使用ClickHouse一键接管MySQL数据分析

数据导入

第一组

# du出的表大小
5.5G    article_clientuser_sum.ibd

# ClickHouse操作语句
CREATE TABLE article_clientuser_sum
ENGINE = MergeTree
ORDER BY id AS
SELECT *
FROM mysql('host:port', 'db', 'article_clientuser_sum', 'user', 'password') 

# 耗时和平均速度
0 rows in set. Elapsed: 137.251 sec. Processed 18.59 million rows, 7.34 GB (135.43 thousand rows/s., 53.48 MB/s.)

第二组

# 另一个表
20G     xx_httpcode_minf.ibd

CREATE TABLE xx_httpcode_minf
ENGINE = MergeTree
ORDER BY id AS
SELECT *
FROM mysql('host:port', 'db', 'tb', 'user', 'password') 

# 不知道为啥这表这么快就导入了 貌似是行少，但是表的总大小大啊
0 rows in set. Elapsed: 44.389 sec. Processed 13.03 million rows, 1.44 GB (293.44 thousand rows/s., 32.35 MB/s.)

PK之count(*)

第一组

# 1800w # ClickHouse SELECT count(*) FROM article_clientuser_sum ┌──count()─┐ │ 18587381 │ └──────────┘ 1 rows in set. Elapsed: 0.033 sec. Processed 18.59 million rows, 74.35 MB (556.76 million rows/s., 2.23 GB/s.) # MySQL mysql> select count(*) from article_clientuser_sum ; +----------+ | count(*) | +----------+ | 18587381 | +----------+ 1 row in set (39.48 sec) # 性能 1196X 

第二组

# 1300w # ClickHouse SELECT count(*) FROM xx_httpcode_minf ┌──count()─┐ │ 13025469 │ └──────────┘ 1 rows in set. Elapsed: 0.032 sec. Processed 13.03 million rows, 52.10 MB (406.68 million rows/s., 1.63 GB/s.) # MySQL mysql> SELECT count(*) -> FROM xx_httpcode_minf; +----------+ | count(*) | +----------+ | 13025469 | +----------+ 1 row in set (1 min 46.87 sec) # 性能 3340X 

PK之复杂查询

第一组

# ClickHouse SELECT SUM(size) AS size FROM xx_network_flow WHERE (date >= '2018-01-01') AND (date <= '2018-01-31') AND (netstat = 0) AND (project LIKE '保密%') Row 1: ────── size: 4132888693 1 rows in set. Elapsed: 0.039 sec. Processed 841.66 thousand rows, 9.46 MB (21.67 million rows/s., 243.70 MB/s.) # MySQL +------------+ | size | +------------+ | 4132888693 | +------------+ 1 row in set (2.34 sec) # 性能 60X 

• SQL太长，截图示例
• SQL里的xxx均为脱敏数据

# ClickHouse
┌─────size─┐
│ 76888224 │
└──────────┘

1 rows in set. Elapsed: 0.137 sec. Processed 841.66 thousand rows, 9.46 MB (6.13 million rows/s., 68.97 MB/s.)


# MySQL
+----------+
| size     |
+----------+
| 76888224 |
+----------+
1 row in set (2.86 sec)

# 性能 21X

第二组

# ClickHouse SELECT project, idc, minf, http_code, sum(sumhit) AS num FROM xx_httpcode_minf WHERE (date = '2018-01-16') AND (httptype = 'download') AND \ (minf >= 0) AND (minf <= 288) AND \ (http_code IN ('200', '500', '404', '502', '503', '504')) GROUP BY project, idc, minf, http_code ORDER BY num DESC LIMIT 3 ┌─project─────────────────────────────────────┬─idc────┬─minf─┬─http_code─┬────num─┐ │ 域名1xxxx │ .1xx │ 195 │ 200 │ 247522 │ │ 域名2xxxx │ .2xx │ 185 │ 200 │ 246613 │ │ 域名3xxxx │ .3xx │ 188 │ 200 │ 245808 │ └─────────────────────────────────────────────┴────────┴──────┴───────────┴────────┘ 3 rows in set. Elapsed: 0.161 sec. Processed 13.03 million rows, 284.63 MB (80.94 million rows/s., 1.77 GB/s.) # MySQL +---------------------------------------------+--------+------+-----------+--------+ | project | idc | minf | http_code | num | +---------------------------------------------+--------+------+-----------+--------+ | 域名1xxxx| .1.xx | 195 | 200 | 247522 | | 域名2xxxx | .2.xxx | 185 | 200 | 246613 | | 域名3xxxx | .3xx | 188 | 200 | 245808 | +---------------------------------------------+--------+------+-----------+--------+ 3 rows in set (12.02 sec) # 性能 75X 

