{"id":54918,"date":"2020-01-07T00:00:00","date_gmt":"2020-01-06T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb"},"modified":"2020-02-18T14:02:58","modified_gmt":"2020-02-18T11:02:58","slug":"ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb","status":"publish","type":"post","link":"https:\/\/prohoster.info\/sv\/blog\/administrirovanie\/ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb","title":{"rendered":"Anv\u00e4ndning av Clickhouse som ers\u00e4ttning f\u00f6r ELK, BigQuery och TimescaleDB.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p><noindex><a rel=\"nofollow\" href=\"https:\/\/clickhouse.yandex\/\">Clickhouse<\/a><\/noindex> \u00e4r ett kolumnbaserat databashanteringssystem f\u00f6r onlineanalysfr\u00e5gor (OLAP) med \u00f6ppen k\u00e4llkod, utvecklat av Yandex. Det anv\u00e4nds av Yandex, CloudFlare, VK.com, Badoo och andra tj\u00e4nster v\u00e4rlden \u00f6ver f\u00f6r att lagra verkligt stora datam\u00e4ngder (ins\u00e4ttningar av tusentals rader per sekund eller petabyte av data lagrade p\u00e5 disk).<\/p>\n<p>I en vanlig, \"radbaserad\" databashanterare, exempelvis MySQL, Postgres, MS SQL Server, lagras data i f\u00f6ljande ordning: <\/p>\n<p><img decoding=\"async\" alt=\"Anv\u00e4ndning av Clickhouse som ers\u00e4ttning f\u00f6r ELK, BigQuery och TimescaleDB.\" src=\"\/wp-content\/uploads\/2020\/01\/398f260de0152baf3cc11d884fa0d52d.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nH\u00e4r lagras v\u00e4rden som tillh\u00f6r en rad fysiskt n\u00e4ra varandra. I kolumnbaserade databashanterare lagras v\u00e4rden fr\u00e5n olika kolumner separat, och data fr\u00e5n en kolumn lagras tillsammans:<\/p>\n<p><img decoding=\"async\" alt=\"Anv\u00e4ndning av Clickhouse som ers\u00e4ttning f\u00f6r ELK, BigQuery och TimescaleDB.\" src=\"\/wp-content\/uploads\/2020\/01\/938a2ee3d588ac866ec92bb3ea09c253.png\" style=\"display:block;margin: 0 auto;\" \/><noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/p>\n<p>Exempel p\u00e5 kolumnbaserade databashanterare inkluderar Vertica, Paraccel (Actian Matrix, Amazon Redshift), Sybase IQ, Exasol, Infobright, InfiniDB, MonetDB (VectorWise, Actian Vector), LucidDB, SAP HANA, Google Dremel, Google PowerDrill, Druid, kdb+.<\/p>\n<p>F\u00f6retag \u2013 e-post vidarebefordrare <noindex><a rel=\"nofollow\" href=\"https:\/\/qwintry.com\/\">Qwintry<\/a><\/noindex> b\u00f6rjade anv\u00e4nda Clickhouse 2018 f\u00f6r att skapa rapporter och blev mycket imponerad av dess enkelhet, skalbarhet, SQL-st\u00f6d och hastighet. Denna databashanterares hastighet gr\u00e4nsade till magi.<\/p>\n<h3>Enkelhet<\/h3>\n<p>\nClickhouse installeras p\u00e5 Ubuntu med en enda kommando. Om du k\u00e4nner till SQL kan du omedelbart b\u00f6rja anv\u00e4nda Clickhouse f\u00f6r dina behov. Men det betyder inte att du kan utf\u00f6ra \"show create table\" i MySQL och kopiera och klistra in SQL i Clickhouse. <\/p>\n<p>J\u00e4mf\u00f6rt med MySQL finns det viktiga skillnader i datatyper i tabellschema ddefinitionerna i denna databashanterare, s\u00e5 f\u00f6r bekv\u00e4m anv\u00e4ndning kommer du att beh\u00f6va lite tid att \u00e4ndra definitionerna av tabellscheman och studera tabellmotorer.<\/p>\n<p>Clickhouse fungerar utm\u00e4rkt utan n\u00e5gon ytterligare programvara, men om du vill anv\u00e4nda replikering m\u00e5ste du installera ZooKeeper. Prestandaanalysen av fr\u00e5gor visar utm\u00e4rkta resultat - systemtabeller inneh\u00e5ller all information och all data kan h\u00e4mtas med hj\u00e4lp av gammaldags och tr\u00e5kig SQL.<\/p>\n<h3>Performance<\/h3>\n<ul>\n<li><noindex><a rel=\"nofollow\" href=\"https:\/\/clickhouse.yandex\/benchmark.html#%5B%2522100000000%2522,%5B%2522ClickHouse%2522,%2522Vertica%2522,%2522MySQL%2522%5D,%5B%25220%2522,%25221%2522%5D%5D\">Benchmark<\/a><\/noindex> j\u00e4mf\u00f6relser av Clickhouse med Vertica och MySQL p\u00e5 en serverkonfiguration: tv\u00e5 socklar Intel\u00ae Xeon\u00ae CPU E5-2650 v2 @ 2.60GHz; 128 GiB RAM; md RAID-5 p\u00e5 8 6TB SATA HDD, ext4.