ClickHouse基本原理
ClickHouse简介
ClickHouse为您提供方便易用、灵活稳定的云端ClickHouse托管服务。只需要几分钟，便可完成海量数据查询数据仓库的搭建，简单轻松地完成对数据的实时查询分析，提升数据价值挖掘的整体效率。云数据仓库ClickHouse是一种基于MPP（大规模并行处理）架构的数仓服务，基于ClickHouse优异的查询性能，查询效率数倍于传统数据仓库。
ClickHouse原理
ClickHouse是一个完全的列式分布式数据库管理系统（DBMS），主要用于在线分析处理查询（OLAP），能够使用SQL查询实时生成分析数据报告，允许在运行时创建表和数据库，加载数据和运行查询，简单方便，高可靠性，容错性强。通过MPP架构，分布式运算，历史存储等特性，提供了高性能的数据查询性能。
|
名称 |
描述 |
|---|---|
|
MergeTree |
是ClickHouse最常用的存储引擎，适用于需要高效插入数据和查询的场景。通过将数据分割成多个部分（part）并合并（merge）来优化查询性能。主要支持分区（Partitioning）、排序键（Sorting keys）、主键（Primary keys）、二级索引（Secondary indexes）等。 |
|
查询引擎 |
ClickHouse采用MPP架构与向量化执行引擎，显著提升复杂分析查询性能。任务下发到集群后执行流程包含三个并行层级：
|
|
存储引擎 |
ClickHouse采用列式存储设计，将同类型数据按列独立存储。这种结构适合分析场景，能够高效地读取查询所需的列，减少开销且提升查询性能。 |
|
MaterializedView |
物化视图 （Materialized View）是数据库中用于优化查询性能的物理表，通过预计算并存储复杂查询结果来减少重复计算。与传统视图不同，物化视图将查询结果持久化存储，可直接访问以提高查询效率。 |
|
RBO |
RBO通过预定义的逻辑规则（Logical Rules）和物理规则（Physical Rules）对查询计划进行转换和优化。这些规则在保证查询结果正确性的前提下，重构执行逻辑，显著提升查询性能。 |
|
CBO |
基于代价的优化（CBO）是查询优化器的核心组件，通过分析统计信息动态选择最优执行计划。相比基于规则的优化（RBO），CBO能够更精准地优化复杂查询，尤其在Join策略选择、聚合计算优化和谓词下推等关键场景中表现突出。 |
|
Atomic |
事务的原子性确保事务作为一个不可分割的工作单元，要么所有操作全部成功提交，要么全部失败回滚，不存在部分执行的状态。 |
|
DDL |
数据库模式定义语言DDL(Data Definition Language)是用于创建、修改和管理数据库结构的标准化语言，它定义了数据实体（如表、视图、索引）及其关系的逻辑框架。 |
|
索引Index |
ClickHouse通过索引机制优化查询性能，在列式存储的纵向裁剪基础上，支持分区键、主键和多种二级索引。这些索引结构在横向上对数据块进行高效定位，快速过滤无关数据块，显著减少磁盘扫描范围，从而提升查询效率。 |
ClickHouse优势
- 性能优势：ClickHouse采用列存储，相同列的数据属于同一类型，有利于获得更高的数据压缩比。通常可以达到10：1的压缩比，大幅降低存储成本和读取开销，提高查询性能。
- 副本机制：ClickHouse利用Zookeeper，通过ReplicatedMergeTree引擎（Replicated系列引擎）实现了副本机制。用户在创建表时，可指定存储引擎，选择该表是否进行复制。
- 简单易用：通过控制台分钟级构建ClickHouse分析集群，使您无需关注底层基础设施，利用完善的SQL语句支持，专注于数据价值的分析。
- 极致性能：使用分布式大规模并行处理MPP框架，并充分利用所有可用的硬件，以尽可能快地处理每个查询。查询效率数倍于传统数据仓库，单个查询的峰值处理性能高达每秒数TB。
- 安全可靠：用户集群独立部署，支持VPC私有网络隔离，数据访问安全多重保障。
- 成本更低：利用云端高性价比设备，构建极具成本优势的托管ClickHouse集群。
