1.ClickHouse(03)ClickHouse怎么安装和部署
2.Clickhouse安装部署
3.大数据ClickHouse（二）：多种安装方式
4.ClickHouse 源码解析: MergeTree Merge 算法
5.clickhouse新特性之---clickhouse-keeper
6.通过深挖Clickhouse源码，源码我精通了数据去重！解读

ClickHouse(03)ClickHouse怎么安装和部署

       本文将详细说明如何安装和部署ClickHouse，源码包括官方推荐的解读多种安装模式、启动ClickHouse、源码配置ClickHouse集群等步骤。解读进口冷链溯源码首先，源码点击House搭建流程概括如下：

       本篇文章将先介绍单机版ClickHouse的解读搭建与启动，后续文章将深入讲解搭建集群所需配置。源码

       系统要求方面，解读ClickHouse支持在具有x_、源码AArch或PowerPCLE CPU架构的解读Linux、FreeBSD或Mac OS X上运行。源码官方提供预构建二进制文件，解读通常针对x_进行编译，源码利用SSE4.2指令集。不过，对于不支持SSE4.2或特定架构的处理器，可从源代码构建ClickHouse，具体步骤不再详述。

       接下来，介绍几种安装ClickHouse的方式。官方文档推荐了DEB、RPM、Tgz、Docker及源码安装等方法。用户可根据实际情况选择合适的安装方式，每种方式遵循相应步骤完成。

       DEB安装方式适用于Debian或Ubuntu系统，执行命令进行安装。若需最新版本，可在稳定版本基础上选择testing。安装后，使用默认命令启动ClickHouse。

       RPM安装适用于基于rpm的Linux发行版，先添加官方存储库，然后使用yum命令安装。同样，根据需要选择最新版本的testing版本。安装完成后，通过默认命令启动ClickHouse。

       Tgz安装适用于不支持DEB或RPM的源码趋势图系统，用户可从packages.clickhouse.com...下载官方预编译的tgz文件，解压后使用安装脚本进行安装。使用最新稳定版本进行安装的示例如下。

       Docker安装是另一种便捷方式，前提是已搭建docker环境。通过使用官方镜像运行ClickHouse实例即可，执行命令实现安装。

       安装后，可使用以下命令在后台启动ClickHouse服务。日志文件输出至/var/log/clickhouse-server目录。

       若服务未启动，检查配置文件/etc/clickhouse-server/config.xml中的配置。

       ClickHouse的配置分为服务器配置参数（Server Settings）与常规配置参数（Settings），分别存储于config.xml与users.xml文件中。服务器配置参数默认位于当前目录下的config.xml，常规配置参数文件通常与config.xml位于同一目录。

       默认情况下，允许default用户从任何位置访问ClickHouse，无需密码。用户可查看user/default/networks以获取更多详细信息。

       完成配置后，使用命令行客户端连接到ClickHouse实例。默认情况下，使用default用户无需密码连接至localhost:，也可以通过--host参数指定服务器。

       为了进一步了解ClickHouse，推荐访问经典中文文档和clickhouse系列文章。至此，您已成功搭建了一个单机版ClickHouse。

Clickhouse安装部署

       ClickHouse可在包括x_、AArch和PowerPCLE架构在内的Linux、FreeBSD或Mac OS X系统上运行。对于不支持SSE 4.2的CPU或AArch、PowerPCLE架构的处理器，建议从源代码构建ClickHouse。

       针对CentOS 7系统，快速安装步骤如下：

       1. 访问ClickHouse官网，选择CentOS或RedHat进行安装。

       2. 启动客户端，运行命令clickhouse-client #启动客户端默认在localhost:和clickhouse-client --host=localhost --port= --user=xxx --password=xxx -m来配置服务器，并修改/etc/clickhouse-server/目录下的斗球源码config.xml文件以调整listen_host和相关端口。

       系统管理命令包括：

       1. systemctl start clickhouse-server启动服务

       2. systemctl stop clickhouse-server停止服务

       3. systemctl status clickhouse-server查看服务状态

       ClickHouse的目录结构如下：

       1. /var/log/clickhouse-server/ - 包含日志文件

       2. /etc/clickhouse-server/ - 包含全局配置文件config.xml和用户配置文件users.xml

       3. /var/lib/clickhouse/ - 包含数据文件和元数据文件，数据文件主要位于data和metadata文件夹中。

       集群搭建步骤包括：

       1. 在每台服务器上安装ClickHouse，参照单机安装方法。

       2. 修改配置文件/etc/clickhouse-server/config.xml，配置远程服务器、Zookeeper（如果已部署）以及宏定义。

       3. 创建数据库和表：

       1. 使用命令CREATE DATABASE db_name ON CLUSTER cluster ENGINE = db_engine(...)来创建数据库，其中db_name为数据库名称，cluster为集群名称，db_engine为数据库引擎。

