介绍
ClickHouse 是俄罗斯的 Yandex（相当于Google） 于 2016 年开源的用于 在线分析处理查询（OLAP ）MPP架构 的 列式存储数据库，能够使用 SQL 查询实时生成分析数据报告。
ClickHouse的全称是Click Stream，Data WareHouse。
clickhouse没有走hadoop生态，采用 Local attached storage 作为存储
为什么使用 Clickhouse
目前企业用户行为日志每天百亿量级，虽然经过数仓的分层以及数据汇总层通用维度指标的预计算，但有些个性化的分析场景还是需要直接编写程序或sql查询，这种情况下hive sql和spark sql的查询性能已无法满足用户需求，迫切的需要一个OLAP引擎来支持快速的 即席查询。
国内大厂使用情况
今日头条：内部用ClickHouse来做用户行为分析，内部一共几千个ClickHouse节点，单集群最大1200节点，总数据量几十PB，日增原始数据300TB左右。
腾讯：用ClickHouse做游戏数据分析，并且为之建立了一整套监控运维体系。
携程：从18年7月份开始接入试用，目前80%的业务都跑在ClickHouse上。每天数据增量十多亿，近百万次查询请求。
快手：使用ClickHouse，存储总量大约10PB， 每天新增200TB， 90%查询小于3S。
特点
列式存储
好处参见 链接
DBMS功能
几乎覆盖了标准 SQL 的大部分语法，包括 DDL 和 DML、，以及配套的各种函数；用户管理及权限管理、数据的备份与恢复
多样化引擎
目前包括合并树、日志、接口和其他四大类20多种引擎。
高吞吐写入能力
ClickHouse采用类 LSM Tree 的结构，数据写入后定期在后台Compaction。通过类 LSM tree的结构， ClickHouse在数据导入时全部是顺序append写，写入后数据段不可更改，在后台compaction时也是多个段merge sort后顺序写回磁盘。顺序写的特性，充分利用了磁盘的吞吐能力。
数据分区与线程及并行
ClickHouse将数据 划分为多个partition，每个partition再进一步划分为多个index granularity(索引粒度)，然后通过多个CPU核心分别处理其中的一部分来实现并行数据处理。在这种设计下， 单条 Query 就能利用整机所有 CPU。 极致的并行处理能力，极大的降低了查询延时。
所以， ClickHouse 即使对于大量数据的查询也能够化整为零平行处理。但是有一个弊端就是对于单条查询使用多cpu，就不利于同时并发多条查询。所以对于高 qps 的查询业务并不是强项。
缺点
- 不支持事务，目的是OLAP，支持事务会影响性能
- 不支持删除、更新
- 不适用高并发场景
应用场景
使用场景
用户行为分析系统。行为分析系统的表可以打成一个大的宽表形式，join 的形式相对少一点，可以实现路径分析、漏斗分析、路径转化等功能
BI报表。结合clickhouse的实时查询功能，可以实时的做一些需要及时产出的灵活BI报表需求，包括并成功应用于留存分析、用户增长、广告营销等
监控系统。视频播放质量、CDN质量，系统服务报错信息等指标，也可以接入ClickHouse，结合Kibana实现监控大盘功能
特征分析。使用Clickhouse针对大数据量的数据进行聚合计算来提取特征
最大的应用来自于Yandex的统计分析服务Yandex.Metrica，类似于谷歌Analytics(GA)，或友盟统计，小米统计，帮助网站或移动应用进行数据分析和精细化运营工具，据称Yandex.Metrica为世界上第二大的网站分析平台。ClickHouse在这个应用中，部署了近四百台机器，每天支持200亿的事件和历史总记录超过13万亿条记录，这些记录都存有原始数据（非聚合数据），随时可以使用SQL查询和分析，生成用户报告。
与 hadoop 生态合作
- 实时：数据流可以通过kafka或者flink实时处理之后，将结果通过JDBC方式导入到ClickHouse中
- 离线：数据落地HDFS ODS层，通过Spark或MR处理后，将结果批量导入到ClickHouse中
引用：
https://zhuanlan.zhihu.com/p/117326011
https://zhuanlan.zhihu.com/p/358821358
https://zhuanlan.zhihu.com/p/98135840