clickhouse 億級資料效能測試

LifeLogs發表於2021-03-16

clickhouse 在資料分析技術領域早已聲名遠揚，如果還不知道可以 點這裡 瞭解下。

最近由於專案需求使用到了 clickhouse 做分析資料庫，於是用測試環境做了一個單表 6 億資料量的效能測試，記錄一下測試結果，有做超大資料量分析技術選型需求的朋友可以參考下。

伺服器資訊

  • CPU：Intel Xeon Gold 6240 @ 8x 2.594GHz
  • 記憶體：32G
  • 系統：CentOS 7.6
  • Linux核心版本：3.10.0
  • 磁碟型別：機械硬碟
  • 檔案系統：ext4

Clickhouse資訊

  • 部署方式：單機部署
  • 版本：20.8.11.17

測試情況

測試資料和測試方法來自 clickshouse 官方的 Star Schema Benchmark

按照官方指導造出了測試資料之後，先看一下資料量和空間佔用情況。

資料量和空間佔用

表名 列數 資料行數 原始大小 壓縮大小 壓縮率
supplier 6 200,000 11.07 MiB 7.53 MiB 68
customer 7 3,000,000 168.83 MiB 114.72 MiB 68
part 8 1,400,000 34.29 MiB 24.08 MiB 70
lineorder 16 600,037,902 24.03 GiB 16.67 GiB 69
lineorder_flat 37 688,552,212 111.38 GiB 61.05 GiB 55

可以看到 clickhouse 的壓縮率很高，壓縮率都在 50 以上，基本可以達到 70 左右。資料體積的減小可以非常有效的減少磁碟空間佔用、提高 I/O 效能，這對整體查詢效能的提升非常有效。

supplier、customer、part、lineorder 為一個簡單的「供應商-客戶-訂單-地區」的星型模型，lineorder_flat 為根據這個星型模型資料關係合併的大寬表，所有分析都直接在這張大寬表中執行，減少不必要的表關聯，符合我們實際工作中的分析建表邏輯。

以下效能測試的所有分析 SQL 都在這張大寬表中執行，未進行表關聯查詢。

查詢效能測試詳情

Query 1.1

SELECT sum(LO_EXTENDEDPRICE * LO_DISCOUNT) AS revenue
FROM lineorder_flat
WHERE (toYear(LO_ORDERDATE) = 1993) AND ((LO_DISCOUNT >= 1) AND (LO_DISCOUNT <= 3)) AND (LO_QUANTITY < 25)

┌────────revenue─┐
│ 44652567249651 │
└────────────────┘

1 rows in set. Elapsed: 0.242 sec. Processed 91.01 million rows, 728.06 MB (375.91 million rows/s., 3.01 GB/s.)

掃描行數：91,010,000 大約9100萬

耗時(秒)：0.242

查詢列數：2

結果行數：1

Query 1.2

SELECT sum(LO_EXTENDEDPRICE * LO_DISCOUNT) AS revenue
FROM lineorder_flat
WHERE (toYYYYMM(LO_ORDERDATE) = 199401) AND ((LO_DISCOUNT >= 4) AND (LO_DISCOUNT <= 6)) AND ((LO_QUANTITY >= 26) AND (LO_QUANTITY <= 35))

┌───────revenue─┐
│ 9624332170119 │
└───────────────┘

1 rows in set. Elapsed: 0.040 sec. Processed 7.75 million rows, 61.96 MB (191.44 million rows/s., 1.53 GB/s.)

掃描行數：7,750,000 775萬

耗時(秒)：0.040

查詢列數：2

返回行數：1

Query 2.1

SELECT 
    sum(LO_REVENUE),
    toYear(LO_ORDERDATE) AS year,
    P_BRAND
FROM lineorder_flat
WHERE (P_CATEGORY = 'MFGR#12') AND (S_REGION = 'AMERICA')
GROUP BY 
    year,
    P_BRAND
ORDER BY 
    year ASC,
    P_BRAND ASC
    
┌─sum(LO_REVENUE)─┬─year─┬─P_BRAND───┐
│     64420005618 │ 1992 │ MFGR#121  │
│     63389346096 │ 1992 │ MFGR#1210 │
│     ........... │ .... │ ..........│
│     39679892915 │ 1998 │ MFGR#128  │
│     35300513083 │ 1998 │ MFGR#129  │
└─────────────────┴──────┴───────────┘

280 rows in set. Elapsed: 8.558 sec. Processed 600.04 million rows, 6.20 GB (70.11 million rows/s., 725.04 MB/s.)