<\/li>\n<li><noindex><a rel=\"nofollow\" href=\"https:\/\/www.altinity.com\/blog\/2017\/6\/20\/clickhouse-vs-redshift\">Benchmark<\/a><\/noindex> j\u00e4mf\u00f6relser av Clickhouse med Amazon RedShift molndatalager.<\/li>\n<li>Utdrag fr\u00e5n Cloudflare-bloggen om Clickhouses prestanda <noindex><a rel=\"nofollow\" href=\"https:\/\/blog.cloudflare.com\/how-cloudflare-analyzes-1m-dns-queries-per-second\/\">om Clickhouses prestanda<\/a><\/noindex>:<\/li>\n<\/ul>\n<p>\n<img decoding=\"async\" alt=\"Anv\u00e4ndning av Clickhouse som ers\u00e4ttning f\u00f6r ELK, BigQuery och TimescaleDB.\" src=\"\/wp-content\/uploads\/2020\/01\/b6ef9fbad8e8c864a227bcffd97ec0fe.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nClickHouse-databasen har en mycket enkel design \u2014 alla noder i klustret har samma funktionalitet och anv\u00e4nder endast ZooKeeper f\u00f6r samordning. Vi byggde ett litet kluster med flera noder och genomf\u00f6rde tester, d\u00e4r vi uppt\u00e4ckte att systemet har en ganska imponerande prestanda som motsvarar de p\u00e5st\u00e5dda f\u00f6rdelarna i benchmark-tester av analytiska databaser. Vi beslutade oss f\u00f6r att titta n\u00e4rmare p\u00e5 konceptet bakom ClickHouse. Det f\u00f6rsta hindret f\u00f6r v\u00e5ra studier var avsaknaden av verktyg och det begr\u00e4nsade ClickHouse-communityt, s\u00e5 vi gr\u00e4vde djupare in i designen av denna databashanterare f\u00f6r att f\u00f6rst\u00e5 hur den fungerar.<\/p>\n<p>ClickHouse st\u00f6djer inte direkt mottagning av data fr\u00e5n Kafka, eftersom det bara \u00e4r en databas, s\u00e5 vi skrev v\u00e5r egen adaptertj\u00e4nst i Go. Den l\u00e4ste de kodade Cap\u2019n Proto-meddelanden fr\u00e5n Kafka, konverterade dem till TSV och infogade dem i ClickHouse i block via HTTP-gr\u00e4nssnittet. Senare omskrev vi den h\u00e4r tj\u00e4nsten f\u00f6r att anv\u00e4nda Go-biblioteket tillsammans med v\u00e5rt eget ClickHouse-gr\u00e4nssnitt f\u00f6r att f\u00f6rb\u00e4ttra prestandan. N\u00e4r vi utv\u00e4rderade prestandan f\u00f6r paketmottagning uppt\u00e4ckte vi en viktig sak \u2013 det visade sig att ClickHouse-prestandan \u00e4r starkt beroende av pakets storlek, det vill s\u00e4ga antalet samtidigt infogade rader. F\u00f6r att f\u00f6rst\u00e5 varf\u00f6r detta h\u00e4nder, studerade vi hur ClickHouse lagrar data.<\/p>\n<p>Den prim\u00e4ra motorn, eller snarare, familjen av motorer f\u00f6r tabeller som anv\u00e4nds av ClickHouse f\u00f6r att lagra data \u00e4r MergeTree. Denna motor \u00e4r konceptuellt lik LSM-algoritmen som anv\u00e4nds i Google BigTable eller Apache Cassandra, men undviker att bygga en mellanliggande minnestabell och skriver data direkt till disken. Detta ger den utm\u00e4rkt skrivbandbredd, eftersom varje infogat paket sorteras endast efter \"prim\u00e4rnyckeln\" primary key, komprimeras och skrivs till disken f\u00f6r att bilda ett segment. <\/p>\n<p>Avsaknaden av minnestabeller eller n\u00e5got begrepp om \"f\u00e4rskhet\" av data inneb\u00e4r ocks\u00e5 att de endast kan l\u00e4ggas till, medan systemet inte st\u00f6der \u00e4ndring eller borttagning. Idag \u00e4r det enda s\u00e4ttet att ta bort data att ta bort dem m\u00e5nadsvis, eftersom segment aldrig korsar m\u00e5nadens gr\u00e4ns. ClickHouse-teamet arbetar aktivt med att g\u00f6ra denna funktion konfigurerbar. \u00c5 andra sidan g\u00f6r detta skrivning och sammanslagning av segment konfliktfritt, vilket g\u00f6r att bandbredden f\u00f6r insamling skalar linj\u00e4rt med antalet parallella ins\u00e4ttningar, s\u00e5 l\u00e4nge det inte sker m\u00e4ttnad av I\/O eller k\u00e4rnor. <br \/>\nMen denna omst\u00e4ndighet inneb\u00e4r ocks\u00e5 att systemet inte \u00e4r l\u00e4mpat f\u00f6r sm\u00e5 paket, s\u00e5 Kafka-tj\u00e4nster och ins\u00e4ttare anv\u00e4nds f\u00f6r buffring. Dessutom forts\u00e4tter ClickHouse konstant att utf\u00f6ra sammanslagning av segment i bakgrunden, s\u00e5 att m\u00e5nga sm\u00e5 delar av information kommer att sl\u00e5s samman och skrivas flera g\u00e5nger, vilket \u00f6kar intensiteten i skrivningen. Samtidigt kan f\u00f6r m\u00e5nga osammanh\u00e4ngande delar leda till aggressiv d\u00e4mpning av ins\u00e4ttningar s\u00e5 l\u00e4nge sammanslagningen p\u00e5g\u00e5r. Vi har uppt\u00e4ckt att den b\u00e4sta kompromissen mellan realtidsdata och prestanda f\u00f6r mottagning \u00e4r att ta emot ett begr\u00e4nsat antal ins\u00e4ttningar per sekund i tabellen.