Makalenin çevirisi ders öğrencilerine özel olarak hazırlanmıştır. .
açık kaynaklı sütunlu bir veritabanıdır. Her gün on milyarlarca yeni kayıt girilse bile yüzlerce analistin ayrıntılı verileri hızla sorgulayabildiği harika bir ortam. Böyle bir sistemi desteklemenin altyapı maliyetleri yılda 100 ABD Doları kadar yüksek olabilir ve kullanıma bağlı olarak potansiyel olarak bunun yarısı kadar olabilir. Bir noktada Yandex Metrics'in ClickHouse kurulumunda 10 trilyon kayıt bulunuyordu. ClickHouse, Yandex'in yanı sıra Bloomberg ve Cloudflare ile de başarıya ulaştı.
İki yıl önce harcadım veritabanları tek bir makineyi kullanıyordu ve bu, şimdiye kadar gördüğüm ücretsiz veritabanı yazılımı. O zamandan beri geliştiriciler Kafka, HDFS ve ZStandard sıkıştırma desteği de dahil olmak üzere özellikler eklemeyi bırakmadı. Geçen yıl basamaklı sıkıştırma yöntemleri için destek eklediler ve kodlama mümkün hale geldi. Zaman serisi verilerini sıkıştırırken, gösterge değerleri delta kodlama kullanılarak iyi bir şekilde sıkıştırılabilir, ancak sayaçlar için delta-delta kodlamanın kullanılması daha iyi olacaktır. İyi sıkıştırma, ClickHouse'un performansının anahtarı haline geldi.
ClickHouse, üçüncü taraf kütüphaneler hariç 170 bin satırlık C++ kodundan oluşur ve en küçük dağıtılmış veritabanı kod tabanlarından biridir. Karşılaştırıldığında, SQLite dağıtımı desteklemiyor ve 235 bin satır C kodundan oluşuyor.Bu yazının yazıldığı an itibariyle ClickHouse'a 207 mühendis katkıda bulunmuştur ve son zamanlarda taahhütlerin yoğunluğu artmaktadır.
Mart 2017'de ClickHouse yürütmeye başladı gelişimi takip etmenin kolay bir yolu olarak. Ayrıca monolitik dokümantasyon dosyasını Markdown tabanlı bir dosya hiyerarşisine ayırdılar. Sorunlar ve özellikler GitHub üzerinden takip ediliyor ve genel olarak yazılım son birkaç yılda çok daha erişilebilir hale geldi.
Bu yazıda 2 çekirdekli işlemciler ve NVMe depolama kullanan bir ClickHouse kümesinin AWS EC36 üzerindeki performansına bir göz atacağım.
GÜNCELLEME: Bu yazıyı ilk yayınladıktan bir hafta sonra testi geliştirilmiş bir konfigürasyonla yeniden yaptım ve çok daha iyi sonuçlar elde ettim. Bu yazı bu değişiklikleri yansıtacak şekilde güncellendi.
AWS EC2 Kümesini Başlatma
Bu yazı için üç c5d.9xlarge EC2 bulut sunucusu kullanacağım. Her biri 36 sanal CPU, 72 GB RAM, 900 GB NVMe SSD depolama alanı içeriyor ve 10 Gigabit ağını destekliyor. Talep üzerine çalıştırıldığında AB-Batı-1,962 bölgesinde her biri saat başına 1 dolara mal oluyor. İşletim sistemi olarak Ubuntu Server 16.04 LTS kullanacağım.
Güvenlik duvarı, her makinenin birbiriyle kısıtlama olmadan iletişim kurabileceği şekilde yapılandırılmıştır ve kümede yalnızca benim IPv4 adresim SSH tarafından beyaz listeye alınmıştır.
NVMe sürücüsü operasyonel hazır durumda
ClickHouse'un çalışması için her sunucudaki NVMe sürücüsünde EXT4 formatında bir dosya sistemi oluşturacağım.
$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /chHer şey yapılandırıldıktan sonra, her sistemde bağlama noktasını ve 783 GB kullanılabilir alanı görebilirsiniz.
