ClickHouse的核心特性

ClickHouse是一款MPP架构的列式存储数据库

完备的DBMS功能

❑ DDL（数据定义语言）：可以动态地创建、修改或删除数据库、表和视图，而无须重启服务。
❑ DML（数据操作语言）：可以动态查询、插入、修改或删除数据。
❑ 权限控制：可以按照用户粒度设置数据库或者表的操作权限，保障数据的安全性。
❑ 数据备份与恢复：提供了数据备份导出与导入恢复机制，满足生产环境的要求。
❑ 分布式管理：提供集群模式，能够自动管理多个数据库节点。

列式存储与数据压缩

列式存储和数据压缩是高性能数据库必不可少的特点。
让查询变快，最简单的是减少数据扫描范围和数据传输时的大小。
两个是伴生的，列式存储是数据压缩的前提。

列式存储

• 举例1：表有50个字段，现取5个字段。select A1,...,A5 from A
  a. 按行处理：由于数据是按行进行组织的，实际上还是扫描了所有的字段。
  b. 由于数据按列组织，数据库可以直接获取A1～A5这5列的数据，从而避免了多余的数据扫描。

数据压缩

• 重复率高-> 压缩率高-> 数据体量小-> 网络传输开，网络带宽和磁盘IO压力小。
  同一列的重复数据概率更大。

• clickhouse 特点：
  a. 使用列式存储，按列组织，不同列不同文件
  b. 数据默认使用LZ4算法压缩，压缩比8：1
  c. 列式存储除了降低IO和存储的压力之外，还为向量化执行做好了铺垫

向量化执行引擎

• 向量化执行就是这种方式的典型代表，这项寄存器硬件层面的特性，为上层应用程序的性能带来了指数级的提升。
• 为了实现向量化执行，需要利用CPU的SIMD指令(单条指令操作多条数据)。现代计算机系统概念中，它是通过数据并行以提高性能的一种实现方式（其他的还有指令级并行和线程级并行），它的原理是在CPU寄存器层面实现数据的并行操作。

关系模型与SQL查询

• ClickHouse使用关系模型描述数据并提供了传统数据库的概念（数据库、表、视图和函数等）
• 在SQL解析方面，ClickHouse是大小写敏感的，这意味着SELECT a和SELECT A所代表的语义是不同的。
• ClickHouse使用了关系模型，所以将构建在传统关系型数据库或数据仓库之上的系统迁移到ClickHouse的成本会变得更低，可以直接沿用之前的经验成果。

多样化的表引擎

• ClickHouse也将存储部分进行了抽象，把存储引擎作为一层独立的接口。
  ClickHouse共拥有合并树、内存、文件、接口和其他6大类20多种表引擎。
  其中每一种表引擎都有着各自的特点，用户可以根据实际业务场景的要求，选择合适的表引擎使用。

• 好处：通过特定的表引擎支撑特定的场景，十分灵活。对于简单的场景，可直接使用简单的引擎降低成本，而复杂的场景也有合适的选择。

多线程与分布式

• 如果说向量化执行是通过数据级并行的方式提升了性能，
  那么多线程处理就是通过线程级并行的方式实现了性能的提升。
  由于SIMD不适合用于带有较多分支判断的场景，ClickHouse也大量使用了多线程技术以实现提速，以此和向量化执行形成互补。
• ClickHouse在数据存取方面，既支持分区（纵向扩展，利用多线程原理），也支持分片（横向扩展，利用分布式原理），可以说是将多线程和分布式的技术应用到了极致。

多主架构

• ClickHouse则采用Multi-Master多主架构，集群中的每个节点角色对等，客户端访问任意一个节点都能得到相同的效果
• 这种多主的架构有许多优势，例如对等的角色使系统架构变得更加简单，不用再区分主控节点、数据节点和计算节点，集群中的所有节点功能相同。所以它天然规避了单点故障的问题，非常适合用于多数据中心、异地多活的场景。

在线查询

数据分片与分布式查询

• 数据分片是将数据进行横向切分，这是一种在面对海量数据的场景下，解决存储和查询瓶颈的有效手段，是一种分治思想的体现。
• ClickHouse提供了本地表（Local Table）与分布式表（Distributed Table）的概念。一张本地表等同于一份数据的分片。而分布式表本身不存储任何数据，它是本地表的访问代理，其作用类似分库中间件。借助分布式表，能够代理访问多个数据分片，从而实现分布式查询。
• 例如在业务系统上线的初期，数据体量并不高，此时数据表并不需要多个分片。所以使用单个节点的本地表（单个数据分片）即可满足业务需求，待到业务增长、数据量增大的时候，再通过新增数据分片的方式分流数据，并通过分布式表实现分布式查询。