ClickHouse 学习分享

1. 收获

学习本片文章你会有如下收获：

1. 了解数据库主要存储方式；

2. 初步认识 ClickHouse，哪些场景下可以选择使用 ClickHouse；

3. ClickHouse 的开发入门：数据类型、基础语法、各类函数、客户端工具、表引擎和丰富的学习资源。

2. OLTP 和 OLAP

OLTP：online transaction processing 联机事务处理

• 事务是一种机制，包含了一组数据库操作序列；

• 这些操作作为统一的整体提交给系统时，要么全都执行、要么全都不执行；

• 常用来存储和业务强相关的结构化数据，会涉及到数据的增、删、改、查。

OLAP：online analytical processing 联机分析处理

计算机技术中快速解决多维分析问题的一种方法，让用户能够从多个角度交互地分析多维数据。

3. 行列式数据库

3.1 行式数据库

一行中的所有值组合在一起存储，之后存储下一行。

3.2 列式数据库

一列中的所有值组合在一起存储，之后存储下一列。

4. 为什么选择 ClickHouse ？

假设需要开发一套 OA 系统，基本功能有人员管理、流程管理、会议预定和报表导出，作为架构师的你应该如何设计？

4.1 基于 MySQL 的单表

初期系统聚焦关键功能，用户不是很多，数据量不会太大，基于 MySQL 使用几张表即简单又高效。

4.2 基于 MySQL 分库分表

数据 GB 级增长，单表分析遇到性能瓶颈，于是你选择了分库分表 。

4.3 基于 ElasticSearch

分库分表数据的写入和查询不同的路由策略，需要保证数据查询时的完整性和准确性，架构不易扩展，于是你想到了 ElasticSearch 近实时方案，只关心索引分片即可。

4.4 基于 Spark

数据 TB 级增长，ElasticSearch 集群的实时写入和查询性能上遇到瓶颈，于是你想到了通用的大数据解决方案：基于 Hadoop + Spark 体系，而报表查询由近实时变成了离线。

4.5 基于 ClickHouse

为了降低 Hadoop + Spark 带来的维护和开发成本，ClickHouse 来到了你的身边。

4.6 ClickHouse 为什么与众不同？

• 减少数据分析路径长度；

• 缩减数据存储成本：只需要存储主要维度和指标；

• 降低开发难度：开发人员只需要写 SQL 即可；

• 支持 PB 级数据存储查询；

• 线性扩展、性能强悍，每秒可处理数亿行 10GB 数据；

• 多样数据类型；

• 函数应有尽有；

• 库引擎、表引擎、物化视图适合复杂业务场景。

5. 介绍下 ClickHouse

ClickHouse 是一个用于联机分析(OLAP)的列式数据库管理系统(DBMS)，由俄罗斯的 Yandex 公司于 2016 年开源，目前 Star：29.8K。

5.1 ClickHouse Roadmap

• Provide alternative for ZooKeeper

• Nested and semistructured data

• Limited support for transactions

• Window functions

• Separation of storage and compute

• Workload management

• User Defined Functions

6. 数据类型、基础语法和函数

6.1 数据类型: 简单类型

6.2 数据类型: 集合类型

6.3 数据类型: 特殊类型

6.4 基础语法: 数据库

6.5 基础语法: 表

6.6 基础语法: 查询

6.7 基础语法: 写入

6.8 基础语法: 基础函数

6.9 基础语法: 表函数和聚合函数

7. 学习资源