掃描行數：600,040,000 大約6億

耗時(秒)：8.558

查詢列數：3

結果行數：280

Query 2.2

SELECT 
    sum(LO_REVENUE),
    toYear(LO_ORDERDATE) AS year,
    P_BRAND
FROM lineorder_flat
WHERE ((P_BRAND >= 'MFGR#2221') AND (P_BRAND <= 'MFGR#2228')) AND (S_REGION = 'ASIA')
GROUP BY 
    year,
    P_BRAND
ORDER BY 
    year ASC,
    P_BRAND ASC

┌─sum(LO_REVENUE)─┬─year─┬─P_BRAND───┐
│     66450349438 │ 1992 │ MFGR#2221 │
│     65423264312 │ 1992 │ MFGR#2222 │
│     ........... │ .... │ ......... │
│     39907545239 │ 1998 │ MFGR#2227 │
│     40654201840 │ 1998 │ MFGR#2228 │
└─────────────────┴──────┴───────────┘

56 rows in set. Elapsed: 1.242 sec. Processed 600.04 million rows, 5.60 GB (482.97 million rows/s., 4.51 GB/s.)

掃描行數：600,040,000 大約6億

耗時(秒)：1.242

查詢列數：3

結果行數：56

Query 3.1

SELECT 
    C_NATION,
    S_NATION,
    toYear(LO_ORDERDATE) AS year,
    sum(LO_REVENUE) AS revenue
FROM lineorder_flat
WHERE (C_REGION = 'ASIA') AND (S_REGION = 'ASIA') AND (year >= 1992) AND (year <= 1997)
GROUP BY 
    C_NATION,
    S_NATION,
    year
ORDER BY 
    year ASC,
    revenue DESC

┌─C_NATION──┬─S_NATION──┬─year─┬──────revenue─┐
│ INDIA     │ INDIA     │ 1992 │ 537778456208 │
│ INDONESIA │ INDIA     │ 1992 │ 536684093041 │
│ .....     │ .......   │ .... │ ............ │
│ CHINA     │ CHINA     │ 1997 │ 525562838002 │
│ JAPAN     │ VIETNAM   │ 1997 │ 525495763677 │
└───────────┴───────────┴──────┴──────────────┘

150 rows in set. Elapsed: 3.533 sec. Processed 546.67 million rows, 5.48 GB (154.72 million rows/s., 1.55 GB/s.)

掃描行數：546,670,000 大約5億4千多萬

耗時(秒)：3.533

查詢列數：4

結果行數：150

Query 3.2

SELECT 
    C_CITY,
    S_CITY,
    toYear(LO_ORDERDATE) AS year,
    sum(LO_REVENUE) AS revenue
FROM lineorder_flat
WHERE (C_NATION = 'UNITED STATES') AND (S_NATION = 'UNITED STATES') AND (year >= 1992) AND (year <= 1997)
GROUP BY 
    C_CITY,
    S_CITY,
    year
ORDER BY 
    year ASC,
    revenue DESC

┌─C_CITY─────┬─S_CITY─────┬─year─┬────revenue─┐
│ UNITED ST6 │ UNITED ST6 │ 1992 │ 5694246807 │
│ UNITED ST0 │ UNITED ST0 │ 1992 │ 5676049026 │
│ .......... │ .......... │ .... │ .......... │
│ UNITED ST9 │ UNITED ST9 │ 1997 │ 4836163349 │
│ UNITED ST9 │ UNITED ST5 │ 1997 │ 4769919410 │
└────────────┴────────────┴──────┴────────────┘

600 rows in set. Elapsed: 1.000 sec. Processed 546.67 million rows, 5.56 GB (546.59 million rows/s., 5.56 GB/s.)

