1. <strong id="7actg"></strong>
    2. <table id="7actg"></table>

    3. <address id="7actg"></address>
      <address id="7actg"></address>
      1. <object id="7actg"><tt id="7actg"></tt></object>

        ES 不香嗎,為啥被大廠摒棄而遷移到ClickHouse?

        共 10358字,需瀏覽 21分鐘

         ·

        2023-08-09 14:27

        Elasticsearch 是一個(gè)實(shí)時(shí)的分布式搜索分析引擎,它的底層是構(gòu)建在 Lucene 之上的。簡(jiǎn)單來說是通過擴(kuò)展 Lucene 的搜索能力,使其具有分布式的功能。ES通常會(huì)和其它兩個(gè)開源組件 logstash(日志采集)和Kibana(儀表盤)一起提供端到端的日志/搜索分析的功能,常常被簡(jiǎn)稱為ELK。
        Clickhouse是俄羅斯搜索巨頭Yandex開發(fā)的面向列式存儲(chǔ)的關(guān)系型數(shù)據(jù)庫。ClickHouse是過去兩年中OLAP領(lǐng)域中最熱門的,并于2016年開源。
        ES是最為流行的大數(shù)據(jù)日志和搜索解決方案,但是近幾年來,它的江湖地位受到了一些挑戰(zhàn),許多公司已經(jīng)開始把自己的日志解決方案從ES遷移到了Clickhouse,這里就包括:攜程,快手等公司。

        架構(gòu)和設(shè)計(jì)的對(duì)比

        ES的底層是Lucenc,主要是要解決搜索的問題。搜索是大數(shù)據(jù)領(lǐng)域要解決的一個(gè)常見的問題,就是在海量的數(shù)據(jù)量要如何按照條件找到需要的數(shù)據(jù)。搜索的核心技術(shù)是倒排索引和布隆過濾器。ES通過分布式技術(shù),利用分片與副本機(jī)制,直接解決了集群下搜索性能與高可用的問題。

        ElasticSearch是為分布式設(shè)計(jì)的,有很好的擴(kuò)展性,在一個(gè)典型的分布式配置中,每一個(gè)節(jié)點(diǎn)(node)可以配制成不同的角色,如下圖所示:
        • Client Node,負(fù)責(zé)API和數(shù)據(jù)的訪問的節(jié)點(diǎn),不存儲(chǔ)/處理數(shù)據(jù)
        • Data Node,負(fù)責(zé)數(shù)據(jù)的存儲(chǔ)和索引
        • Master Node, 管理節(jié)點(diǎn),負(fù)責(zé)Cluster中的節(jié)點(diǎn)的協(xié)調(diào),不存儲(chǔ)數(shù)據(jù)。

        ClickHouse 是基于MPP架構(gòu)的分布式 ROLAP(關(guān)系OLAP)分析引擎。每個(gè)節(jié)點(diǎn)都有同等的責(zé)任,并負(fù)責(zé)部分?jǐn)?shù)據(jù)處理(不共享任何內(nèi)容)。ClickHouse 是一個(gè)真正的列式數(shù)據(jù)庫管理系統(tǒng)(DBMS)。在 ClickHouse 中,數(shù)據(jù)始終是按列存儲(chǔ)的,包括矢量(向量或列塊)執(zhí)行的過程。讓查詢變得更快,最簡(jiǎn)單且有效的方法是減少數(shù)據(jù)掃描范圍和數(shù)據(jù)傳輸時(shí)的大小,而列式存儲(chǔ)和數(shù)據(jù)壓縮就可以幫助實(shí)現(xiàn)上述兩點(diǎn)。Clickhouse同時(shí)使用了日志合并樹,稀疏索引和CPU功能(如SIMD單指令多數(shù)據(jù))充分發(fā)揮了硬件優(yōu)勢(shì),可實(shí)現(xiàn)高效的計(jì)算。Clickhouse 使用Zookeeper進(jìn)行分布式節(jié)點(diǎn)之間的協(xié)調(diào)。

        為了支持搜索,Clickhouse同樣支持布隆過濾器。

        查詢對(duì)比實(shí)戰(zhàn)

        為了對(duì)比ES和Clickhouse的基本查詢能力的差異,我寫了一些代碼(https://github.com/gangtao/esvsch)來驗(yàn)證。
        這個(gè)測(cè)試的架構(gòu)如下:

