ClickHouseDB-优快云博客

AI Agent 逐步成为实时分析数据库的活跃用户，这一变化正在重塑我们对数据系统的认知。虽然这一趋势尚处于早期阶段，但随着模型上下文协议 (Model Context Protocol) 的推出，以及 AI 驱动分析工具生态系统的不断扩展，数据系统的基础架构正在逐步演进，以适应这一新需求。AI Agent 正在从单纯的查询执行工具和“函数调用者”，发展为具备数据理解能力、上下文管理能力和洞察力的智能助手。这一趋势既带来了巨大的机遇，也伴随着挑战。

2025-03-02 14:34:13 1004

原创 ClickHouse 开源了 kubenetmon 开源：讲解 ClickHouse Cloud 如何传输监控数据

本文字数：13618；估计阅读时间：35 分钟作者： Ilya Andreev本文在公众号【ClickHouseInc】首发在本文中，我们宣布开源 kubenetmon——这是我们用于监控 ClickHouse Cloud 数据传输的工具。项目地址：GitHub https://github.com/ClickHouse/kubenetmon。云计算为软件团队提供了诸多优势，例如现成的基础设施组件、无限的可扩展性、高性价比等。在云成本规划中，许多企业都会精打细算计算和存储资源的使用。

2025-02-23 11:45:00 755

原创用 BuzzHouse 填补 ClickHouse 数据库模糊测试的空白

本文字数：5651；估计阅读时间：15 分钟作者： Pedro Ferreira本文在公众号【ClickHouseInc】首发近年来，模糊测试 (Fuzzing) 已成为热门研究方向，广泛用于发现软件缺陷，包括崩溃、错误输出和安全漏洞。数据库同样是研究重点，许多专门针对数据库的模糊测试工具相继问世。ClickHouse 也积极采用模糊测试工具进行测试。

2025-02-23 10:15:00 615

原创 Warehouses：解密 ClickHouse Cloud 的计算资源分离

本文字数：6753；估计阅读时间：17 分钟作者： Dmitry Pavlov本文在公众号【ClickHouseInc】首发在现代云数据库服务中，计算资源分离 (compute-compute separation) 是一种强大的技术，它通过为特定的工作负载、用户或业务功能提供独立的计算资源，优化数据库性能和资源管理。不同于传统的资源共享模式，这种方法可以为不同类型的数据库操作（如读和写）提供专属计算实例，降低操作之间的干扰。

2025-02-22 22:05:42 890

原创 ClickHouse 25.1 版本发布说明

本文字数：12318；估计阅读时间：31 分钟作者： ClickHouse Team本文在公众号【ClickHouseInc】首发又到了每月发布新版本的时间！发布概要ClickHouse 25.1 版本正式发布，本次更新带来了🦃、在本次发布中，我们优化了并行哈希连接算法，引入了二级哈希表进行加速；在表级别新增了 MinMax 索引；改进了 Merge 表；增加了自增功能……还有更多精彩更新等你探索！热烈欢迎 25.1 版本的新贡献者！

2025-02-22 22:00:00 1237

原创 ClickHouse发起十亿JSON文档挑战，性能完胜MongoDB、ES、DuckDB和PostgreSQL等数据库

在我们的基准测试中，ClickHouse 在存储效率和查询性能方面全面超越了所有测试过的 JSON 数据存储系统。在分析型查询方面，ClickHouse 不仅更快——相比领先的 JSON 数据存储（如 MongoDB），它的速度快数千倍，相比 DuckDB 和 PostgreSQL 也是如此，并且比 Elasticsearch 快十倍以上。

2025-02-22 17:31:44 1362

原创使用 Evidence.dev 可视化 BlueSky 数据

在本篇博客中，我们将深入解析 Evidence.dev 的独特之处，以及它在数据应用构建方面与其他工具的不同之处。按照本文的步骤，你可以高效分析 BlueSky 数据，并构建类似的仪表板来探索你的数据集。目前，我们已将该项目部署到 https://bluesky.evidence.app，你可以在这里查看 BlueSky 数据集的各种可视化结果。通常，浏览器会自动打开 Evidence 应用，如果没有，请手动访问 localhost:3000，即可看到 Evidence 的界面。