<\/p>\n<p>Nyckeln till l\u00e4sprestanda f\u00f6r tabeller \u00e4r indexering och datas placering p\u00e5 disken. Oavsett hur snabbt bearbetningen \u00e4r, n\u00e4r motorn beh\u00f6ver skanna terabyte av data p\u00e5 disken och anv\u00e4nda endast en del av dem, kommer det att ta tid. ClickHouse \u00e4r ett kolumnar datalager, s\u00e5 varje segment inneh\u00e5ller en fil f\u00f6r varje kolumn med sorterade v\u00e4rden f\u00f6r varje rad. D\u00e4rf\u00f6r kan hela kolumner som inte ing\u00e5r i fr\u00e5gan f\u00f6rst hoppas \u00f6ver och sedan kan flera celler bearbetas parallellt med vektoriserad exekvering. F\u00f6r att undvika fullst\u00e4ndig skanning har varje segment en liten indexfil. <\/p>\n<p>Med tanke p\u00e5 att alla kolumner \u00e4r sorterade efter \"prim\u00e4rnyckeln\", inneh\u00e5ller indexfilen endast etiketter (f\u00e5ngade rader) av varje N:e rad f\u00f6r att kunna lagra dem i minnet \u00e4ven f\u00f6r mycket stora tabeller. Till exempel kan standardinst\u00e4llningen \"markera var 8192:e rad\" st\u00e4llas in, d\u00e5 kommer \"fattig\" indexering av en tabell med 1 biljon rader, som enkelt f\u00e5r plats i minnet, att ta endast 122 070 tecken. <\/p>\n<h3>Utveckling av systemet<\/h3>\n<p>\nUtvecklingen och f\u00f6rb\u00e4ttringen av Clickhouse kan sp\u00e5ras p\u00e5 <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/yandex\/ClickHouse\/pulse\">Github-repo<\/a><\/noindex> och man kan se att \"tillv\u00e4xtprocessen\" sker i imponerande takt. <\/p>\n<p><img decoding=\"async\" alt=\"Anv\u00e4ndning av Clickhouse som ers\u00e4ttning f\u00f6r ELK, BigQuery och TimescaleDB.\" src=\"\/wp-content\/uploads\/2020\/01\/19211da28e42178d26dff7623689df71.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<\/p>\n<h3>Popularitet<\/h3>\n<p>\nDet verkar som om populariteten f\u00f6r Clickhouse v\u00e4xer exponentiellt, s\u00e4rskilt inom den rysktalande gemenskapen. F\u00f6rra \u00e5rets konferens High Load 2018 (Moskva, 8-9 november 2018) visade att monster som vk.com och Badoo anv\u00e4nder Clickhouse, med hj\u00e4lp av vilken de matar in data (till exempel loggar) fr\u00e5n tiotusentals servrar samtidigt. I en 40-minuters video <noindex><a rel=\"nofollow\" href=\"https:\/\/www.youtube.com\/watch?v=pbbcMcrQoXw\">Juri Nasretdinov fr\u00e5n VKontaktegruppen pratar om hur detta g\u00f6rs<\/a><\/noindex>. Snart kommer vi att publicera transkriptionen p\u00e5 Habr f\u00f6r att underl\u00e4tta arbetet med materialet.<\/p>\n<h3>Anv\u00e4ndningsomr\u00e5den<\/h3>\n<p>\nEfter att ha lagt ner lite tid p\u00e5 unders\u00f6kningar tror jag att det finns omr\u00e5den d\u00e4r ClickHouse kan vara anv\u00e4ndbart eller kan helt ers\u00e4tta andra, mer traditionella och popul\u00e4ra l\u00f6sningar som MySQL, PostgreSQL, ELK, Google Big Query, Amazon RedShift, TimescaleDB, Hadoop, MapReduce, Pinot och Druid. Nedan f\u00f6ljer detaljer om anv\u00e4ndning av ClickHouse f\u00f6r att modernisera eller helt ers\u00e4tta ovanst\u00e5ende databashanterare. <\/p>\n<h3>Ut\u00f6kning av MySQL och PostgreSQL<\/h3>\n<p>\nF\u00f6r inte s\u00e5 l\u00e4nge sedan delvis ersatte vi MySQL med ClickHouse f\u00f6r plattformen f\u00f6r nyhetsbrev <noindex><a rel=\"nofollow\" href=\"https:\/\/www.mautic.org\/\">Mautic nyhetsbrev<\/a><\/noindex>Problemet var att MySQL p\u00e5 grund av en d\u00e5ligt genomt\u00e4nkt design registrerade varje skickat mejl och varje l\u00e4nk i detta mejl med en base64-hash, vilket skapade en enorm MySQL-tabell (email_stats). Efter att ha skickat ut 10 miljoner mejl till abonnenterna upptog denna tabell 150 GB diskutrymme, och MySQL b\u00f6rjade \"sakta ner\" vid enkla f\u00f6rfr\u00e5gningar. F\u00f6r att \u00e5tg\u00e4rda problemet med diskutrymmet anv\u00e4nde vi framg\u00e5ngsrikt InnoDB-tabellkomprimering, vilket minskade storleken med fyra g\u00e5nger. Men det \u00e4r fortfarande meningsl\u00f6st att lagra mer \u00e4n 20-30 miljoner e-postmeddelanden i MySQL endast f\u00f6r att l\u00e4sa historik, eftersom varje enkel f\u00f6rfr\u00e5gan som av n\u00e5gon anledning m\u00e5ste g\u00f6ra en fullst\u00e4ndig genoms\u00f6kning leder till swap och en stor belastning p\u00e5 I\/O, vilket vi regelbundet fick varningar om fr\u00e5n Zabbix.