        架構(gòu)主要有四個(gè)部分組成:

        • ES stack ES stack有一個(gè)單節(jié)點(diǎn)的Elastic的容器和一個(gè)Kibana容器組成,Elastic是被測(cè)目標(biāo)之一,Kibana作為驗(yàn)證和輔助工具。

          部署代碼如下:
           
        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: - elasticsearch
        volumes: elasticsearch-data: driver: local
        • Clickhouse stack Clickhouse stack有一個(gè)單節(jié)點(diǎn)的Clickhouse服務(wù)容器和一個(gè)TabixUI作為Clickhouse的客戶端。

          部署代碼如下:
           
        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
        • 數(shù)據(jù)導(dǎo)入 stack 數(shù)據(jù)導(dǎo)入部分使用了Vector.dev開發(fā)的vector,該工具和fluentd類似,都可以實(shí)現(xiàn)數(shù)據(jù)管道式的靈活的數(shù)據(jù)導(dǎo)入。

        • 測(cè)試控制 stack 測(cè)試控制我使用了Jupyter,使用了ES和Clickhouse的Python SDK來進(jìn)行查詢的測(cè)試。

        用 Docker compose 啟動(dòng) ES 和 Clickhouse 的 stack 后,我們需要導(dǎo)入數(shù)據(jù),我們利用 Vector 的 generator 功能,生成 syslog,并同時(shí)導(dǎo)入ES和Clickhouse,在這之前,我們需要在Clickhouse上創(chuàng)建表。ES的索引沒有固定模式,所以不需要事先創(chuàng)建索引。
        創(chuàng)建表的代碼如下:
           
        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);
        創(chuàng)建好表之后,我們就可以啟動(dòng)vector,向兩個(gè)stack寫入數(shù)據(jù)了。vector的數(shù)據(jù)流水線的定義如下:
           
        [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

        這里簡(jiǎn)單介紹一下這個(gè)流水線:

        • http://source.in 生成syslog的模擬數(shù)據(jù),生成10w條,生成間隔和0.01秒
        • transforms.clone_message 把原始消息復(fù)制一份,這樣抽取的信息同時(shí)可以保留原始消息
        • transforms.parser 使用正則表達(dá)式,按照syslog的定義,抽取出application,hostname,message ,mid ,pid ,priority ,timestamp ,version 這幾個(gè)字段
        • transforms.coercer 數(shù)據(jù)類型轉(zhuǎn)化
        • sinks.out_console 把生成的數(shù)據(jù)打印到控制臺(tái),供開發(fā)調(diào)試
        • sinks.out_clickhouse 把生成的數(shù)據(jù)發(fā)送到Clickhouse
        • sinks.out_es 把生成的數(shù)據(jù)發(fā)送到ES

        運(yùn)行Docker命令,執(zhí)行該流水線:

           
        docker run \  -v $(mkfile_path)/vector.toml:/etc/vector/vector.toml:ro \  -p 18383:8383 \  timberio/vector:nightly-alpine
        數(shù)據(jù)導(dǎo)入后,我們針對(duì)一下的查詢來做一個(gè)對(duì)比。ES使用自己的查詢語言來進(jìn)行查詢,Clickhouse支持SQL,我簡(jiǎn)單測(cè)試了一些常見的查詢,并對(duì)它們的功能和性能做一些比較。
        • 返回所有的記錄

           
        # ES{  "query":{    "match_all":{}  }}
        # Clickhouse"SELECT * FROM syslog"
        • 匹配單個(gè)字段

           
        # ES{  "query":{    "match":{      "hostname":"for.org"    }  }}
        # Clickhouse"SELECT * FROM syslog WHERE hostname='for.org'"
        • 匹配多個(gè)字段

        # ES{  "query":{    "multi_match":{      "query":"up.com ahmadajmi",        "fields":[          "hostname",          "application"        ]    }  }}
        # Clickhouse、"SELECT * FROM syslog WHERE hostname='for.org' OR application='ahmadajmi'"

        單詞查找,查找包含特定單詞的字段

           
        # ES{  "query":{    "term":{      "message":"pretty"    }  }}
        # Clickhouse"SELECT * FROM syslog WHERE lowerUTF8(raw) LIKE '%pretty%'"
        • 范圍查詢, 查找版本大于2的記錄