$ 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% /chBu testte kullanacağım veri seti, New York City'de altı yıl boyunca yapılan 1.1 milyar taksi yolculuğundan elde ettiğim bir veri dökümüdür. Blogda bu veri setini nasıl topladığımı ayrıntılarıyla anlatıyor. Bunlar AWS S3'te depolanıyor, dolayısıyla AWS CLI'yi erişim ve gizli anahtarlarımla yapılandıracağım.
$ sudo apt update
$ sudo apt install awscli
$ aws configureDosyaların varsayılan ayarlardan daha hızlı indirilmesi için istemcinin eşzamanlı istek sınırını 100 olarak ayarlayacağım.
$ aws configure set
default.s3.max_concurrent_requests
100Taksi yolculukları veri kümesini AWS S3'ten indireceğim ve ilk sunucudaki bir NVMe sürücüsünde saklayacağım. Bu veri kümesi GZIP ile sıkıştırılmış CSV biçiminde ~104 GB boyutundadır.
$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csvClickHouse kurulumu
ClickHouse'un üç makineye de dağıtılmış kurulumu için gerekli olan Apache ZooKeeper'ı çalıştırmak için gerekli olduğundan Java 8 için OpenJDK dağıtımını kuracağım.
$ sudo apt update
$ sudo apt install
openjdk-8-jre
openjdk-8-jdk-headless
Sonra ortam değişkenini ayarladım JAVA_HOME.
$ sudo vi /etc/profile
export JAVA_HOME=/usr
$ source /etc/profileDaha sonra her üç makineye de ClickHouse 18.16.1, bakışlar ve ZooKeeper'ı yüklemek için Ubuntu'nun paket yönetim sistemini kullanacağım.
$ 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
zookeeperdClickHouse için bir dizin oluşturacağım ve ayrıca her üç sunucuda da bazı yapılandırma geçersiz kılmaları yapacağım.
$ 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.confBunlar kullanacağım yapılandırma geçersiz kılmaları.
<?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>Daha sonra ZooKeeper'ı ve ClickHouse sunucusunu her üç makinede de çalıştıracağım.
$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server startClickHouse'a veri yükleme
İlk sunucuda bir gezi tablosu oluşturacağım (trips), Log motorunu kullanarak taksi yolculuklarının veri kümesini depolayacak.
$ 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;
Daha sonra CSV dosyalarının her birini çıkartıp bir gezi tablosuna yüklüyorum (trips). Aşağıdakiler 55 dakika 10 saniyede tamamlandı. Bu işlem sonrasında veri dizininin boyutu 134 GB oldu.
$ 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)İçe aktarma hızı saniyede 155 MB sıkıştırılmamış CSV içeriğiydi. Bunun GZIP dekompresyonundaki bir darboğazdan kaynaklandığından şüpheleniyorum. Gzip'li tüm dosyaları xargs kullanarak paralel olarak açmak ve ardından sıkıştırılmış verileri yüklemek daha hızlı olabilirdi. Aşağıda CSV içe aktarma işlemi sırasında rapor edilenlerin açıklaması bulunmaktadır.
$ 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/23:1HDevam etmeden önce orijinal CSV dosyalarını silerek NVMe sürücüsünde yer açacağım.
$ sudo rm -fr /ch/csvSütun Formuna Dönüştür
Log ClickHouse motoru, verileri satır odaklı bir biçimde depolayacaktır. Verileri daha hızlı sorgulamak için MergeTree motorunu kullanarak sütunlu formata dönüştürüyorum.
$ clickhouse-client --host=0.0.0.0Aşağıdakiler 34 dakika 50 saniyede tamamlandı. Bu işlem sonrasında veri dizininin boyutu 237 GB oldu.
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;Operasyon sırasında bakış çıktısı şöyle görünüyordu:
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)Son testte birkaç sütun dönüştürüldü ve yeniden hesaplandı. Bu işlevlerden bazılarının artık bu veri kümesinde beklendiği gibi çalışmadığını buldum. Bu sorunu çözmek için uygunsuz fonksiyonları kaldırdım ve verileri daha ayrıntılı türlere dönüştürmeden yükledim.
