蔡岳毅-基于ClickHouse+StarRocks构建支撑千亿级数据量的高可用查询引擎（15页）.pdf

《蔡岳毅-基于ClickHouse+StarRocks构建支撑千亿级数据量的高可用查询引擎（15页）.pdf》由会员分享，可在线阅读，更多相关《蔡岳毅-基于ClickHouse+StarRocks构建支撑千亿级数据量的高可用查询引擎（15页）.pdf（15页珍藏版）》请在三个皮匠报告上搜索。

1、 全球敏捷运维峰会 广州站基于ClickHouse+StarRocks构建支撑千亿级数据量的高可用查询引擎演讲人：蔡岳毅 全球敏捷运维峰会 广州站1.为什么选择ClickHouse/StarRocks；2.ClickHouse/StarRocks的高可用架构；3.如何合理的应用ClickHouse的优点，StarRocks 如何来补充ClickHouse 的短板；4.ClickHouse的调优，运维介绍；5.应用总结；全球敏捷运维峰会 广州站根据实际业务场景需要来选择1.不固定的查询条件，不固定的汇总条件；2.数据量日益增量，每天要更新的数据量也不断增大；3.业务场景不断增多，涉及面越来越广；

2、4.需要保证高可用并秒出；5.从Sql，Es，CrateDB，Kylin，Ingite，MongoDB，Hbase 不断的研究，实践；全球敏捷运维峰会 广州站ClickHouse 的特点优点：优点：1.数据压缩比高，存储成本相对非常低；2.支持常用的SQL语法，写入速度非常快，适用于大量的数据更新；3.依赖稀疏索引，列式存储，cpu/内存的充分利用造就了优秀的计算能力，并且不用考虑左侧原则；缺点：缺点：1.不支持事务，没有真正的update/delete；2.不支持高并发，可以根据实际情况修改qps相关配置文件；全球敏捷运维峰会 广州站StarRocks的特点优点：优点：1.支持标准的SQL语

3、法，兼容MySql协议；2.MPP架构，扩缩容非常简单方便；3.支持高并发查询；4.跨机房部署，实现最低成本的DR缺点：缺点：1.不支持大规模的批处理；2.支持insert into，但最理想的是消费Kafka；全球敏捷运维峰会 广州站ClickHouse/StarRocks在酒店数据智能平台的架构 全球敏捷运维峰会 广州站ClickHouse的全量数据同步流程 1.清空A_temp表，将最新的数据从Hive通过ETL导入到A_temp表;2.将A rename 成A_temp_temp;3.将A_temp rename成 A;4.将A_ temp_temp rename成 A_temp;其他

4、方式：1.采用 waterdrop 的方式大幅提升写入速度；2.直接读Hdfs文件的方式，但内存波动较大；全球敏捷运维峰会 广州站ClickHouse的增量数据同步流程传统方式：1.将最近3个月的数据从Hive通过ETL入到A_temp表;2.将A表中3个月之前的数据select into到A_temp表；3.将A rename 成A_temp_temp;4.将A_temp rename成 A;5.将A_ temp_temp rename成 A_temp;非传统：在第2步采用：ALTER TABLE A REPLACE PARTITION 分区名 FROM A_temp 全球敏捷运维峰会 广州

5、站针对ClickHouse的保护机制1.被动缓存；2.主动缓存；全球敏捷运维峰会 广州站ClickHouse集群架构虚拟集群最少两台机器在不同的机房；数据独立，多写，相互不干扰；数据读取通过应用程序做负载平衡；灵活创建不同的虚拟集群用于适当的场合；随时调整服务器，新增/缩减服务器；分布式：k8s的集群式部署 全球敏捷运维峰会 广州站采用ClickHouse后平台的查询性能system.query_logsystem.query_log表，记录已经表，记录已经执行的查询记录执行的查询记录query：执行的详细SQL，查询相关记录可以根据SQL关键字筛选该字段query_duration_ms：执

6、行时间memory_usage：占用内存read_rows和read_bytes：读取行数和大小result_rows和result_bytes：结果行数和大小以上信息可以简单对比SQL执行效果 全球敏捷运维峰会 广州站采用ClickHouse后平台的查询性能 全球敏捷运维峰会 广州站ClickHouse应用小结数据导入之前要评估好分区字段；数据导入时根据分区做好Order By；左右表join的时候要注意数据量的变化；是否采用分布式；监控好服务器的cpu/内存波动/syst