       2. 创建本地表和分布式表，根据需要调整表引擎。

       3. 进行数据插入和查询操作，测试分布式和单分片多副本环境。

       通过上述步骤，可实现ClickHouse的安装部署，满足不同场景的数据处理需求。

大数据ClickHouse（二）：多种安装方式

       Clickhouse提供了多种安装方式，包括rpm安装、tgz安装包安装、docker镜像安装、源码编译安装等。本文将主要介绍基于rpm安装包安装Clickhouse的方法。

       在安装前，需要确保服务器支持SSE4.2指令集，可以通过命令查询Linux系统是否支持此指令集。若不支持，则需通过源码编译特定版本进行安装。

       一、安装包下载

       点击ClickHouse rpm安装包查询地址，在Linux系统中使用wget命令下载对应的ClickHouse版本。选择一台服务器创建/software目录并进入此目录。执行命令下载ClickHouse所需rpm安装包，需要下载以下四个rpm安装包。

       二、单节点安装

       选择一台服务器，直接将下载好的ClickHouse安装包安装即可。安装顺序为：点击安装包进行安装，然后按照依赖关系安装各个rpm包。

       启动与停止服务

       启动clickhouse-server服务，thinkphp源码论坛使用命令行客户端连接服务。关闭ClickHouse服务。

       三、分布式安装

       Clickhouse支持分布式搭建。首先，在三台服务器上分别安装Clickhouse所需的安装包。接着搭建zookeeper集群并启动，配置外网访问。在每台节点的/etc/clickhouse-server/config.xml文件中配置集群名称、分片与副本等信息。配置完成后，在每台节点上启动Clickhouse服务。

       四、rpm其他方式安装

       除了下载rpm包进行安装，还可以配置Clickhouse的yum源，使用yum命令直接进行安装。首先添加Clickhouse的官方yum源，然后通过yum命令安装Clickhouse server和client。

       在CentOS 7中，使用配置yum源方式安装Clickhouse后，启动时使用命令：systemctl start clickhouse-server。

ClickHouse 源码解析: MergeTree Merge 算法

       ClickHouse MergeTree 「Merge 算法」 是对 MergeTree 表引擎进行数据整理的一种算法，也是 MergeTree 引擎得以高效运行的重要组成部分。

       理解 Merge 算法，首先回顾 MergeTree 相关背景知识。ClickHouse 在写入时，将一次写入的数据存放至一个物理磁盘目录，产生一个 Part。然而，随着插入次数增多，查询时数据分布不均，形成问题。一种常见想法是合并小 Part，类似 LSM-tree 思想，形成大 Part。

       面临合并策略的选择，"数据插入后立即合并"策略会迅速导致写入成本失控。因此，需要在写入放大与 Part 数量间寻求平衡。ClickHouse 的 Merge 算法便是实现这一平衡的解决方案。

       算法通过参数 base 控制参与合并的构建jdk源码 Part 数量，形成树形结构。随着合并进行，形成不同层，总层数为 MergeTree 的深度。当树处于均衡状态时，深度与 log(N) 成比例。base 参数用于判断参与合并的 Part 是否满足条件，总大小与最大大小之比需大于等于 base。

       执行合并时机在每次插入数据后，但并非每次都会真正执行合并操作。对于给定的多个 Part，选择最适合合并的组合是一个数学问题，ClickHouse 限制为相邻 Part 合并，降低决策复杂度。最终，通过穷举找到最优组合进行合并。

       合并过程涉及对有序数组进行多路合并。ClickHouse 使用 Sort-Merge Join 类似算法，通过顺序扫描多个 Part 完成合并过程，保持有序性。算法复杂度为 Θ(M * N)，其中 M 为 Part 长度，N 为参与合并的 Part 数量。

       对于非主键字段，ClickHouse 提供两种处理方式：Horizontal 和 Vertical。Vertical 分为两个阶段，分别处理非主键字段的合并和输出。

       源码解析包括 Merge 触发时机、选择需要合并的 Parts、执行合并等部分。触发时机主要在写入数据时，考虑执行 Mutate 任务后。选择需要合并的 Parts 通过 SimpleMergeSelector 实现，考虑了与 TTL 相关的特殊 Merge 类型。执行合并的类为 MergeTask，分为三个阶段：ExecuteAndFinalizeHorizontalPart、VerticalMergeStage。

