ES 不香吗,为啥还要 ClickHouse?

沙海 2021年7月11日01:43:06Java评论20字数 8275阅读27分35秒阅读模式
摘要

智能摘要

智能摘要文章源自JAVA秀-https://www.javaxiu.com/37087.html

是一个实时的分布式搜索分析引擎,它的底层是构建在Lucene之上的。简单来说是通过扩展Lucene的搜索能力,使其具有分布式的功能。欢迎加入我的知识星球,一起探讨架构,交流源码。MyBatis、Redis、MongoDB、ES、分库分表、读写分离、SpringMVC、Webflux、权限、WebSocket、Dubbo、RabbitMQ、RocketMQ、Kafka、性能测试等等内容。提供近3W行代码的SpringBoot示例,以及超4W行代码的电商微服务项目。文章源自JAVA秀-https://www.javaxiu.com/37087.html

原文约 5355 | 图片 12 | 建议阅读 11 分钟 | 评价反馈文章源自JAVA秀-https://www.javaxiu.com/37087.html

ES 不香吗,为啥还要 ClickHouse?

点击关注 ? 芋道源码 文章源自JAVA秀-https://www.javaxiu.com/37087.html

收录于话题文章源自JAVA秀-https://www.javaxiu.com/37087.html

#芋道源码文章源自JAVA秀-https://www.javaxiu.com/37087.html

182个文章源自JAVA秀-https://www.javaxiu.com/37087.html

点击上方“芋道源码”,选择“设为星标文章源自JAVA秀-https://www.javaxiu.com/37087.html

管她前浪,还是后浪?文章源自JAVA秀-https://www.javaxiu.com/37087.html

能浪的浪,才是好浪!文章源自JAVA秀-https://www.javaxiu.com/37087.html

每天 8:55 更新文章,每天掉亿点点头发...文章源自JAVA秀-https://www.javaxiu.com/37087.html

文章源自JAVA秀-https://www.javaxiu.com/37087.html

源码精品专栏文章源自JAVA秀-https://www.javaxiu.com/37087.html

 文章源自JAVA秀-https://www.javaxiu.com/37087.html

文章源自JAVA秀-https://www.javaxiu.com/37087.html

来源:zhuanlan.zhihu.com/p/353296392文章源自JAVA秀-https://www.javaxiu.com/37087.html

Elasticsearch 是一个实时的分布式搜索分析引擎,它的底层是构建在Lucene之上的。简单来说是通过扩展Lucene的搜索能力,使其具有分布式的功能。ES通常会和其它两个开源组件logstash(日志采集)和Kibana(仪表盘)一起提供端到端的日志/搜索分析的功能,常常被简称为ELK。文章源自JAVA秀-https://www.javaxiu.com/37087.html

Clickhouse是俄罗斯搜索巨头Yandex开发的面向列式存储的关系型数据库。ClickHouse是过去两年中OLAP领域中最热门的,并于2016年开源。文章源自JAVA秀-https://www.javaxiu.com/37087.html

ES是最为流行的大数据日志和搜索解决方案,但是近几年来,它的江湖地位受到了一些挑战,许多公司已经开始把自己的日志解决方案从ES迁移到了Clickhouse,这里就包括:携程,快手等公司。文章源自JAVA秀-https://www.javaxiu.com/37087.html

架构和设计的对比

ES的底层是Lucenc,主要是要解决搜索的问题。搜索是大数据领域要解决的一个常见的问题,就是在海量的数据量要如何按照条件找到需要的数据。搜索的核心技术是倒排索引和布隆过滤器。ES通过分布式技术,利用分片与副本机制,直接解决了集群下搜索性能与高可用的问题。文章源自JAVA秀-https://www.javaxiu.com/37087.html

ES 不香吗,为啥还要 ClickHouse?文章源自JAVA秀-https://www.javaxiu.com/37087.html

ElasticSearch是为分布式设计的,有很好的扩展性,在一个典型的分布式配置中,每一个节点(node)可以配制成不同的角色,如下图所示:文章源自JAVA秀-https://www.javaxiu.com/37087.html

