IPv4 është në listën e bardhë për SSH në klaster.
Disku NVMe në gjendje pune
Për të ekzekutuar ClickHouse, do të krijoj një sistem skedarësh EXT4 në diskun NVMe në secilin server.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chPasi tĂ« jetĂ« konfiguruar gjithçka, mund tĂ« shihni pikĂ«n e montimit dhe 783 GB hapĂ«sirĂ« ââtĂ« disponueshme nĂ« secilin 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
âânvme0n1p1 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% /chSeti i të dhënave që do të përdor për këtë test është një grumbull të dhënash që krijova nga 1.1 miliardë udhëtime me taksi të kryera në New York City gjatë gjashtë viteve. Në postimin në blog Ky artikull shpjegon në detaje se si e kam mbledhur këtë grup të dhënash. Ai ruhet në AWS S3, kështu që do ta konfiguroj AWS CLI me çelësat e mi të aksesit dhe çelësat sekretë.
$ sudo apt update
$ sudo apt install awscli
$ aws configureDo ta vendos limitin e numrit të kërkesave të njëkohshme të klientëve në 100 në mënyrë që skedarët të ngarkohen më shpejt sesa me cilësimet fillestare.
$ aws configure set
default.s3.max_concurrent_requests
100Do ta shkarkoj të dhënat e udhëtimit me taksi nga AWS S3 dhe do ta ruaj në një disk NVMe në serverin e parë. Ky grup të dhënash është ~104 GB në formatin CSV të kompresuar me GZIP.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvInstalimi i ClickHouse
Do ta instaloj shpërndarjen OpenJDK për Java 8, pasi kërkohet për të ekzekutuar Apache ZooKeeper, i cili kërkohet për instalimin e shpërndarë të ClickHouse në të tre makinat.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless Pastaj vendosa variablin e mjedisit JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profilePastaj do të përdor sistemin e menaxhimit të paketave të Ubuntu për të instaluar ClickHouse 18.16.1, glances dhe ZooKeeper në të tre makinat.
$ 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
zookeeperdDo të krijoj një drejtori për ClickHouse dhe gjithashtu do të bëj disa mbivendosje të konfigurimit në të tre serverat.
$ 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.confKëto janë mbivendosjet e konfigurimit që do të përdor.
<?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>Pastaj do të ekzekutoj ZooKeeper dhe serverin ClickHouse në të tre makinat.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startNgarkimi i të dhënave në ClickHouse
Në serverin e parë do të krijoj një tabelë udhëtimesh (trips), i cili do të ruajë një grup të dhënash të udhëtimeve me taksi duke përdorur motorin 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; Pastaj e çkompresoj dhe ngarkoj secilin prej skedarëve CSV në spreadsheet-in e udhëtimeve (tripsOperacioni i mëposhtëm përfundoi në 55 minuta e 10 sekonda. Pas këtij operacioni, madhësia e direktorisë së të dhënave ishte 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)Shpejtësia e importimit ishte 155 MB përmbajtje CSV të pakompresuar për sekondë. Dyshoj se kjo ishte për shkak të një pengese në dekompresimin GZIP. Mund të kishte qenë më e shpejtë të dekompresoheshin të gjithë skedarët gzip paralelisht duke përdorur xargs dhe pastaj të ngarkoheshin të dhënat e dekompresuara. Më poshtë është një përshkrim i mesazheve të raportuara gjatë procesit të importimit 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/23:1HDo tĂ« liroj hapĂ«sirĂ« âânĂ« diskun NVMe duke fshirĂ« skedarĂ«t origjinalĂ« CSV pĂ«rpara se tĂ« vazhdoj.
$ sudo rm -fr /ch/csvKonvertimi në formë kolone
Motori ClickHouse Log do të ruajë të dhënat në një format të orientuar drejt rreshtave. Për ta bërë më të shpejtë kërkimin e të dhënave, do t'i konvertoj ato në një format kolonash duke përdorur motorin MergeTree.
$ clickhouse-client --host=0.0.0.0Operacioni i mëposhtëm përfundoi në 34 minuta e 50 sekonda. Pas këtij operacioni, madhësia e direktorisë së të dhënave ishte 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;Ja si dukej rezultati i shikimit gjatë operacionit:
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)Në testin e fundit, disa kolona u transformuan dhe u rillogaritën. Zbulova se disa nga këto funksione nuk funksiononin më siç duhet në këtë grup të dhënash. Për ta adresuar këtë, hoqa funksionet e papërshtatshme dhe i ngarkova të dhënat pa i transformuar ato në lloje të dhënash më të detajuara.