       Merge 算法是 MergeTree 高性能的关键，平衡写入放大与查询性能，是数据整理过程中的必要步骤。此算法通过参数和决策逻辑实现了在不同目标之间的权衡。希望以上信息能帮助你全面理解 Merge 算法。

clickhouse新特性之---clickhouse-keeper

       clickhouse-keeper是clickhouse社区在.8版本中引入的新特性，它旨在替代zookeeper，提供一个完全兼容zookeeper协议的分布式协调服务。此功能尚处于预生产阶段，官方仍在完善中，因此推荐在准备将其用于生产环境前先稍加等待。

       clickhouse-keeper通过底层的raft协议（nuraft库）实现多节点之间状态的线性一致性，相较于zookeeper的ZAB协议，它在一致性保障上有所不同。在性能和可靠性方面，clickhouse-keeper提供了以下几点优势：

       1. **部署方式**：clickhouse-keeper提供了三种不同的部署方式，包括独立部署、每个shard一组keeper，以及所有shard共享一组keeper。这使得用户可以根据自身需求灵活选择部署策略。

       2. **数据迁移**：为了将zookeeper中的数据迁移到keeper中，官方提供了一个迁移工具clickhouse-keeper-converter，它能够将zk中的数据导出为keeper能接受的snapshot格式，简化了迁移过程。

       在源码走读方面，以keeper作为独立进程启动时，其核心代码流程涉及以下几个关键点：

       1. **入口**：从mainEntryClickHouseKeeper到Keeper::main再到KeeperTCPHandler::runImpl，这是整个流程的开始。

       2. **KeeperTCPHandler**：这是keeper中处理TCP请求的回调，它负责接收客户端请求并处理。

       3. **KeeperDispatcher**：在KeeperTCPHandler中，依赖KeeperDispatcher来处理客户端请求，并保持keeper集群内状态的一致性。

       4. **初始化**：KeeperDispatcher启动时，会在后台生成三个线程，负责集群的主流程。

       5. **KeeperServer**：基于nuraft实现，构建了一个完整的raft实例，它包括KeeperStateMachine、KeeperStateManager、KeeperLogStore等组件，共同构成了keeper的核心功能。

       6. **Log Store/State Machine/State Manager**：在nuraft库中，这三者都需要用户自定义实现。在clickhouse-keeper中，实现了这些关键功能，确保了数据的可靠存储和一致性管理。

       7. **KeeperStorage**：在内存中存储所有数据，实现类似zk的状态机功能，包含各种逻辑操作、会话管理等。

       8. **KeeperSnapshotManager**：管理所有快照文件，支持快照的序列化与反序列化，确保了数据的持久性和恢复能力。

       9. **KeeperStateMachine**：实现了与Zookeeper相同的内部状态，以及对多个snapshot的管理，支持快照的序列化和反序列化，保证了集群的状态一致性。

       . **参考**：了解clickhouse-keeper和相关技术的更多信息，可以参考以下资源：

       altiny ppt: slideshare.net/Altinity...

       clickhouse-keeper文档: clickhouse.com/docs/zh/...

       nuraft文档: github.com/eBay/NuRaft/...

       本文使用 文章同步助手 同步完成。

通过深挖Clickhouse源码，我精通了数据去重！

       数据去重的Clickhouse探索

       在大数据面试中，数据去重是一个常考问题。虽然很多博主已经分享过相关知识，但本文将带您深入理解Hive引擎和Clickhouse在去重上的差异，尤其是后者如何通过MergeTree和高效的数据结构优化去重性能。

       Hive去重

       Hive中，distinct可能导致数据倾斜，而group by则通过分布式处理提高效率。面试时，理解MapReduce的数据分区分组是关键。然而，对于大规模数据，Hive的处理速度往往无法满足需求。

       Clickhouse的登场

       面对这个问题，Clickhouse凭借其列存储和MergeTree引擎崭露头角。MergeTree的高效体现在它的数据分区和稀疏索引，以及动态生成和合并分区的能力。