2025-02-22 15:20:20 902

原创 ClickHouse 24.12 版本发布说明

本文字数：11871；估计阅读时间：30 分钟作者： ClickHouse官方本文在公众号【ClickHouseInc】首发又到了月度版本更新的时间！发布概要ClickHouse 24.12 版本重磅发布，本次更新带来了🦃、本次版本新增了多项实用功能，包括改进 Enum 的可用性、支持 Iceberg REST 目录和模式演进、实现反序表排序、支持将 JSON 子列作为主键、自动优化 JOIN 的执行顺序等更多亮点功能！我们热烈欢迎 24.12 版本中的所有新贡献者！

2025-02-22 14:07:52 985

原创利用高级监控仪表板解决常见数据库问题

通过这篇文章，我们了解了 ClickHouse 的高级仪表板功能，包括如何开始使用它，以及如何利用它识别和解决常见问题。无论您选择哪种部署方式，这款轻量级的监控工具都可以开箱即用。如果您倾向于使用 Prometheus 等第三方监控工具，也可以参考官方文档中的示例进行配置。此外，ClickHouse Cloud 还提供了专属的新仪表板功能，让您可以创建更丰富的可视化效果，值得进一步探索。

2025-02-22 13:53:52 571

原创 ClickHouse 官方文档：处理 JSON 数据（2/2）

本文字数：15445；估计阅读时间：39分钟作者： ClickHouse team本文在公众号【ClickHouseInc】首发用于导入的几乎所有 JSON 格式都可以用于导出。

2025-02-22 12:27:49 1063

原创 ClickHouse 官方文档：处理 JSON 数据（1/2）

本文字数：27902；估计阅读时间：70分钟作者： ClickHouse team本文在公众号【ClickHouseInc】首发。

2025-02-21 22:18:16 829

原创 ClickHouse 查询优化实用指南：第一部分

ClickHouse Playground 中的一个数据集是 NYC Taxi 数据集，其中包含纽约市出租车行程的详细数据。在没有进行任何优化的情况下，我们已经将这个数据集导入。以下是创建表并从 S3 存储桶导入数据的命令。为了方便操作，我们直接从数据中推断表结构。SELECT *接下来，我们先看一下 ClickHouse 自动生成的表结构。识别慢查询。

2024-12-29 22:45:12 896

原创使用 ClickHouse 实现 Medallion 架构

本文字数：5739；估计阅读时间：15 分钟作者： PME Team本文在公众号【ClickHouseInc】首发在大规模数据工程中，高效地整理、转换和分析数据集是核心任务。Medallion 架构是一种广泛应用的数据工作流设计模式，利用分层转换方法来组织数据并提高其质量。传统上，人们使用 Spark 和 Delta Lake 等工具来实现这一流程，从原始、杂乱的数据中系统地提取出干净且高质量的数据集，供最终用户分析和使用。

2024-12-29 22:33:49 1164

原创内部运营干货：手把手教你借助 ClickHouse 搞定产品运营分析

用户群组（cohort）指的是一组在特定时间内共享某些特征或行为的用户。通常，这些群组用于分析用户行为随时间变化的模式。对我们而言，用户群组指的是过去一个月内注册 ClickHouse Cloud 的用户。通过这些群组，我们可以跟踪并比较其参与度、激活率和转化率的趋势，与其他月度群组进行对比。虽然用户群组可以从计费和计量数据中识别，但在产品分析中也能通过简单的查询实现：SELECTuser_id,由于该结果集在分析中被频繁使用，我们将此查询转化为一个物化视图 prod_org_creations。