Shpërndarja e të dhënave në një klaster
Do t'i shpërndaj të dhënat në të tre nyjet e klasterit. Për të filluar, do të krijoj një tabelë në të tre makinat më poshtë.
$ 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);Pastaj do të sigurohem që serveri i parë mund t'i shohë të tre nyjet në klaster.
SELECT *
FROM system.clusters
WHERE cluster = 'perftest_3shards'
FORMAT Vertical;Row 1:
ââââââ
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:
ââââââ
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:
ââââââ
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: Pastaj do të përcaktoj një tabelë të re në serverin e parë që bazohet në skemën trips_mergetree_third dhe përdor motorin e shpërndarë.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Pastaj do t'i kopjoj të dhënat nga tabela e bazuar në MergeTree në të tre serverat. Kjo që vijon përfundoi në 34 minuta e 44 sekonda.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Pas operacionit të mësipërm, i dhashë ClickHouse 15 minuta për t'u rikuperuar nga kufizimi i hapësirës së ruajtjes. Drejtoritë e të dhënave përfunduan duke qenë përkatësisht 264 GB, 34 GB dhe 33 GB në secilin nga tre serverat.
Vlerësimi i Performancës së Klasterit ClickHouse
Ajo që pashë më pas ishte koha më e shpejtë që kam parë kur kam ekzekutuar çdo pyetje në një tabelë disa herë. trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0Pjesa e mëposhtme u përfundua në 2.449 sekonda.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;Pjesa e mëposhtme u përfundua në 0.691 sekonda.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;Pjesa e mëposhtme u përfundua në 0.582 sekonda.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;Pjesa e mëposhtme u përfundua në 0.983 sekonda.
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;Për krahasim, unë ekzekutova të njëjtat pyetje në një tabelë të bazuar në MergeTree që ndodhet ekskluzivisht në serverin e parë.
Vlerësimi i Performancës së Nyjës së Vetme të ClickHouse
Ajo që pashë më pas ishte koha më e shpejtë që kam parë kur kam ekzekutuar çdo pyetje në një tabelë disa herë. trips_mergetree_x3.
Pjesa e mëposhtme u përfundua në 0.241 sekonda.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;Pjesa e mëposhtme u përfundua në 0.826 sekonda.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;Pjesa e mëposhtme u përfundua në 1.209 sekonda.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;Pjesa e mëposhtme u përfundua në 1.781 sekonda.
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;Reflektime mbi rezultatet
Kjo është hera e parë që një bazë të dhënash falas e bazuar në CPU ka tejkaluar një bazë të dhënash të bazuar në GPU në testet e mia. Kjo bazë të dhënash e bazuar në GPU i është nënshtruar dy rishikimeve që atëherë, por performanca e ClickHouse në një nyje të vetme është ende shumë mbresëlënëse.
Megjithatë, kur ekzekutohet Query 1 në një motor të shpërndarë, kostot e përgjithshme janë shumë më të larta. Shpresoj se kam humbur diçka në kërkimin tim për këtë postim, sepse do të ishte mirë të shihja se si ulen kohët e pyetjeve ndërsa shtoj më shumë nyje në klaster. Megjithatë, është e jashtëzakonshme që performanca për pyetjet e tjera u rrit me afërsisht 2 herë.
Do të ishte shumë mirë nëse ClickHouse do të evoluonte për të ndarë hapësirën e ruajtjes dhe atë të llogaritjes, duke u lejuar atyre të shkallëzohen në mënyrë të pavarur. Mbështetja për HDFS, e shtuar vitin e kaluar, mund të jetë një hap drejt kësaj. Lidhur me llogaritjen, nëse një pyetje e vetme mund të përshpejtohet duke shtuar më shumë nyje në klaster, e ardhmja e këtij softueri do të jetë shumë e ndritur.
Faleminderit që gjetët kohë për ta lexuar këtë postim. Unë ofroj shërbime konsulence, arkitekture dhe zhvillimi praktik për klientë në Amerikën e Veriut dhe Evropë. Nëse dëshironi të diskutoni se si ofertat e mia mund ta ndihmojnë biznesin tuaj, ju lutem më kontaktoni në .
Burimi: www.habr.com