<\/p>\n<p><img decoding=\"async\" alt=\"Anv\u00e4ndning av Clickhouse som ers\u00e4ttning f\u00f6r ELK, BigQuery och TimescaleDB.\" src=\"\/wp-content\/uploads\/2020\/01\/11b3ee4b1a8b7c9457bd3871bd12049f.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nClickhouse anv\u00e4nder tv\u00e5 komprimeringsalgoritmer som minskar datam\u00e4ngden med ungef\u00e4r <noindex><a rel=\"nofollow\" href=\"https:\/\/www.altinity.com\/blog\/2017\/11\/21\/compression-in-clickhouse\">3-4 g\u00e5nger<\/a><\/noindex>, men i detta specifika fall var datan s\u00e4rskilt \"komprimerbar\". <\/p>\n<p><img decoding=\"async\" alt=\"Anv\u00e4ndning av Clickhouse som ers\u00e4ttning f\u00f6r ELK, BigQuery och TimescaleDB.\" src=\"\/wp-content\/uploads\/2020\/01\/d192502073d57967620aa07da0bbfa0c.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<\/p>\n<h3>Ers\u00e4ttning av ELK<\/h3>\n<p>\nEnligt egen erfarenhet kr\u00e4ver ELK-stacken (ElasticSearch, Logstash och Kibana, i detta specifika fall ElasticSearch) mycket mer resurser f\u00f6r att k\u00f6ra \u00e4n vad som verkligen beh\u00f6vs f\u00f6r att lagra loggar. ElasticSearch \u00e4r en utm\u00e4rkt motor om du beh\u00f6ver bra fulltexts\u00f6kning i loggar (och jag tror inte att du verkligen beh\u00f6ver det), men jag undrar varf\u00f6r det de facto har blivit standardmotorn f\u00f6r loggning. Dess abonnemangsbandbredd tillsammans med Logstash skapade problem f\u00f6r oss \u00e4ven vid ganska sm\u00e5 belastningar och kr\u00e4vde att vi la till allt mer RAM och diskutrymme. Som databas \u00e4r Clickhouse b\u00e4ttre \u00e4n ElasticSearch av f\u00f6ljande sk\u00e4l:<\/p>\n<ul>\n<li>St\u00f6d f\u00f6r SQL-dialekt;<\/li>\n<li>B\u00e4ttre komprimeringsgrad f\u00f6r lagrad data;<\/li>\n<li>St\u00f6d f\u00f6r regex-s\u00f6kning ist\u00e4llet f\u00f6r fulltexts\u00f6kning;<\/li>\n<li>F\u00f6rb\u00e4ttrad f\u00f6rfr\u00e5gningsplanering och h\u00f6gre total prestanda.<\/li>\n<\/ul>\n<p>\nF\u00f6r n\u00e4rvarande \u00e4r det st\u00f6rsta problemet som uppst\u00e5r vid j\u00e4mf\u00f6relse av ClickHouse med ELK bristen p\u00e5 l\u00f6sningar f\u00f6r loggutdelning, samt bristen p\u00e5 dokumentation och utbildningsmaterial om \u00e4mnet. Samtidigt kan varje anv\u00e4ndare st\u00e4lla in ELK med hj\u00e4lp av Digital Oceans guide, vilket \u00e4r mycket viktigt f\u00f6r snabb implementering av s\u00e5dana teknologier. H\u00e4r finns en databasmotor, men \u00e4n s\u00e5 l\u00e4nge finns det ingen Filebeat f\u00f6r ClickHouse. Ja, det finns <noindex><a rel=\"nofollow\" href=\"https:\/\/www.fluentd.org\/\">fluentd<\/a><\/noindex> och systemet f\u00f6r att arbeta med loggar <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/flant\/loghouse\">loghouse<\/a><\/noindex>, finns det ett verktyg <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/Altinity\/clicktail\">clicktail<\/a><\/noindex> f\u00f6r att f\u00f6ra in loggfilers data i ClickHouse, men allt detta tar mer tid. Men ClickHouse \u00e4r trots allt ledande p\u00e5 grund av sin enkelhet, s\u00e5 \u00e4ven nyb\u00f6rjare kan enkelt installera det och b\u00f6rja anv\u00e4nda det fullt ut bokstavligen inom 10 minuter. <\/p>\n<p>Genom att f\u00f6redra minimalistiska l\u00f6sningar f\u00f6rs\u00f6kte jag anv\u00e4nda FluentBit, ett verktyg f\u00f6r att exportera loggar med mycket l\u00e5g minnesanv\u00e4ndning, tillsammans med ClickHouse, och f\u00f6rs\u00f6kte undvika att anv\u00e4nda Kafka. Men det beh\u00f6vs \u00e5tg\u00e4rdas vissa mindre kompatibilitetsproblem, som <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/fluent\/fluent-bit\/issues\/848\">datumformatproblem<\/a><\/noindex>, innan detta kan g\u00f6ras utan ett proxy-lager som konverterar data fr\u00e5n FluentBit till ClickHouse.