  • Client Node,负责API和数据的访问的节点,不存储/处理数据文章源自JAVA秀-https://www.javaxiu.com/37087.html

  • Data Node,负责数据的存储和索引文章源自JAVA秀-https://www.javaxiu.com/37087.html

  • Master Node, 管理节点,负责Cluster中的节点的协调,不存储数据。文章源自JAVA秀-https://www.javaxiu.com/37087.html

ES 不香吗,为啥还要 ClickHouse?文章源自JAVA秀-https://www.javaxiu.com/37087.html

ClickHouse是基于MPP架构的分布式ROLAP(关系OLAP)分析引擎。每个节点都有同等的责任,并负责部分数据处理(不共享任何内容)。ClickHouse 是一个真正的列式数据库管理系统(DBMS)。在 ClickHouse 中,数据始终是按列存储的,包括矢量(向量或列块)执行的过程。让查询变得更快,最简单且有效的方法是减少数据扫描范围和数据传输时的大小,而列式存储和数据压缩就可以帮助实现上述两点。Clickhouse同时使用了日志合并树,稀疏索引和CPU功能(如SIMD单指令多数据)充分发挥了硬件优势,可实现高效的计算。Clickhouse 使用Zookeeper进行分布式节点之间的协调。文章源自JAVA秀-https://www.javaxiu.com/37087.html

ES 不香吗,为啥还要 ClickHouse?文章源自JAVA秀-https://www.javaxiu.com/37087.html

为了支持搜索,Clickhouse同样支持布隆过滤器。文章源自JAVA秀-https://www.javaxiu.com/37087.html

查询对比实战

为了对比ES和Clickhouse的基本查询能力的差异,我写了一些代码(https://github.com/gangtao/esvsch)来验证。文章源自JAVA秀-https://www.javaxiu.com/37087.html

这个测试的架构如下:文章源自JAVA秀-https://www.javaxiu.com/37087.html

ES 不香吗,为啥还要 ClickHouse?文章源自JAVA秀-https://www.javaxiu.com/37087.html

架构主要有四个部分组成:文章源自JAVA秀-https://www.javaxiu.com/37087.html

  • ES stack ES stack有一个单节点的Elastic的容器和一个Kibana容器组成,Elastic是被测目标之一,Kibana作为验证和辅助工具。部署代码如下:文章源自JAVA秀-https://www.javaxiu.com/37087.html

version: '3.7'services:  elasticsearch:    image: docker.elastic.co/elasticsearch/elasticsearch:7.4.0    container_name: elasticsearch    environment:      - xpack.security.enabled=false      - discovery.type=single-node    ulimits:      memlock:        soft: -1        hard: -1      nofile:        soft: 65536        hard: 65536    cap_add:      - IPC_LOCK    volumes:      - elasticsearch-data:/usr/share/elasticsearch/data    ports:      - 9200:9200      - 9300:9300    deploy:      resources:        limits:          cpus: '4'          memory: 4096M        reservations:          memory: 4096M  kibana:    container_name: kibana    image: docker.elastic.co/kibana/kibana:7.4.0    environment:      - ELASTICSEARCH_HOSTS=http://elasticsearch:9200    ports:      - 5601:5601    depends_on:      - elasticsearchvolumes:  elasticsearch-data:    driver: local
  • Clickhouse stack Clickhouse stack有一个单节点的Clickhouse服务容器和一个TabixUI作为Clickhouse的客户端。部署代码如下:文章源自JAVA秀-https://www.javaxiu.com/37087.html