Verilerin küme genelinde dağıtımı
Verileri her üç küme düğümüne dağıtacağım. Başlamak için aşağıda her üç makinede de bir tablo oluşturacağım.
$ 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);Daha sonra ilk sunucunun kümedeki üç düğümü de görebildiğinden emin olacağım.
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:
Daha sonra ilk sunucuda şemaya dayalı yeni bir tablo tanımlayacağım. trips_mergetree_third ve Dağıtılmış motoru kullanır.
CREATE TABLE trips_mergetree_x3
AS trips_mergetree_third
ENGINE = Distributed(perftest_3shards,
default,
trips_mergetree_third,
rand());Daha sonra MergeTree tabanlı tablodaki verileri üç sunucunun tümüne kopyalayacağım. Aşağıdakiler 34 dakika 44 saniyede tamamlandı.
INSERT INTO trips_mergetree_x3
SELECT * FROM trips_mergetree;Yukarıdaki işlemden sonra ClickHouse'a maksimum depolama seviyesi işaretinden uzaklaşması için 15 dakika verdim. Veri dizinleri üç sunucunun her birinde sırasıyla 264 GB, 34 GB ve 33 GB oldu.
ClickHouse küme performansı değerlendirmesi
Daha sonra gördüğüm şey, her sorguyu bir tabloda birden çok kez çalıştırırken gördüğüm en hızlı süreydi trips_mergetree_x3.
$ clickhouse-client --host=0.0.0.0Aşağıdakiler 2.449 saniyede tamamlandı.
SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;Aşağıdakiler 0.691 saniyede tamamlandı.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;Aşağıdakiler 0 saniyede tamamlandı.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
year;Aşağıdakiler 0.983 saniyede tamamlandı.
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;Karşılaştırma için, aynı sorguları yalnızca ilk sunucuda bulunan MergeTree tabanlı bir tabloda çalıştırdım.
Bir ClickHouse düğümünün performans değerlendirmesi
Daha sonra gördüğüm şey, her sorguyu bir tabloda birden çok kez çalıştırırken gördüğüm en hızlı süreydi trips_mergetree_x3.
Aşağıdakiler 0.241 saniyede tamamlandı.
SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;Aşağıdakiler 0.826 saniyede tamamlandı.
SELECT passenger_count,
avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;Aşağıdakiler 1.209 saniyede tamamlandı.
SELECT passenger_count,
toYear(pickup_date) AS year,
count(*)
FROM trips_mergetree
GROUP BY passenger_count,
year;Aşağıdakiler 1.781 saniyede tamamlandı.
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;Sonuçlara ilişkin düşünceler
Testlerimde ilk kez ücretsiz bir CPU tabanlı veritabanı, GPU tabanlı bir veritabanından daha iyi performans gösterdi. Bu GPU tabanlı veritabanı o zamandan bu yana iki revizyondan geçti, ancak ClickHouse'un tek bir düğümde sağladığı performans yine de çok etkileyici.
Aynı zamanda, Sorgu 1'i dağıtılmış bir motorda yürütürken genel gider maliyetleri çok daha yüksektir. Umarım bu yazı için araştırmamda bir şeyleri kaçırmışımdır çünkü kümeye daha fazla düğüm ekledikçe sorgu sürelerinin azaldığını görmek güzel olurdu. Ancak diğer sorguları çalıştırırken performansın yaklaşık 2 kat artması harika.
ClickHouse'un, bağımsız olarak ölçeklenebilmeleri için depolama ve bilgi işlemi ayırabilmeye doğru geliştiğini görmek güzel olurdu. Geçtiğimiz yıl eklenen HDFS desteği de buna yönelik bir adım olabilir. Bilgi işlem açısından, kümeye daha fazla düğüm eklenerek tek bir sorgu hızlandırılabilirse bu yazılımın geleceği çok parlak demektir.
Bu yazıyı okumaya zaman ayırdığınız için teşekkür ederiz. Kuzey Amerika ve Avrupa'daki müşterilere danışmanlık, mimari ve uygulama geliştirme hizmetleri sunuyorum. Önerilerimin işinize nasıl yardımcı olabileceğini tartışmak isterseniz lütfen benimle iletişime geçin. .
Kaynak: habr.com