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。 :::info OLAP：On-Line Analytical Processing，联机分析处理，重点主要是面向分析，会产生大量的查询，一般很少涉及增删改
OLTP：on-line transaction processing，联机事务处理，主要是业务数据，需要考虑高并发、考虑事务 :::

ClickHouse 的特点

列式存储

存储以下数据内容：

采用行式存储时，数据在磁盘上的组织结构为：

采用列式存储时，数据在磁盘上的组织结构为：

列式储存的好处：

1. 对于列的聚合，计数，求和等统计操作原因优于行式存储。
2. 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。
3. 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
   的结构，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，极大的降低了查
   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

   单表查询
   
   关联查询
   
   结论: ClickHouse 像很多 OLAP 数据库一样，单表查询速度由于关联查询，而且 ClickHouse
   的两者差距更为明显。