ClickHouse为何能超越Elasticsearch？

最新推荐文章于 2025-11-28 00:25:27 发布
原创 最新推荐文章于 2025-11-28 00:25:27 发布 · 2.5k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#elasticsearch #数据库 #大数据

背景

Elasticsearch是一个强大的分布式全文检索和数据分析引擎，也是日志分析系统经常使用的一种实现方案，但近年来随着ClickHouse的发展，Elasticsearch在日志分析领域的地位逐渐被取代，许多公司已经将自己的日志分析解决方案从ES迁移到了ClickHouse，比如阿里、bilibili、快手等公司，公司内部有一些团队的数据分析业务也从ES迁移到了ClickHouse。为什么ClickHouse会受到越来越多人的青睐？它与ES相比有什么过人之处？

ClickHouse是俄罗斯搜索巨头Yandex公司于2016年开源的一个列式数据库管理系统，是面向列式存储的关系型数据库，这两年来Clickhouse凭借其极致的性能，成为OLAP领域的后起之秀，发展速度非常快。下面将从数据存储成本、数据写入吞吐量、数据查询速度三个方面详细分析ClickHouse的优势。

数据存储成本

传统的关系型数据库都是面向行存储，而ClickHouse是面向列存储。列式存储有什么优势呢？

行式存储









行式存储在物理上是逐行存储的，每行的数据在物理上是连续的。

列式存储









列式存储在物理上是逐列存储的，每列的数据在物理上是连续的

最低0.47元/天 解锁文章
Maugs_Luyao
关注
《ClickHouse企业级应用：入门、进阶与实战》1 全面了解ClickHouse
AI天才研究院
01-31 1万+
近年来，ClickHouse发展势头迅猛，社区、大厂纷纷跟进使用。面对万亿级的数据查询分析也能做到亚秒级响应。那么，ClickHouse 到底是何方神圣？为什么如此受青睐？各位看官，欲知 ClickHouse 为何方神圣，且往下看。本章我们先来了解什么是ClickHouse，内容包括ClickHouse是什么，它具有哪些特性，适用哪些应用场景等。1.1 ClickHouse 概述本节介绍 ClickHouse 是什么、发展历程，以及ClickHouse在 OLAP 生态中的位置。同时，简单介绍了 OLAP
ClickHouse 与 Parquet（第一篇） ：构建快速 Lakehouse 分析的坚实基础
ClickHouseDB的博客
05-19 1336
深入介绍 ClickHouse 如何支持 Lakehouse 更高层的数据表格式和元数据管理机制。
不是 ES 用不起，而是 ClickHouse 更具“性价比”？
LinkSLA的博客
01-18 1536
经过十三年的发展，某快递公司目前C端累计注册用户超2.5亿、P端（专业用户）累计注册快递员及网点经营者超130万、B端累计服务电商企业/泛电商企业/品牌企业/政府与公共组织等客户超250万家；每天快递查询调用量超4亿次、寄件下单量超30万单。
clickhouse 代替 es 如何对文档做模糊查询？
禹鼎侯的博客
01-20 3945
模糊查询在日志存储的场景中非常普遍。ClickHouse作为大数据分布式引擎，理所当然地会被作为日志存储的备选方案。事实上使用ClickHouse作为日志存储方案，业界目前也已经在多家企业落地，比如Uber、石墨文档、映客、快手、携程、唯品会等。日志查询的一个最大的特点是，几乎极少涉猎点查询，而模糊查询则占据了绝大部分使用场景。这也是为什么ES凭借其逆天的分词能力在日志存储领域杀疯了的原因。但ES存储的瓶颈近些年也逐渐显现， 如压缩率低，需要较大的存储成本，当数据量过大时，查询性能也比较差。
go-callvis自定义模板开发：打造个性化可视化输出终极指南
最新发布
gitblog_00562的博客
11-28 655
go-callvis是一个强大的Go程序调用图可视化工具，能够帮助开发者直观理解代码结构和函数调用关系。通过自定义模板开发，你可以打造完全个性化的可视化输出，让代码分析变得更加高效和专业。 ## 🎯 为什么需要自定义模板 默认的可视化输出虽然功能强大，但在实际项目中，你可能需要： - 适配团队特定的代码风格和架构规范 - 突出显示关键业务逻辑和核心模块 - 与现有的文档和报告系统集成 -
clickhouse到底有哪些吊炸天的优化？
禹鼎侯的博客
01-20 4512
从技术实现上来说，肯定是可行的。上面有三个part，现在我的诉求是查询出其中>=3且<=5的所有数据，虽然在各个part内部，数据本身是有序的，但是这三个part很不凑巧地都包含了3~5的范围，因此必须每个part都扫描一遍，而实际上，part3是没有任何符合条件的数据的，所以这个扫描其实是无用的操作。热数据，经常会被查询的数据（比如近两三天的数据），存储到固态磁盘，这样不论是写入，还是查询都非常快，超过一定时间的数据，可以通过存储策略转移到机械磁盘上，因为查询频率并不怎么高，那么受到的影响就会有限。
Elasticsearch VS ClickHouse
cr7258的博客
08-02 930