<\/p>\n<p>Som alternativ till Kibana kan ClickHouse anv\u00e4ndas som backend <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/Vertamedia\/clickhouse-grafana\">Grafana<\/a><\/noindex>. S\u00e5vitt jag f\u00f6rst\u00e5r kan det uppst\u00e5 prestandaproblem vid rendering av stora datam\u00e4ngder, s\u00e4rskilt med \u00e4ldre versioner av Grafana. Vi har \u00e4nnu inte provat detta p\u00e5 Qwintry, men klagom\u00e5l om detta dyker tidsenligt upp p\u00e5 ClickHouse-supportkanalen i Telegram. <\/p>\n<h3>Ers\u00e4ttning f\u00f6r Google Big Query och Amazon RedShift (l\u00f6sning f\u00f6r stora f\u00f6retag)<\/h3>\n<p>\nDen perfekta anv\u00e4ndningen av BigQuery \u00e4r att ladda upp 1 TB JSON-data och utf\u00f6ra analytiska fr\u00e5gor p\u00e5 dem. BigQuery \u00e4r en fantastisk produkt vars skalbarhet \u00e4r sv\u00e5r att \u00f6verskatta. Det \u00e4r mycket mer komplex mjukvara \u00e4n ClickHouse, som k\u00f6rs p\u00e5 intern kluster, men ur kundens perspektiv har det mycket gemensamt med ClickHouse. BigQuery kan snabbt \"bli dyrt\" s\u00e5 snart du b\u00f6rjar betala per SELECT, s\u00e5 det \u00e4r en verklig SaaS-l\u00f6sning med alla dess f\u00f6rdelar och nackdelar. <\/p>\n<p>ClickHouse \u00e4r det b\u00e4sta valet om du k\u00f6r m\u00e5nga resurskr\u00e4vande fr\u00e5gor. Ju fler SELECT-fr\u00e5gor du k\u00f6r varje dag, desto mer meningsfullt \u00e4r det att byta ut BigQuery mot ClickHouse, eftersom en s\u00e5dan byte kan spara dig tusentals dollar n\u00e4r det g\u00e4ller m\u00e5nga terabyte av bearbetade data. Detta g\u00e4ller inte f\u00f6r lagrad data, vars bearbetning i BigQuery \u00e4r ganska billig.<\/p>\n<p>I artikeln av Altinities medgrundare Alexander Zaitsev <noindex><a rel=\"nofollow\" href=\"https:\/\/www.altinity.com\/blog\/2017\/10\/23\/migration-to-clickhouse\">\"\u00d6verg\u00e5ngen till ClickHouse\"<\/a><\/noindex> beskrivs f\u00f6rdelarna med en s\u00e5dan databas\u00f6verg\u00e5ng.<\/p>\n<h3>Ers\u00e4ttning f\u00f6r TimescaleDB<\/h3>\n<p>\nTimescaleDB \u00e4r en utvidgning av PostgreSQL som optimerar arbetet med tidsserier i en vanlig databas<noindex><a rel=\"nofollow\" href=\"https:\/\/docs.timescale.com\/v1.0\/introduction\">https:\/\/docs.timescale.com\/v1.0\/introduction<\/a><\/noindex>, <noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/zabbix\/blog\/458530\/\">https:\/\/habr.com\/ru\/company\/zabbix\/blog\/458530\/<\/a><\/noindex>). <\/p>\n<p>\u00c4ven om ClickHouse inte \u00e4r en seri\u00f6s konkurrent inom tidsserieomr\u00e5det, \u00e4r det mycket snabbare \u00e4n TimescaleDB f\u00f6r de flesta analytiska f\u00f6rfr\u00e5gningar tack vare sin kolumnstruktur och vektoriserade fr\u00e5geexekvering. Dessutom \u00e4r ClickHouse:s prestanda f\u00f6r att ta emot batchdata cirka tre g\u00e5nger b\u00e4ttre, och den anv\u00e4nder dessutom 20 g\u00e5nger mindre lagringsutrymme, vilket \u00e4r avg\u00f6rande f\u00f6r hantering av stora m\u00e4ngder historiska data:<noindex><a rel=\"nofollow\" href=\"https:\/\/www.altinity.com\/blog\/ClickHouse-for-time-series\">https:\/\/www.altinity.com\/blog\/ClickHouse-for-time-series<\/a><\/noindex>.<\/p>\n<p>Till skillnad fr\u00e5n ClickHouse \u00e4r det enda s\u00e4ttet att spara lite lagringsutrymme i TimescaleDB att anv\u00e4nda ZFS eller liknande filsystem.<\/p>\n<p>Framtida uppdateringar av ClickHouse kommer f\u00f6rmodligen att inf\u00f6ra delta-kompression som g\u00f6r det \u00e4nnu mer l\u00e4mpligt f\u00f6r att hantera och lagra tidsseriedata. TimescaleDB kan vara det b\u00e4ttre valet \u00e4n \"rena\" ClickHouse i f\u00f6ljande fall:<\/p>\n<ul>\n<li>sm\u00e5 installationer med mycket lite RAM (&lt;3 GB);<\/li>\n<li>ett stort antal sm\u00e5 INSERT-operationer som du inte vill buffra i stora block;<\/li>\n<li>b\u00e4ttre konsekvens, enhetlighet och ACID-krav;<\/li>\n<li>st\u00f6d f\u00f6r PostGIS;<\/li>\n<li>integration med befintliga PostgreSQL-tabeller, eftersom TimescaleDB i huvudsak \u00e4r PostgreSQL.