只是甲的博客

文章目录一.测试环境准备二. 测试结果2.1 Hive2.2 Hive on Spark2.3 Doris2.4 Clickhouse2.5 测试结果一.测试环境准备测试环境:Doris 4台虚拟机，4核8G 150GB普通磁盘。Hive 4台虚拟机，4核8G 150GB普通磁盘。Hive on Spark 同HiveClickHouse 1台虚拟，4核8G 150GB普通磁盘。测试数据:

文章目录一. 环境准备二.将MySQL大表数据复制到CK2.1 初步测试同步数据2.2 调整了所有参数后再次运行2.3 修改表结构参考:一. 环境准备MySQL端:mysql> select count(*) from fact_sale;+-----------+| count(*) |+-----------+| 767830000 |+-----------+1 row in set (3 min 8.65 sec)mysql> desc fact_sale;

基本上来说传统关系型数据库（以 MySQL 为例）的 SQL 语句，ClickHouse 基本都支持， 这里不会从头讲解 SQL 语法只介绍 ClickHouse 与标准 SQL（MySQL）不一致的地方。文章目录一. Insert二. Update 和 Delete三. 查询操作四. alter 操作五. 导出数据一. Insert基本与标准 SQL（MySQL）基本一致（1）标准insert into [table_name] values(…),(….)（2）从表到表的插入insert

文章目录一. 表引擎的使用二. TinyLog三. Memory四. MergeTree4.1 partition by 分区(可选)4.2 primary key 主键(可选)4.3 order by（必选）4.4 二级索引4.5 数据 TTL4.5.1 列级别 TTL4.5.2 表级 TTL五. ReplacingMergeTree六. SummingMergeTree一. 表引擎的使用表引擎是 ClickHouse 的一大特色。可以说， 表引擎决定了如何存储表的数据。包括：➢ 数据的存储方式和位

文章目录一. 整型二. 浮点型三. 布尔型四. Decimal 型五. 字符串5.1 String5.2 FixedString(N)六. 枚举类型七. 时间类型八. 数组一. 整型固定长度的整型，包括有符号整型或无符号整型。 整型范围（-2n-1~2n-1-1）：Int8 - [-128 : 127]Int16 - [-32768 : 32767]Int32 - [-2147483648 : 2147483647]Int64 - [-9223372036854775808 : 92233720

文章目录一.下载安装介质及安装1.1 下载1.2 安装二. 修改配置文件三. 启动Server3.1 启动Server3.2 关闭开启自启3.3 使用Client连接server一.下载安装介质及安装1.1 下载官网：https://clickhouse.tech/下载地址：https://repo.yandex.ru/clickhouse/rpm/stable/x86_64/需要以下四个rpm包：cd /usr/local/srcmkdir ckcd ckwget https://rep

文章目录一. 什么是ClickHouse？二. OLAP场景的关键特征三. ClickHouse的特性3.1 真正的列式数据库管理系统3.2 数据压缩3.3 数据的磁盘存储3.4 多核心并行处理3.5 多服务器分布式处理3.6 支持SQL3.7 向量引擎3.8 实时的数据更新3.9 索引3.10 适合在线查询3.11 支持近似计算3.12 Adaptive Join Algorithm3.13 支持数据复制和数据完整性3.14 角色的访问控制3.15 限制四. 性能4.1 单个大查询的吞吐量4.2 处理短查