没有合适的资源?快使用搜索试试~ 我知道了~
ClickHouse-架构原理和表引擎详解
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 201 浏览量
2024-03-04
16:06:42
上传
评论
收藏 1.75MB PDF 举报
温馨提示
试读
10页
ClickHouse-架构原理和表引擎详解
资源推荐
资源详情
资源评论
1. 《ClickHouse和Doris之OLAP谁与争锋》课程介绍
1. 1. 本次系列课程介绍
1. 2. 今日课程大纲
2. ClickHouse 表引擎详解和架构原理
2. 1. ClickHouse 设计思想和核心技术特征
2. 1. 1. ClickHouse 全知全解
2. 1. 2. ClickHouse 设计思路剖析
2. 1. 3. ClickHouse 安装部署
2. 2. ClickHouse 表引擎详解
2. 2. 1. ClickHouse 表引擎介绍
2. 2. 2. MergeTree 引擎工作机制详解
2. 3. ClickHouse 工作原理
2. 3. 1. 数据分区
2. 3. 2. 列式存储
2. 3. 3. 一级索引
2. 3. 4. 二级索引
2. 3. 5. 数据压缩
2. 3. 6. 数据标记
2. 3. 7. 查询数据
3. ClickHouse 表引擎详解和架构原理总结
1. 《ClickHouse和Doris之OLAP谁与争锋》课程介绍
1.1. 本次系列课程介绍
OLAP 之 ClickHouse 和 Doris 谁与争锋?ClickHouse 和 Doris 深度大 PK ?
首次完整揭秘 ClickHouse 核心特性,知其然,知其所以然
彻底揭秘千亿级企业 ClickHouse 实时处理引擎架构设计、核心技术设计、运行机理全流程;
彻底揭秘千亿级企业 ClickHouse 在企业大数据业务场景下的应用实践;
Doris 源码核心作者揭秘 Doris 架构设计核心原理;
首次全方位深度对比 ClickHouse 和 Doris 两大 OLAP 利器。
1.2. 今日课程大纲
今天主要的内容,是跟大家交付,关于 ClickHouse 如何做查询分析那么快的原因原理分析。咱们先从探讨,一款高效的 OLAP 系统组件的核心技术应该
有哪些?然后 ClickHouse 实现了那些?最终的工作流程是怎样的?
ClickHouse 全知全解
ClickHouse 设计思路和核心特性剖析
ClickHouse 表引擎详解
ClickHouse 工作原理(数据分区,一级索引,二级索引,数据压缩,数据标记,数据查询)
2. ClickHouse 表引擎详解和架构原理
2.1. ClickHouse 设计思想和核心技术特征
2.1.1. ClickHouse 全知全解
ClickHouse 是一个用于联机分析 (OLAP) 的列式数据库管理系统 (DBMS)。来自于 2011 年在纳斯达克上市的俄罗斯本土搜索引擎企业 Yandex 公司,诞
生之初就是为了服务 Yandex 公司自家的 Web 流量分析产品 Yandex.Metrica,后来经过演变,逐渐形成为现在的 ClickHouse,全称是:Click Stream,
Data WareHouse
ClickHouse 官网:https://clickhouse.tech/,它具有 ROLAP、在线实时查询、完整的 DBMS 功能支持、列式存储、不需要任何数据预处理、支持批量更
新、拥有非常完善的 SQL 支持和函数、支持高可用、不依赖 Hadoop 复杂生态、开箱即用等许多特点。
在 1 亿数据集体量的情况下,ClickHouse 的平均响应速度是 Vertica 的 2.63 倍、InfiniDB 的 17 倍、MonetDB 的 27 倍、Hive 的 126 倍、MySQL 的
429 倍以及Greenplum 的 10 倍。详细的测试结果可以查阅:https://clickhouse.tech/benchmark/dbms/。
ClickHouse 非常适用于商业智能领域(也就是我们所说的 BI 领域),除此之外,它也能够被广泛应用于广告流量、Web、App 流量、电信、金融、电子
商务、信息安全、网络游戏、物联网等众多其他领域。
ClickHouse 是近年来备受关注的开源列式数据库,主要用于数据分析(OLAP)领域。目前国内社区火热,各个大厂纷纷跟进大规模使用:
今日头条内部用 ClickHouse 来做用户行为分析,内部一共几千个 ClickHouse 节点,单集群最大 1200 节点,总数据量几十 PB,日增原始数据
300TB 左右。
腾讯内部用 ClickHouse 做游戏数据分析,并且为之建立了一整套监控运维体系。
携程内部从 18 年 7 月份开始接入试用,目前 80% 的业务都跑在 ClickHouse 上。每天数据增量十多亿,近百万次查询请求。
快手内部也在使用 ClickHouse,存储总量大约 10PB, 每天新增 200TB, 90% 查询小于 3S。
ClickHouse 缺点:
资源评论
shandongwill
- 粉丝: 3397
- 资源: 406
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 论文(最终)_20240430235101.pdf
- 基于python编写的Keras深度学习框架开发,利用卷积神经网络CNN,快速识别图片并进行分类
- 最全空间计量实证方法(空间杜宾模型和检验以及结果解释文档).txt
- 5uonly.apk
- 蓝桥杯Python组的历年真题
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 前端开发技术实验报告:内含4四实验&实验报告
- Highlight Plus v20.0.1
- 林周瑜-论文.docx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功