version: "3.7"services:  clickhouse:    container_name: clickhouse    image: yandex/clickhouse-server    volumes:      - ./data/config:/var/lib/clickhouse    ports:      - "8123:8123"      - "9000:9000"      - "9009:9009"      - "9004:9004"    ulimits:      nproc: 65535      nofile:        soft: 262144        hard: 262144    healthcheck:      test: ["CMD", "wget", "--spider", "-q", "localhost:8123/ping"]      interval: 30s      timeout: 5s      retries: 3    deploy:      resources:        limits:          cpus: '4'          memory: 4096M        reservations:          memory: 4096M  tabixui:    container_name: tabixui    image: spoonest/clickhouse-tabix-web-client    environment:      - CH_NAME=dev      - CH_HOST=127.0.0.1:8123      - CH_LOGIN=default    ports:      - "18080:80"    depends_on:      - clickhouse    deploy:      resources:        limits:          cpus: '0.1'          memory: 128M        reservations:          memory: 128M
  • 数据导入 stack 数据导入部分使用了Vector.dev开发的vector,该工具和fluentd类似,都可以实现数据管道式的灵活的数据导入。文章源自JAVA秀-https://www.javaxiu.com/37087.html

  • 测试控制 stack 测试控制我使用了Jupyter,使用了ES和Clickhouse的Python SDK来进行查询的测试。文章源自JAVA秀-https://www.javaxiu.com/37087.html

用Docker compose启动ES和Clickhouse的stack后,我们需要导入数据,我们利用Vector的generator功能,生成syslog,并同时导入ES和Clickhouse,在这之前,我们需要在Clickhouse上创建表。ES的索引没有固定模式,所以不需要事先创建索引。文章源自JAVA秀-https://www.javaxiu.com/37087.html

创建表的代码如下:文章源自JAVA秀-https://www.javaxiu.com/37087.html

CREATE TABLE default.syslog(    application String,    hostname String,    message String,    mid String,    pid String,    priority Int16,    raw String,    timestamp DateTime('UTC'),    version Int16) ENGINE = MergeTree()    PARTITION BY toYYYYMMDD(timestamp)    ORDER BY timestamp    TTL timestamp + toIntervalMonth(1);

创建好表之后,我们就可以启动vector,向两个stack写入数据了。vector的数据流水线的定义如下:文章源自JAVA秀-https://www.javaxiu.com/37087.html

[sources.in] type = "generator" format = "syslog" interval = 0.01 count = 100000[transforms.clone_message] type = "add_fields" inputs = ["in"] fields.raw = "{{ message }}"[transforms.parser] # General type = "regex_parser" inputs = ["clone_message"] field = "message" # optional, default patterns = ['^<(?P<priority>\d*)>(?P<version>\d) (?P<timestamp>\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}\.\d{3}Z) (?P<hostname>\w+\.\w+) (?P<application>\w+) (?P<pid>\d+) (?P<mid>ID\d+) - (?P<message>.*)$'][transforms.coercer] type = "coercer" inputs = ["parser"] types.timestamp = "timestamp" types.version = "int" types.priority = "int"[sinks.out_console] # General type = "console" inputs = ["coercer"] target = "stdout" # Encoding encoding.codec = "json"[sinks.out_clickhouse] host = "http://host.docker.internal:8123" inputs = ["coercer"] table = "syslog" type = "clickhouse" encoding.only_fields = ["application", "hostname", "message", "mid", "pid", "priority", "raw", "timestamp", "version"] encoding.timestamp_format = "unix"[sinks.out_es] # General type = "elasticsearch" inputs = ["coercer"] compression = "none" endpoint = "http://host.docker.internal:9200" index = "syslog-%F" # Encoding # Healthcheck healthcheck.enabled = true

这里简单介绍一下这个流水线:文章源自JAVA秀-https://www.javaxiu.com/37087.html

  • http://source.in 生成syslog的模拟数据,生成10w条,生成间隔和0.01秒文章源自JAVA秀-https://www.javaxiu.com/37087.html

  • transforms.clone_message 把原始消息复制一份,这样抽取的信息同时可以保留原始消息文章源自JAVA秀-https://www.javaxiu.com/37087.html

  • transforms.parser 使用正则表达式,按照syslog的定义,抽取出application,hostname,message ,mid ,pid ,priority ,timestamp ,version 这几个字段文章源自JAVA秀-https://www.javaxiu.com/37087.html