2024-12-29 22:30:00 1119

原创 ClickHouse 官方文档：如何使用 Grafana 分析数据【5/5】

本文字数：5226；估计阅读时间：14 分钟作者： ClickHouse官方本文在公众号【ClickHouseInc】首发是 ClickHouse 中可观测性数据的首选可视化工具。通过官方的 ClickHouse 插件，用户可以轻松集成。用户可参考这里的安装说明进行安装【https://clickhouse.com/docs/en/integrations/grafana】。

2024-12-29 22:12:17 968

原创 ClickHouse 24.11 版本发布说明

本次ClickHouse 24.11版本包含了9个新功能🎁、15项性能优化🛷、68个bug修复🐛

2024-12-29 21:51:45 930

原创 ClickHouse 官方文档：设计可观测性数据模型【2/5】

本文字数：46287；估计阅读时间：116 分钟作者： ClickHouse官方本文在公众号【ClickHouseInc】首发本篇为第二篇《设计数据模型》，正文如下：：默认模式使用了基于的设计，这种方式是为特定的访问模式优化的。然而，您的实际访问模式可能与此不完全一致，因此需要根据需求选择主键。：用户可能希望从现有列中提取新字段，例如从列中解析出额外的信息。这可以通过使用物化列来实现，在更复杂的情况下，可以利用物化视图。实现这些功能需要对数据模型进行修改。

2024-12-07 11:00:49 868

原创 ClickHouse 官方文档：使用 ClickHouse 构建可观测性解决方案【1/5】

本文字数：3933；估计阅读时间：10 分钟作者： ClickHouse官方本文在公众号【ClickHouseInc】首发。

2024-12-07 10:31:10 1176

原创 ClickHouse 官方文档：模式设计 Scheam Design

本文字数：11241；估计阅读时间：29 分钟作者：ClickHouse官方本文在公众号【ClickHouseInc】首发设计高效的模式是提升 ClickHouse 性能的关键，这需要在多个选项之间做出权衡。最佳的设计方案取决于查询类型、数据更新频率、延迟需求和数据量等因素。本指南将介绍一些模式设计的最佳实践和数据建模技巧，帮助您优化 ClickHouse 的性能。本指南中的示例基于 Stack Overflow 数据集的一个子集。

2024-12-07 10:27:06 1177

原创 ClickHouse可观测性的故事终于完整了，基于 SQL的技术演进依然在持续

ClickHouse 早已在数据输入输出上就支持 JSON 格式，这也促成了它与可观测性工具的早期整合。用户可以通过 ClickHouse 的原生接口或 HTTP 接口发送 JSON 数据，并选择多种输出格式满足需求。这种灵活性使 ClickHouse 更容易集成 OpenTelemetry、Grafana 等工具，实现流畅的数据摄取与可视化。同时，它让用户能轻松构建自定义接口，使 ClickHouse 能适应多种可观测性应用场景。

2024-12-07 10:18:09 695

原创 ClickHouse 24.10 版本发布说明

本文字数：13817；估计阅读时间：35 分钟作者：ClickHouse Team本文在公众号【ClickHouseInc】首发又到了新版本发布的时间！本次ClickHouse 24.10 版本包含了🎁、🛷、🐛在本次发布中，clickhouse-local 更加实用，新增了复制和计算器模式。可刷新物化视图已达到生产就绪标准，远程文件支持缓存，表克隆操作也得到了简化。正如往常，我们热烈欢迎所有 24.9 版本中的新贡献者！

2024-11-10 15:54:01 1333 1

原创 ClickHouse 神助攻：纽约城市公共交通管理（MTA）数据应用挑战赛

我们在处理 MTA 数据时玩得很开心（尽量让数据清理过程更有趣！），希望我们的工作能帮助大家更轻松地进行有趣的数据分析。如果您在示例库【https://github.com/ClickHouse/sql.clickhouse.com】中创建了新的查询或图表，欢迎与我们分享！

