Превод чланка је припремљен посебно за студенте курса
Пре две године сам провео
ЦлицкХоусе се састоји од 170 хиљада линија Ц++ кода, искључујући библиотеке трећих страна, и једна је од најмањих дистрибуираних база кодова базе података. Поређења ради, СКЛите не подржава дистрибуцију и састоји се од 235 хиљада линија Ц кода. Од овог писања, 207 инжењера је допринело ЦлицкХоусе-у, а интензитет урезивања се у последње време повећава.
У марту 2017. ЦлицкХоусе је почео да диригује
У овом чланку ћу погледати перформансе ЦлицкХоусе кластера на АВС ЕЦ2 користећи 36-језгарне процесоре и НВМе складиште.
АЖУРИРАЊЕ: Недељу дана након што сам првобитно објавио овај пост, поново сам покренуо тест са побољшаном конфигурацијом и постигао много боље резултате. Овај пост је ажуриран да одражава ове промене.
Покретање АВС ЕЦ2 кластера
Користићу три ц5д.9кларге ЕЦ2 инстанце за овај пост. Сваки од њих садржи 36 виртуелних процесора, 72 ГБ РАМ-а, 900 ГБ НВМе ССД меморије и подржава мрежу од 10 Гигабита. Они коштају 1,962 УСД по сату у региону еу-вест-1 када раде на захтев. Користићу Убунту Сервер 16.04 ЛТС као оперативни систем.
Заштитни зид је конфигурисан тако да свака машина може да комуницира једна са другом без ограничења, а само је моја ИПв4 адреса на белој листи ССХ у кластеру.
НВМе диск у стању оперативне спремности
Да би ЦлицкХоусе функционисао, направићу систем датотека у ЕКСТ4 формату на НВМе диску на сваком од сервера.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /ch
Када се све конфигурише, можете видети тачку монтирања и 783 ГБ простора доступног на сваком систему.
$ lsblk
NAME 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 -h
Filesystem 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% /ch
Скуп података који ћу користити у овом тесту је депонија података коју сам направио од 1.1 милијарду вожњи таксијем у Њујорку током шест година. На блогу
$ sudo apt update
$ sudo apt install awscli
$ aws configure
Поставићу клијентово ограничење истовремених захтева на 100 тако да се датотеке преузимају брже од подразумеваних подешавања.
$ aws configure set
default.s3.max_concurrent_requests
100
Преузећу скуп података о вожњи таксијем са АВС С3 и сачуваћу га на НВМе диску на првом серверу. Овај скуп података је ~104 ГБ у ГЗИП компресованом ЦСВ формату.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csv
ЦлицкХоусе инсталација
Инсталираћу ОпенЈДК дистрибуцију за Јава 8 јер је потребна за покретање Апацхе ЗооКеепер-а, који је потребан за дистрибуирану инсталацију ЦлицкХоусе-а на све три машине.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Затим сам поставио променљиву окружења JAVA_HOME
.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profile
Затим ћу користити Убунту-ов систем за управљање пакетима да инсталирам ЦлицкХоусе 18.16.1, погледе и ЗооКеепер на све три машине.
$ 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
zookeeperd
Направићу директоријум за ЦлицкХоусе и такође променити неке конфигурације на сва три сервера.
$ 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.conf
Ово су замене конфигурације које ћу користити.
<?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>
Затим ћу покренути ЗооКеепер и ЦлицкХоусе сервер на све три машине.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server start
Отпремање података у ЦлицкХоусе
На првом серверу направићу табелу путовања (trips
), који ће чувати скуп података о такси путовањима користећи Лог енгине.
$ 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;
Затим издвајам и учитавам сваку од ЦСВ датотека у табелу путовања (trips
). Следеће је завршено за 55 минута и 10 секунди. Након ове операције, величина директоријума података била је 134 ГБ.
$ 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)
Брзина увоза је била 155 МБ некомпримованог ЦСВ садржаја у секунди. Претпостављам да је то због уског грла у ГЗИП декомпресији. Можда је било брже паралелно распаковати све гзипиране датотеке користећи каргс, а затим учитати распаковане податке. Испод је опис онога што је пријављено током процеса увоза ЦСВ-а.