<\/li>\n<\/ul>\n<p><\/p>\n<h3>Konkurrens med Hadoop och MapReduce<\/h3>\n<p>\nHadoop och andra MapReduce-produkter kan utf\u00f6ra m\u00e5nga komplexa ber\u00e4kningar, men de verkar vanligtvis med enorma f\u00f6rdr\u00f6jningar. ClickHouse l\u00f6ser detta problem genom att bearbeta terabyte av data och n\u00e4stan omedelbart producera resultat. D\u00e4rf\u00f6r \u00e4r ClickHouse mycket effektivare f\u00f6r att utf\u00f6ra snabb, interaktiv analytisk forskning, vilket b\u00f6r intressera databehandlingsspecialister.<\/p>\n<h3>Konkurrens med Pinot och Druid<\/h3>\n<p>\nDe n\u00e4rmaste konkurrenterna till ClickHouse \u00e4r kolumnar linj\u00e4rt skalbara open source-produkter som Pinot och Druid. Utm\u00e4rkt arbete med att j\u00e4mf\u00f6ra dessa system publicerades i artikeln <noindex><a rel=\"nofollow\" href=\"https:\/\/medium.com\/@leventov\/comparison-of-the-open-source-olap-systems-for-big-data-ClickHouse-druid-and-pinot-8e042a5ed1c7\">Roman Leventov<\/a><\/noindex> den 1 februari 2018. <\/p>\n<p><img decoding=\"async\" alt=\"Anv\u00e4ndning av Clickhouse som ers\u00e4ttning f\u00f6r ELK, BigQuery och TimescaleDB.\" src=\"\/wp-content\/uploads\/2020\/01\/fe58814aa97b287b70c2f724b72b448a.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nDenna artikel beh\u00f6ver uppdateras \u2013 den p\u00e5st\u00e5r att ClickHouse inte st\u00f6der UPDATE och DELETE-operationer, vilket inte \u00e4r helt korrekt i f\u00f6rh\u00e5llande till de senaste versionerna.<\/p>\n<p>Vi har inte tillr\u00e4cklig erfarenhet av dessa databashanteringssystem, men jag gillar verkligen inte komplexiteten i den infrastruktur som kr\u00e4vs f\u00f6r att k\u00f6ra Druid och Pinot \u2014 det \u00e4r en hel massa \"r\u00f6rliga delar\" omgivna av Java fr\u00e5n alla h\u00e5ll.<\/p>\n<p>Druid och Pinot \u00e4r inkubatorprojekt inom Apache, vars utvecklingsf\u00f6rlopp detaljerat belyses av Apache p\u00e5 sina GitHub-projekt. Pinot debuterade i inkubatorn i oktober 2018, medan Druid f\u00f6ddes \u00e5tta m\u00e5nader tidigare \u2013 i februari.<\/p>\n<p>Bristen p\u00e5 information om hur AFS fungerar v\u00e4cker n\u00e5gra, och kanske f\u00e5niga, fr\u00e5gor hos mig. Jag undrar om f\u00f6rfattarna till Pinot har m\u00e4rkt att Apache Foundation \u00e4r mer gynnsam mot Druid, och om denna inst\u00e4llning till konkurrenten har orsakat n\u00e5gon form av avundsjuka? Kommer Druid att bromsa sin utveckling medan Pinot snabbt g\u00e5r fram\u00e5t, om sponsorerna som st\u00f6djer den f\u00f6rra pl\u00f6tsligt blir intresserade av den senare?<\/p>\n<h3>Nackdelar med ClickHouse<\/h3>\n<p>\nOmoget: det \u00e4r uppenbart att det fortfarande \u00e4r en fascinerande teknik, men det finns \u00e4nd\u00e5 ingenting liknande i andra kolumnbaserade databashanteringssystem. <\/p>\n<p>Sm\u00e5 ins\u00e4ttningar fungerar d\u00e5ligt med h\u00f6g hastighet: ins\u00e4ttningar m\u00e5ste delas upp i st\u00f6rre bitar, eftersom prestandan f\u00f6r sm\u00e5 ins\u00e4ttningar minskar i proportion till antalet kolumner i varje rad. S\u00e5 h\u00e4r lagras data i ClickHouse p\u00e5 disken \u2013 varje kolumn motsvarar en eller flera filer, s\u00e5 f\u00f6r att infoga en rad som inneh\u00e5ller 100 kolumner m\u00e5ste minst 100 filer \u00f6ppnas och skrivas. D\u00e4rf\u00f6r kr\u00e4vs en medlare f\u00f6r att buffra ins\u00e4ttningar (om inte sj\u00e4lva klienten tillhandah\u00e5ller buffring) \u2013 vanligtvis \u00e4r det Kafka eller n\u00e5got k\u00f6hanteringssystem. Man kan ocks\u00e5 anv\u00e4nda Buffer table-motorn f\u00f6r att senare kopiera stora datasegment till MergeTree-tabeller.