  • transforms.coercer 数据类型转化文章源自JAVA秀-https://www.javaxiu.com/37087.html

  • sinks.out_console 把生成的数据打印到控制台,供开发调试文章源自JAVA秀-https://www.javaxiu.com/37087.html

  • sinks.out_clickhouse 把生成的数据发送到Clickhouse文章源自JAVA秀-https://www.javaxiu.com/37087.html

  • sinks.out_es 把生成的数据发送到ES文章源自JAVA秀-https://www.javaxiu.com/37087.html

运行Docker命令,执行该流水线:文章源自JAVA秀-https://www.javaxiu.com/37087.html

docker run \  -v $(mkfile_path)/vector.toml:/etc/vector/vector.toml:ro \  -p 18383:8383 \  timberio/vector:nightly-alpine

数据导入后,我们针对一下的查询来做一个对比。ES使用自己的查询语言来进行查询,Clickhouse支持SQL,我简单测试了一些常见的查询,并对它们的功能和性能做一些比较。文章源自JAVA秀-https://www.javaxiu.com/37087.html

  • 返回所有的记录文章源自JAVA秀-https://www.javaxiu.com/37087.html

# ES{  "query":{    "match_all":{}  }}# Clickhouse"SELECT * FROM syslog"
  • 匹配单个字段文章源自JAVA秀-https://www.javaxiu.com/37087.html

# ES{  "query":{    "match":{      "hostname":"for.org"    }  }}# Clickhouse"SELECT * FROM syslog WHERE hostname='for.org'"
  • 匹配多个字段文章源自JAVA秀-https://www.javaxiu.com/37087.html

# ES{  "query":{    "multi_match":{      "query":"up.com ahmadajmi",        "fields":[          "hostname",          "application"        ]    }  }}# Clickhouse、"SELECT * FROM syslog WHERE hostname='for.org' OR application='ahmadajmi'"
  • 单词查找,查找包含特定单词的字段文章源自JAVA秀-https://www.javaxiu.com/37087.html

# ES{  "query":{    "term":{      "message":"pretty"    }  }}# Clickhouse"SELECT * FROM syslog WHERE lowerUTF8(raw) LIKE '%pretty%'"
  • 范围查询, 查找版本大于2的记录文章源自JAVA秀-https://www.javaxiu.com/37087.html

# ES{  "query":{    "range":{      "version":{        "gte":2      }    }  }}# Clickhouse"SELECT * FROM syslog WHERE version >= 2"
  • 查找到存在某字段的记录 ES是文档类型的数据库,每一个文档的模式不固定,所以会存在某字段不存在的情况;而Clickhouse对应为字段为空值文章源自JAVA秀-https://www.javaxiu.com/37087.html

# ES{  "query":{    "exists":{      "field":"application"    }  }}# Clickhouse"SELECT * FROM syslog WHERE application is not NULL"
  • 正则表达式查询,查询匹配某个正则表达式的数据文章源自JAVA秀-https://www.javaxiu.com/37087.html

# ES{  "query":{    "regexp":{      "hostname":{        "value":"up.*",          "flags":"ALL",            "max_determinized_states":10000,              "rewrite":"constant_score"      }    }  }}# Clickhouse"SELECT * FROM syslog WHERE match(hostname, 'up.*')"
  • 聚合计数,统计某个字段出现的次数文章源自JAVA秀-https://www.javaxiu.com/37087.html

# ES{  "aggs":{    "version_count":{      "value_count":{        "field":"version"      }    }  }}# Clickhouse"SELECT count(version) FROM syslog"
  • 聚合不重复的值,查找所有不重复的字段的个数文章源自JAVA秀-https://www.javaxiu.com/37087.html

# ES{  "aggs":{    "my-agg-name":{      "cardinality":{        "field":"priority"      }    }  }}# Clickhouse"SELECT count(distinct(priority)) FROM syslog "

我用Python的SDK,对上述的查询在两个Stack上各跑10次,然后统计查询的性能结果。文章源自JAVA秀-https://www.javaxiu.com/37087.html

