携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第 8 天，点击查看活动详情。
上两篇文章我们说了流式计算引擎Flink的相关知识，所谓的流式计算也就是实时计算，那么我们这篇文章接着说一下实时计算组件ClickHouse。
1. ClickHouse概述
ClickHouse 全称是 Click Stream，Data WareHouse，是俄罗斯的 Yandex 于 2016 年开源的 列式存储数据库（DBMS），使用C++语言编写，主要用于在线分析处理查询（OLAP：Online Analytical Processing），能够使用SQL查询实时生成分析数据报告。
Clickhouse 没有使用 Hadoop生态，而是采用 Local attached storage 作为存储，它的线性扩展和可靠性保障了其能够原生支持 shard + replication，并且它还可以作为 用户行为分析 和 流批一体 的相关组件。
2. ClickHouse特点
2.1 列式存储
以下面的表为例：
| ID | Name | Age |
|---|---|---|
| 1 | 张三 | 18 |
| 2 | 李四 | 22 |
| 3 | 王五 | 34 |
- 采用行式存储时，数据在磁盘上的组织结构为：
好处是想查某个人所有的属性时，可以通过一次磁盘查找加顺序读取就可以。但是当想查所有人的年龄时，需要不停的查找，或者全表扫描才行，遍历的很多数据都是不需要的。
- 采用列式存储时，数据在磁盘上的组织结构为：
列式存储的好处：
（1）对于列的聚合、计数、求和等统计操作效率优于行式存储；
（2）由于某一列的数据类型都是相同的，针对于数据存储更容易进行数据压缩，每一列选择更优的数据压缩算法，大大提高了数据的压缩比重；
（3）由于数据压缩比更好，一方面节省了磁盘空间，另一方面对于cache也有了更大的发挥空间。
2.2 DBMS的功能
几乎覆盖了标准SQL的大部分语法，包括 DDL和 DML，以及配套的各种函数，用户管理及权限管理，数据的备份与恢复。
2.3 多样化引擎
ClickHouse和MySQL类似，把表级的存储引擎插件化，根据表的不同需求可以设定不同的存储引擎。目前包括合并树、日志、接口和其他四大类20多种引擎。
2.4 高吞吐写入能力
ClickHouse采用 类LSM Tree 的结构，数据写入后定期在后台Compaction。通过类LSM tree的结构，ClickHouse在数据导入时全部是顺序append写，写入后数据段不可更改，在后台compaction时也是多个段merge sort后顺序写回磁盘。顺序写的特性，充分利用了磁盘的吞吐能力，即便在HDD上也有着优异的写入性能。
2.5 数据分区与线程级并行
ClickHouse将数据划分为多个partition，每个partition再进一步划分为多个index granularity(索引粒度)，然后通过多个CPU核心分别处理其中的一部分来实现并行数据处理。在这种设计下，单条Query就能利用整机所有CPU。极致的并行处理能力，极大的降低了查询延时。
所以，ClickHouse即使对于大量数据的查询也能够化整为零平行处理。但是有一个弊端就是对于单条查询使用多cpu，就不利于同时并发多条查询。所以对于高qps的查询业务，ClickHouse并不是强项。
总结
这篇文章我们简单的介绍了ClickHouse的概述和特点，并没有涉及实操编码部分，有的读者如果想要查询 ClickHouse的安装以及编码知识，可以去看下 官网介绍clickhouse.yandex/ 以及其他技术文章。
