ClickHouse列式存储基础笔记
一、基础概念
ClickHouse是俄罗斯Yandex在2016年开源,使用C++编写的列式存储数据库,近几年在OLAP领域大范围应用。国内:阿里、字节、腾讯 、虎牙、青云、新浪等在使用;国外:优步、Ebay、Spotify、思科等在使用.
- 官网:Fast Open-Source OLAP DBMS - ClickHouse
- GitHub: https://github.com/ClickHouse/ClickHouse
二、特点和应用场景
- 不依赖Hadoop 生态、安装和维护简单
- 擅长对列的聚合、计数等统计操作性能强劲
- 对列存储和压缩的采用更好的算法,更好节省成本
- 拓展性强,在生产中经过实战测试,从单服务器部署到具有数千个节点的集群的线性水平可扩展性
- 具有企业级安全功能和故障安全机制,可防止数据因应用程序错误和人为错误而损坏
- 支持主流的大部分SQL语法和函数
- 吞吐能力强,官方测试支持,支持多种存储引擎,满足多数业务场景
- 广泛应用:互联网电商、在线教育、金融等领域用,户行为数据记录和分析,搭建数据可视化平台
三、海量数据OLTP/OLAP系统
OLTP:OnLine Transaction Processing,联机事务处理系统, 就是对数据的增删改查等操作
主要存储的是业务数据,如下单、支付、注册,典型代表有Mysql、 Oracle等数据库。这类操作事务进行操作,对响应时间要求高,数据是GB级别。-业务人员
OLAP:OnLine Analytical Processing,联机分析处理系统。存储的是历史数据,如风控平台、BI平台、数据可视化系统等,支持复杂的分析操作,侧重决策,典型代表有 Hive、ClickHouse,基础数据来源于生产系统中的操作日志数据,数据是TB级别。-分析决策人员
四、行存储与列存储的区别
行存储
传统的OLTP关系型数据库 都是行存储
一行中的数据在存储介质中以连续存储形式存在
适合随机的增删改查操作 或者 在行中选取所有属性的查询操作,结合索引提升性能
缺点:
- 查询的全部记录的某几个字段,但由于这些字段在各行数据单元中,而整个行特别大(字段特别多),程序必须不断读取每一条的行记录取对应的字段,使得读取效率大大降低
列式存储
- 存储结构化数据时,在底层的存储介质上,数据是以列的方式来组织的。
- 存储完若干条记录的首个字段后,再存储这些记录的第二个字段,然后再第三个字段、第四个字段...以此类推。
- 查询时只有涉及到的列会被读取,而不需要全表扫描,可以显著减少IO消耗,并降低查询响应时间。
小结
- 列存储在聚合、统计等操作性能会优于行存储。
- 列存储将多行记录的列连续存储在一起,一列接着一列。
- 列式存储是同个数据类型,会进行数据压缩率更高,更省空间。
- 列存储数据更新成本较高,一般适合读多写少的场景,适合 OLAP 分析型系统
未完待续...