一、前言

現在數據庫的種類也是特別的多，大致的類別包括：

• 關系型數據庫（ MySQL、Oracle、PostgreSQL）。
• 非關系型數據庫（Redis、MongoDB、Cassandra、Neo4j）。
• 全文搜索引擎和分布式文檔存儲系統（Elasticsearch ）。
• 列式數據庫（ClickHouse）。

每種都在各自的領域表現出色，但當涉及到大規模數據分析和復雜查詢時，ClickHouse 出現在了舞臺上。

ClickHouse 使用列式存儲，這意味著它可以高效地執行聚合、過濾和排序操作。

「面試經常問到大寬表查詢聚合怎么辦，這不是解決方案來了嘛！！」

今天我們就一起來深入了解一下ClickHouse ！看的人多的話，下期出實戰哈！

二、ClickHouse簡介

ClickHouse是一款由俄羅斯搜索引擎公司 Yandex 開發的開源列式數據庫管理系統（DBMS）。發布于2016年，是使用 C++ 編程語言開發的。它的設計目標是用于高性能的大規模數據分析和查詢，類似SQL語法降低開發和學習成本。

「ClickHouse 是用于實時應用程序和分析的速度最快、資源效率最高的開源數據庫。」

「Github的start數量已經：30.6k」

官網地址：https://clickhouse.com/

三、OLAP

簡介

說起列式數據庫，就不得不說OLAP，列式型數據庫天然適合OLAP場景，下面我們一起了解一下什么是OLAP！

OLAP（聯機分析處理）是一種強大的數據處理分析方法，特別適用于需要深入探索大量多維數據的應用場景，如業務智能、數據倉庫、銷售分析、財務報告等。OLAP 技術允許用戶從不同的角度、維度和層次來查看和分析數據，以發現潛在的關聯、趨勢和模式，從而更好地做出決策。

場景特性

• 表很“寬”，這意味著它們包含大量列。
• 數據集很大，處理單個查詢時查詢需要高吞吐量（每臺服務器每秒高達數十億行）。
• 列值相當小：數字和短字符串（例如，每個 URL 60 字節）。
• 查詢提取大量行，但只提取一小部分列。
• 對于簡單查詢，允許 50 毫秒左右的延遲。
• 每個查詢有一張大表；除了一張大表外，所有表都很小。
• 查詢結果明顯小于源數據。換句話說，數據經過過濾或聚合，因此結果適合單個服務器的 RAM。
• 查詢相對較少（通常每臺服務器每秒數百個查詢或更少）。
• 插入發生在相當大的批次（> 1000 行）中，而不是單行。
• 事務不是必須的。

為什么適合OLAP

面向列的數據庫更適合 OLAP 場景：它們處理大多數查詢的速度至少快 100 倍。下面詳細解釋了原因，但事實更容易直觀地展示：

制作了一個動態圖片能夠直觀的看到比行式數據庫效率高很多！

四、業務場景

我們單獨講業務場景的話有點單調，我們一般喜歡拿它和Elasticsearch 進行比較！

ClickHouse 和 Elasticsearch 都是用于數據存儲和查詢的強大工具，但它們在業務場景和使用方面有一些不同之處。

以下是 ClickHouse 和 Elasticsearch 的業務場景對比：

「ClickHouse：」

• 數據倉庫和大規模數據分析：ClickHouse 是一個出色的大規模數據分析工具，特別適用于存儲和查詢歷史數據。它支持復雜的 SQL 查詢，可以執行聚合、過濾、排序等操作，是構建數據倉庫的理想選擇。
• 時序數據分析：ClickHouse 的列式存儲結構和高性能使其非常適合處理時序數據，如傳感器數據、監控數據、日志數據等。
• 報表生成：如果你需要生成復雜的報表和分析結果，ClickHouse 可以提供高性能的數據檢索和處理能力。
• 數據壓縮和存儲優化：ClickHouse 使用快速壓縮算法，可以大幅減小存儲空間占用，降低硬件成本。
• 復雜查詢：ClickHouse 支持復雜的查詢和聚合操作，適用于需要深入分析數據的場景。

「Elasticsearch：」

• 全文搜索和文本分析：Elasticsearch 是一個出色的全文搜索引擎，專注于文本數據的高級搜索、分析和相關性排序。它通常用于構建搜索引擎、日志分析和全文搜索應用。
• 實時數據分析：Elasticsearch 支持實時數據分析，可以實時監控、查詢和可視化數據。它在監控、日志分析和實時數據倉庫等場景中表現出色。
• 數據探索：Elasticsearch 提供了靈活的數據探索能力，用戶可以通過自由組合查詢條件來探索數據。
• 非結構化數據：Elasticsearch 適用于非結構化或半結構化數據，如日志、社交媒體數據、文檔等。
• 數據可視化：結合 Kibana 工具，Elasticsearch 可以用于創建交互式數據可視化儀表板。
• 高并發查詢：相對于ClickHouse 更適合高并發下的查詢。

五、拓展

當然我們也有列式存儲，字節在 ClickHouse 架構基礎上進行了升級，于 2020 年在內部啟動了 ByConity 項目，并于 2023 年 1 月發布 Beta 版本，5月底正式對外開源。

ByConity官網地址：https://byconity.github.io/zh-cn/。

ByConity 是字節跳動開源的云原生數據倉庫，它采用計算-存儲分離的架構，支持多個關鍵功能特性，如「計算存儲分離、彈性擴縮容、租戶資源隔離和數據讀寫的強一致性」等。

通過利用主流的 OLAP 引擎優化，如「列存儲、向量化執行、MPP 執行、查詢優化」等，ByConity 可以提供「優異的讀寫性能」。

ByConity

字節也在內部準備從ClickHouse 全面切換為ByConity。

我們本次了解一下ClickHouse，后面再深入學習一下ByConity！

五、總結

綜上所述，ClickHouse 更適用于大規模數據分析、數據倉庫、復雜查詢、大寬表聚合、報表等場景，而 Elasticsearch 更適用于全文搜索、實時數據分析、日志分析和數據探索等場景。

大家根據自己的業務具體使用那個即可！