2024-10-30 17:53:27 1096

原创奔走相告！ ClickHouse 全新构建了强大的 JSON 数据类型

本文字数：8969；估计阅读时间：23 分钟作者：Pavel Kruglov本文在公众号【ClickHouseInc】首发。

2024-10-30 17:43:06 1147

原创超强实用技巧：使用 ClickHouse 构建实时单页应用程序

开源用户可以利用预定义 HTTP 接口将客户端与 SQL 查询解耦。此功能允许 ClickHouse 暴露一个端点，将用户传入的参数注入到预定义 SQL 查询中，并将结果返回给用户。对于简单的业务应用，这能让客户端只需调用有限的 REST API。前述访问限制和配额管理的原则同样适用于调用用户。

2024-10-29 23:54:36 1125

原创使用 ClickHouse 的 UDF 解决语义版本的需求

应用版本通常采用语义版本控制（Semantic Versioning），版本格式为 <主版本>.<次版本>.<补丁版本>。我们可以利用正则表达式和 extract 函数来提取任何符合语义版本格式的内容，这样可以从字符串开头获取语义版本。我在 Embrace 工作，我们构建了唯一基于 OpenTelemetry 的用户中心移动应用可观测性解决方案，并使用 ClickHouse 为我们的时间序列分析产品提供支持。将语义版本重写为整数数组后，排序将符合预期，且不同长度的版本也可以正常排序！

2024-10-29 23:45:21 720

原创基于 ClickHouse、Apache Arrow 和 Perspective 的流式实时可视化

本文字数：9053；估计阅读时间：23 分钟作者：Dale McDiarmid本文在公众号【ClickHouseInc】首发。

2024-10-29 23:37:57 860

原创 ClickHouse 24.9 版本发布说明

首发又到新版本发布的时间了！

2024-10-11 17:26:48 879

原创使用 ClickHouse 和 Estuary Flow 进行实时 Salesforce 分析

本文字数：2794；估计阅读时间：7 分钟作者： Estuary本文在公众号【ClickHouseInc】首发实时处理和分析数据的能力已经成为各行业企业的关键需求。ClickHouse 是一个高性能的列式数据库管理系统，与强大的数据集成平台 Estuary Flow 相结合，构建了一个能够从数百个数据源中摄取并转换数据的实时分析平台。本文将深入探讨通过 Estuary Flow 的 Dekaf 功能将这些技术无缝集成的详细过程。

2024-10-09 17:55:34 955

原创在 10 分钟内通过 ClickHouse Cloud 查询端点给应用程序增加数据分析功能

ClickHouse 的开发速度常常令新用户感到惊喜，最近的发布周中，我们推出了许多新功能，使得使用 ClickHouse 变得更加简单。我们在开源代码库中详细记录了它的秘诀：通过使用 ClickHouse 的物化视图在插入时计算聚合，确保查询能在毫秒级内响应，从而提供快速且流畅的用户体验。希望从浏览器调用端点的用户，还可以配置允许的域的 CORS 头。目标很简单：如果用户查看的包托管在 GitHub 上，则在我们的主要 ClickPy 分析页面中添加一些简单指标，比如星标、关注、问题和拉取请求的数量。

2024-10-08 21:41:16 752

原创我们如何构建 ClickHouse 内部的数据仓库：一年回顾的思考【Part2】

在 DWH 中，我们不仅提供这些实时数据的原始格式，还提供其转换后的聚合状态，例如实时事件的聚合结果。对于我们的数据仓库，ClickHouse 的强大之处在于，它能轻松将实时数据与批处理报告结合，从而扩展了可查询的数据范围。例如，在增加新的数据源时，dbt 允许我们通过时间函数轻松合并不同时间导入的数据，并在数据准备好后触发后续流程。同时，随着指标的复杂性增加，原先简单的 count() 和 sum() 操作逐渐被更复杂的窗口函数和数据差异化处理所取代，这些操作还会基于外部表中的条件进行过滤。

2024-10-08 13:44:15 927

空空如也

空空如也