           
        # ES{  "query":{    "range":{      "version":{        "gte":2      }    }  }}
        # Clickhouse"SELECT * FROM syslog WHERE version >= 2"
        • 查找到存在某字段的記錄

        ES是文檔類型的數(shù)據(jù)庫,每一個(gè)文檔的模式不固定,所以會(huì)存在某字段不存在的情況;而Clickhouse對(duì)應(yīng)為字段為空值
           
        # ES{  "query":{    "exists":{      "field":"application"    }  }}
        # Clickhouse"SELECT * FROM syslog WHERE application is not NULL"
        • 正則表達(dá)式查詢,查詢匹配某個(gè)正則表達(dá)式的數(shù)據(jù)

        # ES{  "query":{    "regexp":{      "hostname":{        "value":"up.*",          "flags":"ALL",            "max_determinized_states":10000,              "rewrite":"constant_score"      }    }  }}
        # Clickhouse"SELECT * FROM syslog WHERE match(hostname, 'up.*')"

        聚合計(jì)數(shù),統(tǒng)計(jì)某個(gè)字段出現(xiàn)的次數(shù)

           
        # ES{  "aggs":{    "version_count":{      "value_count":{        "field":"version"      }    }  }}
        # Clickhouse"SELECT count(version) FROM syslog"
        • 聚合不重復(fù)的值,查找所有不重復(fù)的字段的個(gè)數(shù)

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

        我用 Python 的 SDK,對(duì)上述的查詢?cè)趦蓚€(gè)Stack上各跑10次,然后統(tǒng)計(jì)查詢的性能結(jié)果。

        我們畫出出所有的查詢的響應(yīng)時(shí)間的分布:

        總查詢時(shí)間的對(duì)比如下:

        通過測(cè)試數(shù)據(jù)我們可以看出 Clickhouse 在大部分的查詢的性能上都明顯要優(yōu)于 Elastic。在正則查詢(Regex query)和單詞查詢(Term query)等搜索常見的場(chǎng)景下,也并不遜色。

        在聚合場(chǎng)景下,Clickhouse 表現(xiàn)異常優(yōu)秀,充分發(fā)揮了列村引擎的優(yōu)勢(shì)。
        注意,我的測(cè)試并沒有任何優(yōu)化,對(duì)于 Clickhouse 也沒有打開布隆過濾器。可見 Clickhouse 確實(shí)是一款非常優(yōu)秀的數(shù)據(jù)庫,可以用于某些搜索的場(chǎng)景。當(dāng)然ES還支持非常豐富的查詢功能,這里只有一些非常基本的查詢,有些查詢可能存在無法用SQL表達(dá)的情況。

        總結(jié)

        本文通過對(duì)于一些基本查詢的測(cè)試,對(duì)比了 Clickhouse 和 Elasticsearch 的功能和性能,測(cè)試結(jié)果表明,Clickhouse在這些基本場(chǎng)景表現(xiàn)非常優(yōu)秀,性能優(yōu)于ES,這也解釋了為什么用很多的公司應(yīng)從 ES 切換到 Clickhouse 之上。

        鏈接:https://zhuanlan.zhihu.com/p/353296392

        (版權(quán)歸原作者所有,侵刪)

        瀏覽 4258
        點(diǎn)贊
        評(píng)論
        收藏
        分享

        手機(jī)掃一掃分享

        分享
        舉報(bào)
        評(píng)論
        圖片
        表情
        推薦
        點(diǎn)贊
        評(píng)論
        收藏
        分享

        手機(jī)掃一掃分享

        分享
        舉報(bào)
        1. <strong id="7actg"></strong>
        2. <table id="7actg"></table>

        3. <address id="7actg"></address>
          <address id="7actg"></address>
          1. <object id="7actg"><tt id="7actg"></tt></object>
            欧美黄网在线观看 | 国产精品久久久久久亚洲毛片 | 操B精品| 女警花被毒贩调教成乳牛 | 色偷偷AV老熟女一区二 | 狠狠色综合网 | 亚洲AⅤ网站 | 中国操逼的 | 亚洲一品道 | 福利一区二区 |