掃描行數：546,670,000 大約5億4千多萬

耗時(秒)：1.00

查詢列數：4

結果行數：600

Query 4.1

SELECT 
    toYear(LO_ORDERDATE) AS year,
    C_NATION,
    sum(LO_REVENUE - LO_SUPPLYCOST) AS profit
FROM lineorder_flat
WHERE (C_REGION = 'AMERICA') AND (S_REGION = 'AMERICA') AND ((P_MFGR = 'MFGR#1') OR (P_MFGR = 'MFGR#2'))
GROUP BY 
    year,
    C_NATION
ORDER BY 
    year ASC,
    C_NATION ASC

┌─year─┬─C_NATION──────┬────────profit─┐
│ 1992 │ ARGENTINA     │ 1041983042066 │
│ 1992 │ BRAZIL        │ 1031193572794 │
│ .... │ ......        │  ............ │
│ 1998 │ PERU          │  603980044827 │
│ 1998 │ UNITED STATES │  605069471323 │
└──────┴───────────────┴───────────────┘

35 rows in set. Elapsed: 5.066 sec. Processed 600.04 million rows, 8.41 GB (118.43 million rows/s., 1.66 GB/s.)

掃描行數：600,040,000 大約6億

耗時(秒)：5.066

查詢列數：4

結果行數：35

Query 4.2

SELECT 
    toYear(LO_ORDERDATE) AS year,
    S_NATION,
    P_CATEGORY,
    sum(LO_REVENUE - LO_SUPPLYCOST) AS profit
FROM lineorder_flat
WHERE (C_REGION = 'AMERICA') AND (S_REGION = 'AMERICA') AND ((year = 1997) OR (year = 1998)) AND ((P_MFGR = 'MFGR#1') OR (P_MFGR = 'MFGR#2'))
GROUP BY 
    year,
    S_NATION,
    P_CATEGORY
ORDER BY 
    year ASC,
    S_NATION ASC,
    P_CATEGORY ASC

┌─year─┬─S_NATION──────┬─P_CATEGORY─┬───────profit─┐
│ 1997 │ ARGENTINA     │ MFGR#11    │ 102369950215 │
│ 1997 │ ARGENTINA     │ MFGR#12    │ 103052774082 │
│ .... │ .........     │ .......    │ ............ │
│ 1998 │ UNITED STATES │ MFGR#24    │  60779388345 │
│ 1998 │ UNITED STATES │ MFGR#25    │  60042710566 │
└──────┴───────────────┴────────────┴──────────────┘

100 rows in set. Elapsed: 0.826 sec. Processed 144.42 million rows, 2.17 GB (174.78 million rows/s., 2.63 GB/s.)

掃描行數：144,420,000 大約1億4千多萬

耗時(秒)：0.826

查詢列數：4

結果行數：100

效能測試結果彙總

查詢語句 SQL簡要說明 掃描行數 返回行數 查詢列數 耗時(秒)
Q1.1 乘積、彙總、4個條件、首次執行 91,010,000 1 2 0.242
Q1.2 Q1.1增加1個條件執行 7,750,000 1 2 0.040
Q2.1 彙總、函式、2列分組、2列排序、首次執行 600,040,000 280 3 8.558
Q2.2 Q2.1增加1個條件執行 600,040,000 56 3 1.242
Q3.1 彙總、函式、3列分組、2列排序、首次執行 546,670,000 150 4 3.533
Q3.2 Q3.1更換條件執行 546,670,000 600 4 1
Q4.1 相減、彙總、函式、2列分組、2列排序、首次執行 600,040,000 35 4 5.006
Q4.2 Q4.1增加2個條件執行 144,420,000 100 4 0.826

在當前軟硬體環境下，掃描 6 億多行資料，常見的分析語句首次執行最慢在 8 秒左右能返回結果，相同的分析邏輯更換條件再次查詢的時候效率有明顯的提升，可以縮短到 1 秒左右，如果只是簡單的列查詢沒有加減乘除、聚合等邏輯，掃描全表 6 億多行資料首次查詢基本可以在 2 秒內執行完成。

相關文章