• SQL太长，截图示例

• SQL里的xxx均为脱敏数据

  
  
  

# ClickHouse ┌─project────────────────────────────┬─idc────┬─minf─┬─http_code─┬───num─┐ │ 域名1 │ 1xxx│ 154 │ 404 │ 10792 │ │ 域名1 │ 2xxx │ 155 │ 404 │ 10395 │ │ 域名1│ 3xxx │ 272 │ 404 │ 10313 │ └────────────────────────────────────┴────────┴──────┴───────────┴───────┘ 3 rows in set. Elapsed: 0.119 sec. Processed 13.03 million rows, 283.15 MB (109.10 million rows/s., 2.37 GB/s.) # MySQL +------------------------------------+--------+------+-----------+-------+ | project | idc | minf | http_code | num | +------------------------------------+--------+------+-----------+-------+ | 域名1 | .1zz | 154 | 404 | 10792 | | 域名1 | .3xx | 155 | 404 | 10395 | | 域名1 | .3rr | 272 | 404 | 10313 | +------------------------------------+--------+------+-----------+-------+ 3 rows in set (2.19 sec) # 性能 18X 

压缩对比

• 注：xx_httpcode_minf这个表的MySQL文件20个G，应该是有大量的空洞造成的，这也就是Facebook的人开发MyRocks的原因：减少空洞，节省磁盘

风险

• 目前该功能还处于初级阶段，有不完善的地方，比如数据导入的方式比较粗暴，中间如果有异常，需要重新执行（使用的ClickHouse版本为：1.1.54342）
• MySQL的参数需要修改，如max_allowed_packet
• 数据导入时需要注意带宽，实测可以达到50MB/S
• 如果MySQL里的字段有decimal字符类型会怎么样？ClickHouse没有双精度的类型
• 部分SQL需要改写
  • 如双引号改单引号

讨论

• ClickHouse为啥快？

  1. MySQL单条SQL是单线程的，只能跑满一个core，ClickHouse相反，有多少CPU，吃多少资源，所以飞快
  2. ClickHouse不支持事务，不存在隔离级别。这里要额外说一下， 有人觉得，你一个数据库都不支持事务，不支持ACID还玩个毛。ClickHouse的定位是分析性数据库，而不是严格的关系型数据库。又有人要问了，数据都不一致，统计个毛。举个例子，汽车的油表是100%准确么？为了获得一个100%准确的值，难道每次测量你都要停车检查么？统计数据的意义在于用大量的数据看规律，看趋势，而不是100%准确。
  3. IO方面，MySQL是行存储，ClickHouse是列存储，后者在count()这类操作天然有优势，同时，在IO方面，MySQL需要大量随机IO，ClickHouse基本是顺序IO。
  4. 有人可能觉得上面的数据导入的时候，数据肯定缓存在内存里了，这个的确，但是ClickHouse基本上是顺序IO，用过就知道了，对IO基本没有太高要求，当然，磁盘越快，上层处理越快，但是99%的情况是，CPU先跑满了（数据库里太少见了，大多数都是IO不够用）。

• 说到MySQL上跑的各种复杂查询，那是相当痛苦的回忆。从索引层面，很难对这些SQL进行优化，这也是我从MySQL DBA转做数据分析后要解决的第一个问题

• 专业的事情让专业的数据库来做，放开MySQL吧~

• 太™快了，还不赶紧来试试

Reference

• MySQLのデータをClickHouseで高速に集計する