ClickHouse数据库入门指南

程序员小jobleap
25 阅读4分钟

什么是ClickHouse？

ClickHouse是一款高性能的列式数据库，专门用于快速处理和分析大量数据。它的特点是：

  • 列式存储：数据按列存储，查询时只读取需要的列，速度快且节省空间。
  • 高效引擎：使用MergeTree引擎，支持快速插入和查询。
  • 适合大数据分析：特别适合实时分析和在线分析处理（OLAP）场景。

例如，俄罗斯的Yandex公司用ClickHouse处理每天超过200亿条数据，90%的查询能在1秒内完成

1. 安装ClickHouse

Linux（Ubuntu）安装示例：

sudo apt-get update
sudo apt-get install clickhouse-server clickhouse-client
sudo service clickhouse-server start

启动服务后，可以用命令行客户端连接：

clickhouse-client

Docker快速部署：

docker run -d --name clickhouse-server -p 9000:9000 yandex/clickhouse-server
docker exec -it clickhouse-server clickhouse-client

2. 创建数据库

ClickHouse中的数据表属于数据库，默认有一个default数据库。你也可以创建自己的数据库：

CREATE DATABASE IF NOT EXISTS tutorial;

这条命令会创建名为tutorial的数据库，如果已存在则不会重复创建

3. 创建表

表需要定义字段和存储引擎，最常用的是MergeTree，它支持高效的列式存储和快速查询。

示例：创建一个简单的用户行为表

CREATE TABLE tutorial.user_logs
(
    user_id UInt32,
    event String,
    event_time DateTime,
    value Float32
)
ENGINE = MergeTree()
ORDER BY (user_id, event_time);

说明：

  • user_id：用户ID，32位无符号整数。
  • event：事件名称，字符串类型。
  • event_time：事件发生时间，日期时间类型。
  • value：数值指标，32位浮点数。
  • ENGINE = MergeTree()：指定存储引擎。
  • ORDER BY：定义数据排序键，帮助快速查询

4. 导入数据

4.1 使用SQL插入数据

INSERT INTO tutorial.user_logs (user_id, event, event_time, value) VALUES
(1001, 'login', now(), 1.0),
(1002, 'purchase', now(), 99.9);

4.2 批量导入CSV文件

假设有一个data.csv文件，内容如下：

user_id,event,event_time,value
1003,login,2025-05-18 10:00:00,1.0
1004,purchase,2025-05-18 10:05:00,150.5

使用命令行导入：

clickhouse-client --query="INSERT INTO tutorial.user_logs FORMAT CSVWithNames" < data.csv

这样可以快速导入大量数据

5. 查询数据

ClickHouse支持标准SQL查询，以下是常见查询示例。

5.1 查询所有数据

SELECT * FROM tutorial.user_logs;

5.2 统计每个用户的平均value

SELECT user_id, AVG(value) AS avg_value
FROM tutorial.user_logs
GROUP BY user_id
ORDER BY avg_value DESC
LIMIT 10;

5.3 查询指定时间范围内的数据

SELECT *
FROM tutorial.user_logs
WHERE event_time BETWEEN '2025-05-01 00:00:00' AND '2025-05-31 23:59:59';

6. 连接ClickHouse

  • 本地连接：
clickhouse-client
  • 远程连接示例：
clickhouse-client --host=your_server_ip --port=9000 --user=default --password=your_password
  • 也可以使用Web界面或各种编程语言的驱动连接。

7. 代码案例总结

-- 创建数据库
CREATE DATABASE IF NOT EXISTS tutorial;

-- 创建表
CREATE TABLE tutorial.user_logs
(
    user_id UInt32,
    event String,
    event_time DateTime,
    value Float32
)
ENGINE = MergeTree()
ORDER BY (user_id, event_time);

-- 插入数据
INSERT INTO tutorial.user_logs (user_id, event, event_time, value) VALUES
(1001, 'login', now(), 1.0),
(1002, 'purchase', now(), 99.9);

-- 查询数据
SELECT user_id, AVG(value) AS avg_value
FROM tutorial.user_logs
GROUP BY user_id
ORDER BY avg_value DESC
LIMIT 5;

8. 性能指标简述

ClickHouse的性能非常高，常用指标包括：

  • 查询时间：大多数查询能在1秒内返回结果。
  • 内存使用：查询过程中内存占用合理。
  • CPU和磁盘I/O：高效利用硬件资源，支持大规模并发查询。

在实际应用中，ClickHouse可以处理数十亿条数据，适合实时数据分析和报表生成

小结

  • ClickHouse是专为大数据分析设计的列式数据库。
  • 安装简单，支持多种环境（Linux、Docker、云服务）。
  • 创建数据库和表时，需指定表结构和MergeTree引擎。
  • 支持单条插入和批量导入，方便快速加载数据。
  • 使用标准SQL查询，支持丰富的聚合和过滤功能。
  • 适合实时分析和大规模数据处理，性能优异。

通过以上步骤和示例，你可以快速搭建自己的ClickHouse环境，开始高效的数据分析之旅。

avatar
文章
阅读
粉丝