往期热门文章：
                            

                          
                        
                        
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
                          

                        
                      
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
                    
                    

                      

                        
                          1、
                          
                            银行科技部半年！人间半个月！
                          
                        
                      
                      

                        
                          2、
                          
                            当年那个手搓CPU的老哥回来了！
                          
                        
                      
                      

                        
                          3、
                          
                            求求你们了，别再重复造轮子了，一个 Spring 注解轻松搞定循环重试功能！
                          
                        
                      
                      

                        
                          4、
                          
                            面试官：一千万的数据，你是怎么查询的？
                          
                        
                      
                      

                        
                          5、
                          
                            我调用第三方接口遇到的13大坑！
                          
                        
                      
                      

                        

                      
                    
                  

一、ClickHouse 是什么？

ClickHouse：是一个用于联机分析(OLAP)的列式数据库管理系统(DBMS)

我们首先理清一些基础概念

• OLTP：是传统的关系型数据库，主要操作增删改查，强调事务一致性，比如银行系统、电商系统
• OLAP：是仓库型数据库，主要是读取数据，做复杂数据分析，侧重技术决策支持，提供直观简单的结果

接着我们用图示，来理解一下 列式数据库  和 行式数据库  区别

在传统的行式数据库系统中（MySQL、Postgres和MS SQL Server），数据按如下顺序存储：

在列式数据库系统中（ClickHouse），数据按如下的顺序存储：

两者在存储方式上对比：

以上是ClickHouse基本介绍，更多可以查阅 官方手册： https://clickhouse.com/docs/zh

二、业务问题

业务端现有存储在Mysql中，5000万数据量的大表及两个辅表，单次联表查询开销在3min+，执行效率极低。经过索引优化、水平分表、逻辑优化，成效较低，因此决定借助ClickHouse来解决此问题

最终通过优化， 查询时间降低至1s内，查询效率提升200倍！

希望通过本文，可以帮助大家快速掌握这一利器，并能在实践中少走弯路。

三、ClickHouse实践

1.Mac下的Clickhouse安装

我是通过docker安装，查看教程： https://blog.csdn.net/qq_24993831/article/details/103715194

也可以下载CK编译安装，相对麻烦一些。

2.数据迁移：从Mysql到ClickHouse

ClickHouse支持Mysql大多数语法，迁移成本低，目前有五种迁移方案：

• create table engin mysql，映射方案数据还是在Mysql
• insert into select from，先建表，在导入
• create table as select from，建表同时导入
• csv离线导入
• streamsets

选择第三种方案做数据迁移：

                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   

                      
                        CREATE TABLE [IF NOT EXISTS] [db.]table_name ENGINE = Mergetree AS SELECT * 
                        
                          FROM 
                          
                            mysql(
                            
                              'host:port'
                            
                            , 
                            
                              'db'
                            
                            , 
                            
                              'database'
                            
                            , 
                            
                              'user'
                            
                            , 
                            
                              'password'
                            
                            )
                          
                          

                        
                      
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
                  

3.性能测试对比

类型

数据量

表大小

查询速度

Mysql	5000万	10G	205s
ClickHouse	5000万	600MB	1s内

4.数据同步方案

临时表  

新建temp中间表，将Mysql数据全量同步到ClickHouse内temp表，再替换原ClickHouse中的表，适用数据量适度，增量和变量频繁的场景

synch

开源的同步软件推荐：synch

https://github.com/long2ice/synch/blob/dev/README-zh.md

原理是通过Mysql的binlog日志，获取sql语句，再通过消息队列消费task

5.ClickHouse为什么快？

• 只需要读取要计算的列数据，而非行式的整行数据读取，降低IO cost
• 同列同类型，有十倍压缩提升，进一步降低IO
• clickhouse根据不同存储场景，做个性化搜索算法

四、遇到的坑

1.ClickHouse与mysql数据类型差异性

用Mysql的语句查询，发现报错：

解决方案  ：LEFT JOIN B b ON toUInt32(h.id) = toUInt32(ec.post_id)，中转一下，统一无符号类型关联

2.删除或更新是异步执行，只保证最终一致性

查询CK手册发现，即便对数据一致性支持最好的Mergetree，也只是保证最终一致性：

如果对数据一致性要求较高，推荐大家做全量同步来解决

五、总结

通过ClickHouse实践，完美的解决了Mysql查询瓶颈，20亿行以下数据量级查询，90%都可以在1s内给到结果，随着数据量增加，ClickHouse同样也支持集群，大家如果感兴趣，可以积极尝试 : )

                  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

                    
                      
                        
                          往期热门文章：
                        
                      
                    
                  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
                  

                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   

                      
                        1、
                        
                          京东一面：MySQL 中的 distinct 和 group by 哪个效率更高？太刁钻了吧！
                        
                      
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   

                      
                        2、
                        
                          使用 try-catch 捕获异常真的会影响性能？
                        
                      
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   

                      
                        3、
                      
                      
                        
                          你的 IDE 太重了，试试 Emacs吧！
                        
                      
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   

                      
                        4、
                      
                      
                        
                          还在手写CRUD代码？试试这款代码生成工具吧，彻底解放双手！
                        
                      
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   

                      
                        5、
                      
                      
                        
                          JetBrains 如何看待自己的软件在中国被频繁破解?
                        
                      
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   

                      
                        6、
                      
                      
                        
                          无话可说，北邮211本科不符合华为OD要求，清华硕士符合！
                        
                      
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   

                      
                        7、
                      
                      
                        
                          RESTful真垃圾？试试 GraphQL？
                        
                      
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   

                      
                        8、
                      
                      
                        
                          这 7 个GitHub仓库，够学一辈子！
                        
                      
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   

                      
                        9、
                      
                      
                        
                          低欲望的后厂村：“遍地”985、211，高收入低消费，偏爱996
                        
                      
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
                    
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   

                      
                        10、
                      
                      
                        
                          Javalin：一个超轻量级Web Framework！