$ sudo glances
ip-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/23:1H
Ослободићу простор на НВМе диску брисањем оригиналних ЦСВ датотека пре него што наставим.
$ sudo rm -fr /ch/csv
Претвори у образац за колону
Механизам Лог ЦлицкХоусе ће складиштити податке у формату оријентисаном на редове. Да бих брже тражио податке, претварам их у колонарски формат користећи МергеТрее мотор.
$ clickhouse-client --host=0.0.0.0
Следеће је завршено за 34 минута и 50 секунди. Након ове операције, величина директоријума података била је 237 ГБ.
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;
Овако је изгледао излаз погледа током операције:
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)
У последњем тесту, неколико колона је конвертовано и поново израчунато. Открио сам да неке од ових функција више не раде како се очекивало на овом скупу података. Да бих решио овај проблем, уклонио сам неприкладне функције и учитао податке без конверзије у детаљније типове.
Дистрибуција података у кластеру
Податке ћу дистрибуирати на сва три чвора кластера. За почетак, у наставку ћу направити табелу за све три машине.
$ clickhouse-client --host=0.0.0.0
CREATE 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);
Онда ћу се побринути да први сервер може да види сва три чвора у кластеру.
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:
Затим ћу дефинисати нову табелу на првом серверу која је заснована на шеми trips_mergetree_third
и користи Дистрибутед енгине.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());
Затим ћу копирати податке из табеле засноване на МергеТрее-у на сва три сервера. Следеће је завршено за 34 минута и 44 секунде.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;
Након горе наведене операције, дао сам ЦлицкХоусе-у 15 минута да се удаљи од ознаке максималног нивоа складиштења. Директоријуми података су на крају имали 264 ГБ, 34 ГБ и 33 ГБ на сваком од три сервера.
Процена учинка ЦлицкХоусе кластера
Оно што сам следеће видео је најбржи пут који сам видео да се сваки упит на табели покреће више пута trips_mergetree_x3
.
$ clickhouse-client --host=0.0.0.0
Следеће је завршено за 2.449 секунди.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;
Следеће је завршено за 0.691 секунди.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;
Следеће је завршено за 0 секунде.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;
Следеће је завршено за 0.983 секунди.
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;
Поређења ради, покренуо сам исте упите на табели заснованој на МергеТрее-у која се налази искључиво на првом серверу.
Процена перформанси једног ЦлицкХоусе чвора
Оно што сам следеће видео је најбржи пут који сам видео да се сваки упит на табели покреће више пута trips_mergetree_x3
.
Следеће је завршено за 0.241 секунди.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;
Следеће је завршено за 0.826 секунди.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;
Следеће је завршено за 1.209 секунди.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;
Следеће је завршено за 1.781 секунди.
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;
Размишљања о резултатима
Ово је први пут да је бесплатна база података заснована на ЦПУ-у успела да надмаши базу података засновану на ГПУ-у у мојим тестовима. Та база података заснована на ГПУ-у је од тада прошла кроз две ревизије, али перформансе које је ЦлицкХоусе испоручио на једном чвору су ипак веома импресивне.
Истовремено, када се Куери 1 извршава на дистрибуираном механизму, општи трошкови су за ред величине већи. Надам се да сам нешто пропустио у свом истраживању за овај пост јер би било лепо видети да се време упита смањује како додајем више чворова у кластер. Међутим, сјајно је што се приликом извршавања других упита перформансе повећале за око 2 пута.
Било би лепо видети како ЦлицкХоусе еволуира ка томе да буде у стању да одвоји складиште и рачунаре како би се могли независно скалирати. Подршка за ХДФС, која је додата прошле године, могла би бити корак ка томе. Што се тиче рачунарства, ако се један упит може убрзати додавањем више чворова у кластер, онда је будућност овог софтвера веома светла.
Хвала вам што сте одвојили време да прочитате овај пост. Нудим услуге консалтинга, архитектуре и развоја пракси клијентима у Северној Америци и Европи. Ако желите да разговарате о томе како моји предлози могу помоћи вашем пословању, контактирајте ме путем
Извор: ввв.хабр.цом