🚀 ClickHouse 入门：5 分钟跑通增删改查

今天和大家聊一个近几年大火的数据库 —— ClickHouse。它被称为「开源界的实时分析神器」，能在秒级处理 TB/PB 级数据。

本文我会带你：

1. Windows 环境安装 ClickHouse
2. 跑通 SQL 增删改查
3. 用 Python 操作数据库
4. 分享 ClickHouse 的典型应用场景
5. 对比 MySQL、PostgreSQL、Elasticsearch

无论你是数据库小白还是想扩展技能的程序员，看完一定能快速上手。

---

🖥️ 一、Windows 下安装 ClickHouse

官方没有 Windows 安装包，推荐两种方式：

方法一：Docker（最简单，推荐）

1. 安装 Docker Desktop。

2. 在 PowerShell 运行：

   docker run -d --name clickhouse-server `
     -p 8123:8123 `
     -p 9000:9000 `
     clickhouse/clickhouse-server
   

   • 8123：HTTP 接口（浏览器 / API 用）
   • 9000：客户端 TCP 端口

3. 进入客户端：

   docker exec -it clickhouse-server clickhouse-client
   

4. 测试：

   SELECT version();
   

方法二：WSL2（适合熟悉 Linux 的同学）

如果你用的是 Ubuntu 子系统，直接：

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

👉 建议初学者选 Docker，最快上手。

---

📊 二、建表 & SQL 基础操作

新建一个 users 表：

CREATE DATABASE IF NOT EXISTS test_db;
USE test_db;

CREATE TABLE users
(
    id UInt32,
    name String,
    age UInt8,
    created_at DateTime DEFAULT now()
)
ENGINE = MergeTree
ORDER BY id;

插入数据

INSERT INTO users (id, name, age) VALUES
(1, 'Alice', 25),
(2, 'Bob', 30),
(3, 'Charlie', 28);

查询数据

-- 查询所有
SELECT * FROM users;

-- 条件查询
SELECT * FROM users WHERE age > 25;

-- 排序 + 限制条数
SELECT * FROM users ORDER BY age DESC LIMIT 2;

修改 & 删除

⚠️ 注意：ClickHouse 不擅长频繁更新/删除，但提供了 ALTER：

ALTER TABLE users UPDATE age = 26 WHERE id = 1;
ALTER TABLE users DELETE WHERE id = 2;

---

🐍 三、用 Python 操作 ClickHouse

安装驱动：

pip install clickhouse-connect

代码示例（crud_demo.py）：

import clickhouse_connect

# 连接数据库
client = clickhouse_connect.get_client(
    host='localhost', port=8123, username='default', password=''
)

# 插入
client.command("INSERT INTO test_db.users (id, name, age) VALUES (4, 'David', 35)")

# 查询
rows = client.query("SELECT * FROM test_db.users ORDER BY id").result_rows
print("当前数据：", rows)

# 更新
client.command("ALTER TABLE test_db.users UPDATE age = 29 WHERE id = 3")

# 删除
client.command("ALTER TABLE test_db.users DELETE WHERE id = 4")

运行：

python crud_demo.py

---

🔧 四、ClickHouse 的应用场景

ClickHouse 是 列式存储数据库，擅长 海量数据分析。典型场景有：

1. 日志分析

   • 网站访问日志、APP 埋点数据
   • 一天 TB 级数据，依旧能秒级查询

2. 实时数据分析

   • 实时大屏（订单数、销售额、PV/UV）
   • 金融风控（秒级检测异常交易）

3. BI 报表

   • 用户画像、运营报表、市场分析
   • 和 PowerBI、Tableau 对接

4. 时序数据

   • IoT 传感器、监控指标（Prometheus、Zabbix）

---

⚖️ 五、ClickHouse vs 其它数据库

对比点	ClickHouse	MySQL	PostgreSQL	Elasticsearch
存储模型	列式存储	行存储	行存储	倒排索引
适合场景	大规模分析	事务型业务	事务 + 分析	文本搜索
查询性能	TB/PB 秒级	百万级	亿级	检索快，聚合一般
更新/删除	弱项	强	强	中等
可扩展性	原生分布式	分库分表复杂	插件扩展	原生分布式

👉 一句话总结：

• ClickHouse = 大数据分析神器
• MySQL/PG = 业务系统首选
• ES = 搜索引擎专家

---

✅ 总结

• 安装 ClickHouse，推荐 Docker，最快捷。
• 基础 SQL 和 MySQL 类似，但 更新/删除性能一般，适合读多写多的分析场景。
• Python 等编程语言都能方便地调用。
• 典型应用就是 日志分析、实时报表、大屏监控。

如果你公司有 大数据分析需求，或者想做一个 实时监控平台，强烈建议试试 ClickHouse 🚀