ClickHouse - 你没有见过的列存储｜ 青训营笔记

用户6748844318793
85 阅读5分钟

这是我参与「第五届青训营 」伴学笔记创作活动的第 6 天 本篇笔记分为四个部分

  1. 数据库基本概念
  2. 列式存储
  3. ClickHouse存储设计
  4. ClickHouse典型应用场景

2.主要的一些概念：

  • 行式存储

  • 列式存储

  • 数据压缩

    a. LZ4

    b. Run-length encoding

    c. Delta encoding

  • 延迟物化

    a. 物化

    b. Cpu cache

    c. 内存带宽

  • 向量化

    a. SIMD （single instruction multiple data）

    b. SSE指令集

    c. AVX指令集

图片.png

数据库的类型

  1. 数据库有很多种，至于各种数据库孰优孰劣，主要取决于企业希望如何使用数据。
  2. 关系数据库：关系型数据库是把数据以表的形式进行储存，然后再各个表之间建立关系，通过这些表之间的关系来操作不同表之间的数据。
  3. 非关系数据库 ： NoSQL 或非关系数据库，支持存储和操作非结构化及半结构化数据。相比于关系型数据库，NoSQL没有固定的表结构，且数据之间不存在表与表之间的关系，数据之间可以是独立的。NoSQL的关键是它们放弃了传统关系型数据库的强事务保证和关系模型，通过所谓最终一致性和非关系数据模型（例如键值对，图，文档）来提高Web应用所注重的高可用性和可扩展性。
  4. 单机数据库：在一台计算机上完成数据的存储和查询的数据库系统。
  5. 分布式数据库 ： 分布式数据库由位于不同站点的两个或多个文件组成。数据库可以存储在多台计算机上，位于同一个物理位置，或分散在不同的网络上。
  6. OLTP 数据库 ： OLTP（Online transactional processing）数据库是一种高速分析数据库，专为多个用户执行大量事务而设计。
  7. OLAP 数据库：OLAP (Online analytical processing) 数据库旨在同时分析多个数据维度，帮助团队更好地理解其数据中的复杂关系

OLAP数据库

  1. 大量数据的读写，PB级别的存储
  2. 多维分析，复杂的聚合函数

  1. 离线/实时分析，对查询速度有要求

SQL

  1. 一种编程语言，目前几乎所有的关系数据库都使用 SQL (Structured Query Language ) 编程语言来查询、操作和定义数据，进行数据访问控制。
  2. SQL的结构

  查询包含一系列含有最终结果的字段, 紧跟SELECT关键词。星号（"*"）也可以用来指定查询应当返回查询表所有字段，可选的关键词和子句包括：

  • FROM子句指定了选择的数据表。FROM子句也可以包含JOIN 二层子句来为数据表的连接设置规则。
  • WHERE子句后接一个比较谓词以限制返回的行。WHERE子句仅保留返回结果里使得比较谓词的值为True的行。
  • GROUP BY子句用于将若干含有相同值的行合并。 GROUP BY通常与SQL聚合函数连用，或者用于清除数据重复的行。GROUP BY子句要用在WHERE子句之后。
  • HAVING子句后接一个谓词来过滤从GROUP BY子句中获得的结果，由于其作用于GROUP BY子句之上，所以聚合函数也可以放到其谓词中。
  • ORDER BY子句指明将哪个字段用作排序关键字，以及排序顺序(升序/降序)，如果无此子句，那么返回结果的顺序不能保证有序。

  1. SQL的用途

a. 定义数据模型

CREATE TABLE default.test_insert_local
(
   `p_date` Date,
   `id` Int32
)
ENGINE = MergeTree
PARTITION BY p_date
ORDER BY id
SETTINGS index_granularity = 8192
复制代码

b. 读写数据库数据

insert into default.test_insert_local values ('2022-01-01', 1);

select count() from default.test_insert_local;
复制代码
  1. SQL的优点
  • 标准化，ISO和ANSI是长期建立使用的SQL数据库标准
  • 高度非过程化，用SQL进行数据操作，用户只需提出“做什么”，而不必指明“怎么做”，因此用户无须了解存取路径，存取路径的选择以及SQL语句的操作过程由系统自动完成。这不但大大减轻了用户负担，而且有利于提高数据独立性。
  • 以同一种语法结构提供两种使用方式，用户可以在终端上直接输入SQL命令对数据库进行操作。作为嵌入式语言，SQL语句能够嵌入到高级语言（如C、C#、JAVA）程序中，供程序员设计程序时使用。而在两种不同的使用方式下，SQL的语法结构基本上是一致的。
  • 语言简洁，易学易用：SQL功能极强，但由于设计巧妙，语言十分简洁，完成数据定义、数据操纵、数据控制的核心功能只用了9个动词：CREATE、ALTER、DROP、SELECT、INSERT、UPDATE、DELETE、GRANT、REVOKE。且SQL语言语法简单，接近英语口语，因此容易学习，也容易使用。

数据库的架构

  1. Client

  2. Parser

    词法分析，语法分析，生成AST树 (Abstract syntax tree)

  1. Analyzer

    变量绑定、类型推导、语义检查、安全、权限检查、完整性检查等，为生成计划做准备

  2. Analyzer

    变量绑定、类型推导、语义检查、安全、权限检查、完整性检查等，为生成计划做准备

  3. Optimizer

  • 为查询生成性能最优的执行计划

  • 进行代价评估

  • Executor 将执行计划翻译成可执行的物理计划

  • Storage engine

    a. 管理内存数据结构【index、内存数据、缓存（Query cache、Data cache、Index cache）】

    b. 管理磁盘数据【磁盘数据的文件格式、磁盘数据的增删查改】

    c. 读写算子【数据写入逻辑、数据读取逻辑】

一个sql的执行流程

设计数据库存储的要点

  1. 性能瓶颈在哪里：数据选择、数据读取、构造内存数据、计算

  2. 选择什么样的数据格式：是否可以并发处理、是否可以构建索引、行存，列存 或者 行列混合存储

  3. 选择什么样的索引：读写的方式：读多写少、读少写多、点查场景、分析型场景

avatar
文章
阅读
粉丝