我们画出出所有的查询的响应时间的分布:文章源自JAVA秀-https://www.javaxiu.com/37087.html

ES 不香吗,为啥还要 ClickHouse?文章源自JAVA秀-https://www.javaxiu.com/37087.html

总查询时间的对比如下:文章源自JAVA秀-https://www.javaxiu.com/37087.html

ES 不香吗,为啥还要 ClickHouse?文章源自JAVA秀-https://www.javaxiu.com/37087.html

通过测试数据我们可以看出Clickhouse在大部分的查询的性能上都明显要优于Elastic。在正则查询(Regex query)和单词查询(Term query)等搜索常见的场景下,也并不逊色。文章源自JAVA秀-https://www.javaxiu.com/37087.html

在聚合场景下,Clickhouse表现异常优秀,充分发挥了列村引擎的优势。文章源自JAVA秀-https://www.javaxiu.com/37087.html

注意,我的测试并没有任何优化,对于Clickhouse也没有打开布隆过滤器。可见Clickhouse确实是一款非常优秀的数据库,可以用于某些搜索的场景。当然ES还支持非常丰富的查询功能,这里只有一些非常基本的查询,有些查询可能存在无法用SQL表达的情况。文章源自JAVA秀-https://www.javaxiu.com/37087.html

总结

本文通过对于一些基本查询的测试,对比了Clickhouse 和Elasticsearch的功能和性能,测试结果表明,Clickhouse在这些基本场景表现非常优秀,性能优于ES,这也解释了为什么用很多的公司应从ES切换到Clickhouse之上。文章源自JAVA秀-https://www.javaxiu.com/37087.html

- END -文章源自JAVA秀-https://www.javaxiu.com/37087.html

欢迎加入我的知识星球,一起探讨架构,交流源码。加入方式,长按下方二维码噢文章源自JAVA秀-https://www.javaxiu.com/37087.html

ES 不香吗,为啥还要 ClickHouse?文章源自JAVA秀-https://www.javaxiu.com/37087.html

已在知识星球更新源码解析如下:文章源自JAVA秀-https://www.javaxiu.com/37087.html

ES 不香吗,为啥还要 ClickHouse?文章源自JAVA秀-https://www.javaxiu.com/37087.html

ES 不香吗,为啥还要 ClickHouse?文章源自JAVA秀-https://www.javaxiu.com/37087.html

ES 不香吗,为啥还要 ClickHouse?文章源自JAVA秀-https://www.javaxiu.com/37087.html

ES 不香吗,为啥还要 ClickHouse?文章源自JAVA秀-https://www.javaxiu.com/37087.html

最近更新《芋道 SpringBoot 2.X 入门》系列,已经 20 余篇,覆盖了 MyBatis、Redis、MongoDB、ES、分库分表、读写分离、SpringMVC、Webflux、权限、WebSocket、Dubbo、RabbitMQ、RocketMQ、Kafka、性能测试等等内容。文章源自JAVA秀-https://www.javaxiu.com/37087.html

提供近 3W 行代码的 SpringBoot 示例,以及超 4W 行代码的电商微服务项目。文章源自JAVA秀-https://www.javaxiu.com/37087.html

获取方式:点“在看”,关注公众号并回复 666 领取,更多内容陆续奉上。文章源自JAVA秀-https://www.javaxiu.com/37087.html

文章源自JAVA秀-https://www.javaxiu.com/37087.html

文章有帮助的话,在看,转发吧。谢谢支持哟 (*^__^*)
文章源自JAVA秀-https://www.javaxiu.com/37087.html

阅读原文文章源自JAVA秀-https://www.javaxiu.com/37087.html

继续阅读
速蛙云 - 极致体验,强烈推荐!!!购买套餐就免费送各大视频网站会员!快速稳定、独家福利社、流媒体稳定解锁!速度快,全球上网、视频、游戏加速、独立IP均支持!基础套餐性价比很高!这里不多说,我一直正在使用,推荐购买:https://www.javaxiu.com/59919.html
weinxin
资源分享QQ群
本站是JAVA秀团队的技术分享社区, 会经常分享资源和教程; 分享的时代, 请别再沉默!
沙海
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定