介绍
ClickHouse 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），能够使用SQL查询实时生成分析数据报告。
特点-列式存储
以下面表为例：
采用行式存储时，数据在磁盘上的组织结构为
1 张三 17 2 王五 18
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：
1 2 张三 王五 17 18
这时想查所有人的年龄只需把年龄那一列拿出来就可以了。
列式储存的好处：
对于列的聚合，计数，求和等统计操作原因优于行式存储。
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。
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。
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。
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。
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 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。
官方公开benchmark测试显示能够达到50MB-200MB/s的写入吞吐能力，按照每行100Byte估算，大约相当于50W-200W条/s的写入速度。
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，极大地降低了查询延时。
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。
性能对比
以下对几款数据库做了性能对比：
单表查询
关联查询
对于大规模数据的简单
JOIN
查询，ClickHouse 能够提供明显的性能提升，尤其是在单表聚合或少量联接的情况下。在处理大表之间的复杂联接时，ClickHouse 的性能可能会受到一定影响，尤其是在没有合理优化（如索引或分区）的情况下。
总结
总体来说，ClickHouse 非常适合用作分析型查询的数据库，尤其是在处理海量数据时，它的查询性能明显优于传统关系型数据库。如果你需要进行复杂的多表关联查询，且数据表之间关系复杂，传统的行式数据库可能会提供更优的性能。
后续会持续加更clickhouse文章合集，包括安装、数据类型、各种引擎使用场景和机制介绍、使用、高级功能等。期待+关注~~~
欢迎微信扫描二维码，关注我的公众号~~