       Clickhouse：Yandex开源的实时分析数据库，每秒处理亿级数据

       MergeTree存储结构：基于列存储，通过合并树实现高效去重

       数据分区和稀疏索引

       Clickhouse的分区策略和数据组织使得去重更为快速。稀疏索引通过标记大量数据区间，极大地减少了查询范围，提高性能。

       优化后的去重速度

       测试显示，Clickhouse在去重任务上表现出惊人速度，特别是通过Bitmap机制，去重性能进一步提升。

       源码解析与原则

       深入了解Clickhouse的底层原理，如Bitmap机制，对于优化去重至关重要，这体现了对业务实现性能影响的深度理解。

       总结与启示

       对于数据去重，无论面试还是日常工作中，深入探究和实践是提升的关键。不断积累和学习，即使是初入职场者也能在大数据领域找到自己的位置。

clickhouse 二（springboot+mybatis实现clickhouse的插入查询）

       本文详细介绍了如何利用SpringBoot和Mybatis实现与ClickHouse数据库的集成，旨在演示插入和查询操作的实现过程。ClickHouse，作为一款由Yandex公司开源的面向列的数据库管理系统，特别适用于实时生成分析数据报告，尤其在OLAP分析方面表现出色。

       为了实现与ClickHouse的集成，首先需要在项目中添加相应的Maven依赖。确保引入了SpringBoot和Mybatis的相关依赖，这将为后续的配置和操作打下基础。

       接下来，配置数据源时，需要定义与ClickHouse服务器的连接参数。这包括服务器地址、端口、数据库名称以及用户和密码等信息。这一步骤至关重要，确保了项目的正常运行。

       在参数配置阶段，需要对Druid连接池进行配置。Druid连接池能够有效管理数据库连接，优化资源使用，并提供连接监控功能，为项目的稳定性提供保障。

       对于Mapper.xml文件，需要编写SQL语句以实现对ClickHouse表的增删查改操作。这里主要关注的是插入和查询操作的实现，以展示ClickHouse在实时数据处理方面的高效。

       Mapper接口的编写遵循Mybatis的规范，定义了具体的SQL操作方法，与具体的数据库操作对应，使得业务逻辑与数据库操作分离，提高代码的可维护性和可读性。

       在controller接口中，通过调用Mapper接口的相应方法，将业务逻辑与具体的数据库操作关联起来，完成数据的插入和查询操作的集成。

       为了验证集成的正确性和性能，创建了一个ClickHouse表并插入了几条数据进行测试。通过执行查询操作，可以验证数据的正确性和查询性能。

       对于需要源码的读者，可以在评论区留下邮箱，以便获取完整的项目实现代码。

       参考文章：SpringBoot2 整合 ClickHouse数据库，实现高性能数据查询分析

ClickHouse简单了解

       ClickHouse是一款源自俄罗斯的列式存储数据库，运行在端口上。

       它主要用于分析性查询，查找、更新和删除操作较为不便。其源码采用C++编写，单个查询可能占用所有CPU资源。

       ClickHouse的缺点包括CPU消耗大，在高qps下可能无法承受。它建议避免join操作，因为关联查询较慢。此外，空值（Nullable）可能会对性能产生负面影响，因此在设计数据库时应避免使用无业务意义的值来表示null。

       ClickHouse提供多种表引擎，包括TinyLog、Memory和MergeTree。其中，MergeTree是最强大的表引擎，支持索引（稀疏索引）和分区（与Hive类似）。

       主键没有唯一约束，且数据文件与标记文件（data.bin + data.mrk3）共同作用，加速查询。此外，还包括count.txt（行数）、columns.txt（列名信息）、checksums.txt（校验信息）、primary.idx（主键索引）、partition.dat（分区索引文件）和minmax_Create_time.idx（分区内的索引文件）等文件。

       稀疏索引默认间隔为，不建议修改。新插入数据后需要合并分区，且order by是必选项，用于分区内排序。如果不设置主键，则许多操作将通过order by字段进行处理，且要求主键必须是order by的前缀字段。

       二级索引用于数据量大且重复多的场景，其粒度决定了跳过多少个一级索引，从而加快寻找速度。TTL不能应用于主键，而ReplacingMergeTree引入了去重功能，SummingMergeTree则是预聚合引擎。

       ClickHouse不推荐使用update和delete，这些操作通常由管理员完成。通过alter table可以产生临时分区目录，删除操作通过标记字段_sign（1表示已删除）进行。由于数据会膨胀，清除过期数据通常使用JDBC直接查询结果再在前端展示。

       副本只支持MergeTree家族，写入流程通过client写入数据到节点a，并通过提交日志到zookeeper同步到b。节点平等，没有主从之分。

       物化视图（MATERIALIZED）将查询结果保存在磁盘或内存中，加速查询。其缺点包括对历史数据去重效果不佳以及资源消耗较大。

       ClickHouse适用于大量数据的分析统计报表，其并发性能几乎全方位碾压Elastic Search。写入性能高得益于LSM tree数据结构和顺序写入方式，读取性能高则归功于列存储方式。