Clickhouse 是俄罗斯搜索巨头 Yandex 开发的完全列式存储计算的分析型数据库。ClickHouse 在这两年的 OLAP 领域中一直非常热门，国内互联网大厂都有大规模使用。 Elasticsearch 是一个近实时的分布式搜索分析引擎，它的底层存储完全构建在 Lucene 之上。简单来说是通过扩展 Lucene 的单机搜索能力，使其具有分布式的搜索和分析能力。 Elasticsearch 通常会和其它两个开源组件 Logstash（日志采集）和 Kibana（仪表盘）一起提供端到端的日志/搜索
「译」2021年，Clickhouse 在日志存储与分析方面作为 ElasticSearch 和 MySQL 的替代方案...
Go中国
03-16 1018
原文地址：https://pixeljets.com/blog/clickhouse-vs-elasticsearch/原文作者：Anton Sidashin本文永久链接：https://...
日志之ClickHouse部署及替换ELK中的Elasticsearch
上善若泪
05-01 1283
ClickHouse 官方 RPM 包通常针对 x86_64 架构编译，并依赖 SSE 4.2 指令集，检查当前CPU是否支持SSE 4.2，如果不支持，需要通过源代码编译构建。FileBeat 配置文件说明，坑点 1（需设置 keys_under_root: true）。复制 default.bi_inner_log_local 的列定义（列名、类型等），但不复制数据。修改监听地址（允许远程访问）： 默认只监听本地（127.0.0.1）。的 DDL 语法，用于在集群的所有节点上同步执行 DDL 语句。
ClickHouse发起十亿JSON文档挑战，性能完胜MongoDB、ES、DuckDB和PostgreSQL等数据库
ClickHouseDB的博客
02-22 2212
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。
Elasticsearch和MongoDB对比
JavaMonsterr的博客
07-11 813
官网：https://www.elastic.co/cn/elasticsearch/Elastic is the leading platform for search-powered solutions. We accelerate results that matter. Elastic是搜索解决方案的领先平台。我们加速了重要的结果。ElasticSearch(简称ES)是一个开源的高扩展的分布式全文检索引擎;它可以近乎实时的存储、检索数据;本身扩展性很好,可以扩展到上百台服务器;可以处理PB级别的数
ClickHouse vs Elasticsearch谁更胜一筹？
这个时代，作为程序员可能要学习小程序
11-23 1138
点击上方关注 “终端研发部”设为“星标”，和你一起掌握更多数据库知识 ​Elasticsearch和ClickHouse都是支持分布式多机的数据产品!背景：ElasticsearchElasticsearch 是一个实时的分布式搜索分析引擎，它的底层是构建在Lucene之上的。简单来说是通过扩展Lucene的搜索能力，使其具有分布式的功能。ES通常会和其它两个开源组件logs...
为什么越来越多的公司开始用Clickhouse取代Elasticsearch？
无敌码农
05-18 2699
在一些大数据实时数据服务中，一般需要将多维度的业务数据及离线计算数据以准实时查询的方式提供给业务方使用。在存储系统的选择上，像Hive这种大数据存储系统又并不太适合进行实时数据查询，而传统MySQL这种关系型数据库在单表数据量庞大的情况下复杂条件查询的性能较低，因此针对此类实时大数据查询服务，一般会选择像HBase、Elasticsearch，以及Clickhouse这样...
ClickHouse和Elasticsearch压测对比，谁才是yyds？
石杉的架构笔记
09-04 534
文章来源：https://my.oschina.net/u/4090830/blog/5570795目录1 需求分析2 测试环境准备3 采集工具准备4 压测执行及结果分析1 需求分析1.1 分析压测对象1）什么是 ClickHouse 和 ElasticsearchClickHouse 是一个真正的列式数据库管理系统（DBMS)。在 ClickHouse 中，数据始终是按列存储的，包括矢量（向量或...
Hbase、Kudu和ClickHouse横向对比V2.0
热门推荐
super_chenzhou
07-30 2万+
Hbase、Kudu和ClickHouse横向对比
ClickHouse和ES在人群圈选上的对比
MLwodejia的博客
05-22 1676
ClickHouse和ES在人群圈选上的对比ES标签存储的痛点ClickHouse替代ES标签存储ES人群圈选ClickHouse人群圈选ClickHouse标签存储和人群圈选的优势ClickHouse集成Bitmap什么是BitmapBitmap位运算Bitmap缺点 ES标签存储的痛点 标签导入到ES的时间过长，需要等待各种数据准备就绪，才能关联查询 Mapping在建好之后不能更改字段类型 新增或修改标签，不能够实时进行 ES的DSL语法对用户不太友好 ClickHouse替代ES标签存储 相同
相比ES，ClickHouse简直不要太香！
石杉的架构笔记
05-24 5006