<\/p>\n<p>Tabellanslutningar begr\u00e4nsas av serverns arbetsminne, men \u00e5tminstone finns de d\u00e4r! Till exempel finns det inga s\u00e5dana anslutningar i Druid och Pinot, eftersom de \u00e4r sv\u00e5ra att implementera direkt i distribuerade system som inte st\u00f6djer \u00f6verf\u00f6ring av stora datam\u00e4ngder mellan noder. <\/p>\n<h3>Slutsatser<\/h3>\n<p>\nUnder de kommande \u00e5ren planerar vi att anv\u00e4nda ClickHouse i Qwintry i stor utstr\u00e4ckning, eftersom denna databas ger en utm\u00e4rkt balans mellan prestanda, l\u00e5ga overheadkostnader, skalbarhet och enkelhet. Jag \u00e4r n\u00e4stan s\u00e4ker p\u00e5 att den kommer att b\u00f6rja spridas snabbt s\u00e5 snart ClickHouse-gemenskapen hittar fler s\u00e4tt att anv\u00e4nda den i sm\u00e5 och medelstora installationer.<\/p>\n<h3>Lite reklam \ud83d\ude42<\/h3>\n<p>\nTack f\u00f6r att ni stannar kvar hos oss. Gillar ni v\u00e5ra artiklar? Vill ni se fler intressanta material? St\u00f6d oss genom att g\u00f6ra en best\u00e4llning eller rekommendera oss till era v\u00e4nner, <noindex><a rel=\"nofollow\" href=\"https:\/\/ua-hosting.company\/cloudvps\/nl\">moln-VPS f\u00f6r utvecklare fr\u00e5n $4,99<\/a><\/noindex>, <b>en unik motsvarighet till entry-level servrar som vi har skapat f\u00f6r er:<\/b> <noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/company\/ua-hosting\/blog\/347386\/\">Allt om VPS (KVM) E5-2697 v3 (6 Cores) 10GB DDR4 480GB SSD 1Gbps fr\u00e5n $19 eller hur man korrekt delar en server?<\/a><\/noindex> (alternativ med RAID1 och RAID10 finns tillg\u00e4ngliga, upp till 24 k\u00e4rnor och upp till 40GB DDR4).<\/p>\n<p><b>Dell R730xd \u00e4r tv\u00e5 g\u00e5nger billigare i datacentret Equinix Tier IV i Amsterdam?<\/b> Bara hos oss <b><noindex><a rel=\"nofollow\" href=\"https:\/\/ua-hosting.company\/serversnl\">2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100TB fr\u00e5n $199<\/a><\/noindex> i Nederl\u00e4nderna! <b>Dell R420 \u2014 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB \u2014 fr\u00e5n $99!<\/b><\/b> L\u00e4s om <noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/company\/ua-hosting\/blog\/329618\/\">Hur man bygger en f\u00f6retagsinfrastruktur med Dell R730xd E5-2650 v4-servrar som kostar 9000 euro f\u00f6r en br\u00e5kdel?<\/a><\/noindex><br \/>\n<br \/>K\u00e4lla: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/ua-hosting\/blog\/483112\/\">habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>Clickhouse \u2014 \u044d\u0442\u043e \u0441\u0442\u043e\u043b\u0431\u0446\u043e\u0432\u0430\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0431\u0430\u0437\u0430\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u043e\u043d\u043b\u0430\u0439\u043d \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 (OLAP) \u0441 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u043c \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u043c \u043a\u043e\u0434\u043e\u043c, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u0430\u044f \u042f\u043d\u0434\u0435\u043a\u0441\u043e\u043c. \u0415\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u042f\u043d\u0434\u0435\u043a\u0441, CloudFlare, VK.com, Badoo \u0438 \u0434\u0440\u0443\u0433\u0438\u0435 \u0441\u0435\u0440\u0432\u0438\u0441\u044b \u043f\u043e \u0432\u0441\u0435\u043c\u0443 \u043c\u0438\u0440\u0443 \u0434\u043b\u044f \u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043e\u0431\u044a\u0435\u043c\u043e\u0432 \u0434\u0430\u043d\u043d\u044b\u0445 (\u0432\u0441\u0442\u0430\u0432\u043a\u0430 \u0442\u044b\u0441\u044f\u0447 \u0441\u0442\u0440\u043e\u043a \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443 \u0438\u043b\u0438 \u043f\u0435\u0442\u0430\u0431\u0430\u0439\u0442\u044b \u0434\u0430\u043d\u043d\u044b\u0445, \u0445\u0440\u0430\u043d\u044f\u0449\u0438\u0445\u0441\u044f \u043d\u0430 \u0434\u0438\u0441\u043a\u0435). \u0412 \u043e\u0431\u044b\u0447\u043d\u043e\u0439, \u00ab\u0441\u0442\u0440\u043e\u043a\u043e\u0432\u043e\u0439\u00bb \u0421\u0423\u0411\u0414, \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u043c\u0438 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[688],"tags":[],"class_list":["post-54918","post","type-post","status-publish","format-standard","hentry","category-administrirovanie"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 5.0.4 - aioseo.com -->\n\t<meta name=\"description\" content=\"Clickhouse \u2014 \u044d\u0442\u043e \u0441\u0442\u043e\u043b\u0431\u0446\u043e\u0432\u0430\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0431\u0430\u0437\u0430\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u043e\u043d\u043b\u0430\u0439\u043d \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 (OLAP) \u0441 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u043c \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u043c \u043a\u043e\u0434\u043e\u043c.