久久夜色网,在线播放【国产精品】,蜜桃在线码无精品秘入口九色,他撕开我的裙子猛地挺进,久99久热,欧美精品一区二区三区高清在线,久久综合九色,黄色电影国产


點(diǎn)擊關(guān)注公眾號(hào)，Java干貨及時(shí)送達(dá)
作者：Gang Tao 編輯：陶家龍
來(lái)源：zhuanlan.zhihu.com/p/353296392
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(lái)說(shuō)是通過(guò)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(kāi)源組件 Logstash（日志采集）和 Kibana（儀表盤(pán)）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(kāi)發(fā)的面向列式存儲(chǔ)的關(guān)系型數(shù)據(jù)庫(kù)。ClickHouse 是過(guò)去兩年中 OLAP 領(lǐng)域中最熱門(mén)的，并于 2016 年開(kāi)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(lái)，它的江湖地位受到了一些挑戰(zhàn)，許多公司已經(jīng)開(kāi)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(wèn)題。搜索是大數(shù)據(jù)領(lǐng)域要解決的一個(gè)常見(jiàn)的問(wèn)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(guò)濾器。

ES 通過(guò)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(wèn)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。

如上圖所示：

Client Node，負(fù)責(zé) API 和數(shù)據(jù)的訪問(wèn)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(kù)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(guò)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(shù)，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(guò)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(xiě)了一些代碼來(lái)驗(yàn)證：

https://github.com/gangtao/esvsch

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：

①ES 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

②Clickhouse 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

③數(shù)據(jù)導(dǎo)入 stack

數(shù)據(jù)導(dǎo)入部分使用了 Vector.dev 開(kāi)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。

④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(lái)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(méi)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(xiě)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\d*)>(?P\d)?(?P\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}\.\d{3}Z)?(?P\w+\.\w+)?(?P\w+)?(?P\d+)?(?PID\d+)?-?(?P.*)$']

[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：

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(kāi)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(lái)做一個(gè)對(duì)比。ES 使用自己的查詢語(yǔ)言來(lái)進(jìn)行查詢，Clickhouse 支持 SQL，我簡(jiǎn)單測(cè)試了一些常見(jiàn)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
{
??"query":{
????"exists":{
??????"field":"application"
????}
??}
}

#?Clickhouse
"SELECT?*?FROM?syslog?WHERE?application?is?not?NULL"

ES 是文檔類型的數(shù)據(jù)庫(kù)，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。

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(huà)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(guò)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(jiàn)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(méi)有任何優(yōu)化，對(duì)于 Clickhouse 也沒(méi)有打開(kāi)布隆過(guò)濾器?？梢?jiàn) Clickhouse 確實(shí)是一款非常優(yōu)秀的數(shù)據(jù)庫(kù)，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?；镜牟樵?，有些查詢可能存在無(wú)法用 SQL 表達(dá)的情況。

總結(jié)

本文通過(guò)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。


往
期
推
薦
1、Log4j2維護(hù)者吐槽沒(méi)工資還要挨罵，GO安全負(fù)責(zé)人建議開(kāi)源作者向公司收費(fèi)
2、太難了！讓程序員崩潰的8個(gè)瞬間
3、2021年程序員們都在用的神級(jí)數(shù)據(jù)庫(kù)
4、Windows重要功能被閹割，全球用戶怒噴數(shù)月后微軟終于悔改
5、牛逼！國(guó)產(chǎn)開(kāi)源的遠(yuǎn)程桌面火了，只有9MB 支持自建中繼器！
6、摔到老三的 Java，未來(lái)在哪？
7、真香！用 IDEA 神器看源碼，效率真高！
點(diǎn)分享
點(diǎn)收藏
點(diǎn)點(diǎn)贊
點(diǎn)在看

ES不香嗎，為啥還要ClickHouse？

往期推薦

ES不香嗎，為啥還要ClickHouse？

往
期
推
薦