文章来源：【公众号：唯技术】目录背景日志系统演进之路‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍技术详解前端日志查询系统正确使用姿势背景唯品会日志系统 dragonfly 1.0 是基于 EFK 构建，于 2014 年服务至今已长达 7 年，支持物理机日志采集，容器日志采集，特殊分类日志综合采集等，大大方便了全公司日志的存储和查询。随着公司的业务发展，日志应用...
ClickHouse与ES的优劣对比
damimi00的博客
08-05 1万+
优点：凝天小说网 https://www.2792.info ClickHouse写入吞吐量大，单服务器日志写入量在50MB到200MB/s，每秒写入超过60w记录数，是ES的5倍以上。 查询速度快，官方宣称数据在pagecache中，单服务器查询速率大约在2-30GB/s；没在pagecache的情况下，查询速度取决于磁盘的读取速率和数据的压缩率。。 ClickHouse比ES服务器成本更低。一方面ClickHouse的数据压缩比比ES高，相同数据占用的磁盘空间只有ES的1/3到1/30，节省了磁盘空间.
相比ES，ClickHouse简直不要太香
强哥叨逼叨
05-25 3237
目录 背景 日志系统演进之路 技术详解 前端日志查询系统 正确使用姿势 背景 唯品会日志系统 dragonfly 1.0 是基于 EFK 构建，于 2014 年服务至今已长达 7 年，支持物理机日志采集，容器日志采集，特殊分类日志综合采集等，大大方便了全公司日志的存储和查询。 随着公司的业务发展，日志应用场景逐渐遇到了一些瓶颈，主要表现在应用数量和打印的日志越来越多，开发需要打印更多日志，定位业务问题，做出运营数据分析。 另外外部攻击问
es经验是elasticsearch？
03-19
<think>嗯，用户问的是“es经验是elasticsearch？”，首先需要确认这里的“es”是否指的是Elasticsearch。通常来说，在技术领域，“ES”确实是Elasticsearch的常见缩写，比如在开发、运维或者数据分析中经常提到。不过，也有可能存在其他含义，比如某个特定领域的术语或者另一个工具的简称，但可能性较低。 接下来，我需要详细解释Elasticsearch是什么。它是基于Lucene的搜索引擎，主要用于全文检索、结构化搜索和分析。支持分布式架构，能够处理大规模数据，适合实时搜索的场景。这里需要提到它的核心功能，比如倒排索引、近实时搜索、高可用性等。 然后，应用场景部分要覆盖常见的用例，比如日志分析（ELK Stack）、电商搜索、企业搜索、安全分析（SIEM）等。每个场景可以简单举例说明，帮助用户理解实际用途。 基本概念方面，要解释索引（类似于数据库）、文档（数据单元）、分片和副本（分布式存储机制）、节点与集群（扩展性和高可用性）。这些是用户在使用Elasticsearch时需要理解的关键术语。 经验积累部分，需要给出学习路径或最佳实践。比如先学习基础概念和REST API，然后掌握数据建模、查询优化、集群管理。还要提到性能调优的技巧，如分片策略、JVM配置、硬件选择。工具链方面，可以介绍Kibana、Logstash、Beats等周边生态。 最后，确认用户的问题，确保他们了解ES即Elasticsearch，并鼓励进一步提问。需要保持回答结构清晰，逐步展开，避免使用技术术语过多，同时确保信息准确。</think>好的，我来逐步解释这个问题： 1. **ES的缩写含义确认** "ES"在技术领域通常指 **Elasticsearch**，它是一个基于Lucene构建的**开源分布式搜索引擎**，属于Elastic Stack（ELK Stack）的核心组件。 2. **Elasticsearch的核心特性** - **分布式架构**：支持横向扩展，自动分片数据 - **全文检索**：基于倒排索引实现快速文本搜索 - **近实时（NRT）**：数据写入后约1秒可被检索 - **多数据类型**：支持结构化、非结构化、地理空间数据 - **RESTful API**：通过HTTP接口进行操作 3. **典型应用场景** | 场景类型 | 具体应用 | |---|---| | 日志分析 | ELK Stack（Elasticsearch+Logstash+Kibana）| | 电商搜索 | 商品多维度过滤、自动补全 | | 企业搜索 | 文档内容检索、知识库查询 | | 安全分析 | SIEM系统中的威胁检测 | 4. **关键概念解析** - **索引（Index）**：类似数据库中的表 - **文档（Document）**：存储的基本数据单元（JSON格式） - **分片（Shard）**：数据分区单位（主分片+副本分片） - **节点（Node）**：集群中的单个服务器实例 5. **经验积累建议** 1. 从基础开始： - 学习DSL查询语法（如`match`, `term`, `bool`查询） - 掌握Mapping设计与分析器配置 2. 性能优化： - 分片数量规划（建议单个分片大小10-50GB） - JVM堆内存设置（不超过32GB，通常设物理内存50%） 3. 运维管理： - 使用`_cat API`监控集群健康状态 - 通过ILM（Index Lifecycle Management）管理数据生命周期 如果具体想了解Elasticsearch的某些技术细节（如分词器原理、分布式一致性机制等），可以进一步提问。ES作为现代搜索技术的代表，其设计思想对理解分布式系统很有帮助。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值