\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/sv\/blog\/administrirovanie\/ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb\" \/>\n\t\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.4\" \/>\n\t\t<meta property=\"og:locale\" content=\"sv_SE\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47\u0418\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435 Clickhouse \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0437\u0430\u043c\u0435\u043d\u044b ELK, Big Query \u0438 TimescaleDB | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"Clickhouse \u2014 \u044d\u0442\u043e \u0441\u0442\u043e\u043b\u0431\u0446\u043e\u0432\u0430\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0431\u0430\u0437\u0430\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u043e\u043d\u043b\u0430\u0439\u043d \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 (OLAP) \u0441 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u043c \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u043c \u043a\u043e\u0434\u043e\u043c.\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/sv\/blog\/administrirovanie\/ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2020-01-06T21:00:00+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2020-02-18T11:02:58+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47Anv\u00e4ndning av Clickhouse som ers\u00e4ttning f\u00f6r ELK, Big Query och TimescaleDB | ProHoster","description":"Clickhouse \u00e4r ett kolumnbaserat system f\u00f6r databashantering f\u00f6r onlineanalysf\u00f6rfr\u00e5gningar (OLAP) med \u00f6ppen k\u00e4llkod.","canonical_url":"https:\/\/prohoster.info\/sv\/blog\/administrirovanie\/ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"sv_SE","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u0418\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435 Clickhouse \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0437\u0430\u043c\u0435\u043d\u044b ELK, Big Query \u0438 TimescaleDB | ProHoster","og:description":"Clickhouse \u2014 \u044d\u0442\u043e \u0441\u0442\u043e\u043b\u0431\u0446\u043e\u0432\u0430\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0431\u0430\u0437\u0430\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u043e\u043d\u043b\u0430\u0439\u043d \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 (OLAP) \u0441 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u043c \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u043c \u043a\u043e\u0434\u043e\u043c.","og:url":"https:\/\/prohoster.info\/sv\/blog\/administrirovanie\/ispolzovanie-clickhouse-v-kachestve-zameny-elk-big-query-i-timescaledb","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2020-01-06T21:00:00+00:00","article:modified_time":"2020-02-18T11:02:58+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"54918","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-24 13:09:54","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 19:55:36","updated":"2026-01-24 13:09:54","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/posts\/54918","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/comments?post=54918"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/posts\/54918\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/media?parent=54918"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/categories?post=54918"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/tags?post=54918"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}