公司目前做OLAP用的ck 21.x, 顺便看看源码. 折腾了两个月结合网上的各种资料算是有点进展， 记录一下自己总结的 之后再补全文字讲解 流程图: https://www.processon.co

通过引入 Apache Doris 湖仓一体能力，替换了 Clickhouse ，升级为湖仓一体架构，并结合 Doris 的物化视图改写能力和自动物化服务，实现高性能的数据查询以及灵活的数据治理。

本文主要讲述ClickHouse中的数据存储结构，包括文件组织结构和索引结构，以及建立在其基础上的数据过滤机制，从Part裁剪到Mark裁剪，最后到基于SIMD的行过滤机制。 数据过滤机制实质上是构建

要将数据从Kafka主题读取到ClickHouse表，我们需要三件事： 一个目标MergeTree表，以提供接收数据的宿主 Kafka引擎表，使主题看起来像ClickHouse表 物化视图，可将数据自

向量化引擎是跟列存储技术绑定的，因为列存每列的数据存储在一起，可以认为这些数据是以数组的方式存储的。基于这样的特征，当该列数据需要进行某一同样操作，可以通过一个循环来高效完成对这个数据块各个值的计算

回合对战数据指标计算，耗时过长，甚至因为单机内存不足无法满足需求，故考虑将原本单节点的单机ClickHouse改为集群 , 采用分布式表来进行相关计算。 1. 环境搭建 2. 方案对比 结论 : 写入数据速度和磁盘IO有关 , 集群方案数据写入相比单机方案有显著优势。 结论 :…

clickhouse中有非常多的表引擎，用得最多的当属*MergeTree表引擎，*MergeTree是clickhouse中最为强大的表引擎（the most robust）。应根据应用场景选择不用的表引擎比如我们临时表用的表引擎为Memory，这里主要谈谈MergeTree…

在1.2亿条的实际生产数据集中进行测试，查询并发能力提升10～20倍！预聚合是OLAP系统中常用的一种优化手段，在通过在加载数据时就进行部分聚合计算...

Clickhouse为什么那么快？它适用于哪些场景？为什么会有这样的特性？ 本文将带你由浅入深、由表及里地逐步理解这些问题，掌握Clickhouse的原理及应用。