Question

clickhouse 官网中文文档 https://clickhouse.com/docs/zh/

2016 年 6 月 15 日，Yandex 开源了一个数据分析的数据库，名字叫做 ClickHouse。

2021 年 9 月，ClickHouse 的创建者 Alexey 在 GitHub 宣布他们决定正式从 Yandex 独立，成立一个公司：ClickHouse, Inc。

ClickHouse 是一个开源的面向列式数据的数据库管理系统，能够使用 SQL 查询并且生成实时数据报告。

应用场景

1. 绝大多数请求都是用于读访问的
2. 数据需要以大批次（大于 1000 行）进行更新，而不是单行更新；或者根本没有更新操作
3. 数据只是添加到数据库，没有必要修改
4. 读取数据时，会从数据库中提取出大量的行，但只用到一小部分列
5. 表很 宽 ，即表中包含大量的列
6. 询频率相对较低（通常每台服务器每秒查询数百次或更少）
7. 对于简单查询，允许大约 50 毫秒的延迟
8. 列的值是比较小的数值和短字符串（例如，每个 URL 只有 60 个字节）
9. 在处理单个查询时需要高吞吐量（每台服务器每秒高达数十亿行）
10. 不需要事务
11. 数据一致性要求较低
12. 每次查询中只会查询一个大表。除了一个大表，其余都是小表
13. 查询结果显著小于数据源。即数据有过滤或聚合。返回结果不超过单个服务器内存大小

不适用场景（使用限制）

1. 不支持真正的删除/更新支持，不支持事务（事务性工作 OLTP）
2. 不支持二级索引
3. 有限的 SQL 支持，join 实现与众不同
4. 不支持窗口功能
5. 元数据管理需要人工干预维护
6. 高并发的键值访问
7. Blob 或者文档存储

本章参考

[1]. Greenplum 数据库架构分析及 5.x 新功能分享 http://blog.sina.com.cn/s/blog_12c856e4c0102yhek.html

[2]. Superset:Airbnb’s data exploration platform

[3]. Pinot 架构介绍 https://www.jianshu.com/p/67a9156f041a

[4]. impala 的原理架构介绍及应用场景 https://blog.csdn.net/javajxz008/article/details/50523332

[5]. Presto 架构及原理 https://www.cnblogs.com/tgzhu/p/6033373.html

[6]. LinkedIn Pinot 初探 https://blog.talkingdata.net/?p=3169

• clickhouse 基础知识 https://www.jianshu.com/p/a5bf490247ea

• 解密 Apache HAWQ ——功能强大的 SQL-on-Hadoop 引擎 http://www.360doc.com/content/16/0524/14/23016082_561892469.shtml