还在用 ClickHouse？事实证明 ES 更强大！

墨蓝 2022-08-28 03:47 134阅读 0赞

点击上方“Java基基”，选择“设为星标”

做积极的人，而不是积极废人！

每天 **14:00** 更新文章，每天掉亿点点头发...

源码精品专栏

*  [原创 | Java 2021 超神之路，很肝~][_ Java 2021]  
    
 *  [中文详细注释的开源项目][Link 1]  
    
 *  [RPC 框架 Dubbo 源码解析][RPC _ Dubbo]
 *  [网络应用框架 Netty 源码解析][Netty]
 *  [消息中间件 RocketMQ 源码解析][RocketMQ]  
    
 *  [数据库中间件 Sharding-JDBC 和 MyCAT 源码解析][Sharding-JDBC _ MyCAT]
 *  [作业调度中间件 Elastic-Job 源码解析][Elastic-Job]
 *  [分布式事务中间件 TCC-Transaction 源码解析][TCC-Transaction]
 *  [Eureka 和 Hystrix 源码解析][Eureka _ Hystrix]
 *  [Java 并发源码][Java]

[来源：zhuanlan.zhihu.com/  
p/353296392][zhuanlan.zhihu.com_ p_353296392]

*  [架构和设计的对比][Link 2]
 *  [查询对比实战][Link 3]
 *  [总结][Link 4]

[![6486610c5dfa14cde716674caaf9eec5.png][]][Link 4]

--------------------

Elasticsearch 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logstash（日志采集）和Kibana（仪表盘）一起提供端到端的日志/搜索分析的功能，常常被简称为ELK。

Clickhouse是俄罗斯搜索巨头Yandex开发的面向列式存储的关系型数据库。ClickHouse是过去两年中OLAP领域中最热门的，并于2016年开源。

ES是最为流行的大数据日志和搜索解决方案，但是近几年来，它的江湖地位受到了一些挑战，许多公司已经开始把自己的日志解决方案从ES迁移到了Clickhouse，这里就包括：携程，快手等公司。

## [架构和设计的对比][Link 2] ##

ES的底层是Lucenc，主要是要解决搜索的问题。搜索是大数据领域要解决的一个常见的问题，就是在海量的数据量要如何按照条件找到需要的数据。搜索的核心技术是倒排索引和布隆过滤器。ES通过分布式技术，利用分片与副本机制，直接解决了集群下搜索性能与高可用的问题。

[![f8456bba692878be02befb60d4a478c3.png][]][zhuanlan.zhihu.com_ p_353296392]

ElasticSearch是为分布式设计的，有很好的扩展性，在一个典型的分布式配置中，每一个节点（node）可以配制成不同的角色，如下图所示：

*  Client Node，负责API和数据的访问的节点，不存储／处理数据
 *  Data Node，负责数据的存储和索引
 *  Master Node， 管理节点，负责Cluster中的节点的协调，不存储数据。

[![4fd4b5811a32f5f6b33876997edb4833.png][]][zhuanlan.zhihu.com_ p_353296392]

ClickHouse是基于MPP架构的分布式ROLAP（关系OLAP）分析引擎。每个节点都有同等的责任，并负责部分数据处理（不共享任何内容）。ClickHouse 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（向量或列块）执行的过程。让查询变得更快，最简单且有效的方法是减少数据扫描范围和数据传输时的大小，而列式存储和数据压缩就可以帮助实现上述两点。Clickhouse同时使用了日志合并树，稀疏索引和CPU功能（如SIMD单指令多数据）充分发挥了硬件优势，可实现高效的计算。Clickhouse 使用Zookeeper进行分布式节点之间的协调。

[![f1a3d53515912f9f68efbd11862f70be.png][]][zhuanlan.zhihu.com_ p_353296392]

为了支持搜索，Clickhouse同样支持布隆过滤器。

> 推荐下自己做的 Spring Boot 的实战项目：
> 
> https://github.com/YunaiV/ruoyi-vue-pro

## [查询对比实战][Link 3] ##

为了对比ES和Clickhouse的基本查询能力的差异，我写了一些代码（https://github.com/gangtao/esvsch）来验证。

这个测试的架构如下：

[![64e342c4cfb6bee64ad03e7561443897.png][]][zhuanlan.zhihu.com_ p_353296392]

架构主要有四个部分组成：

*  ES stack ES stack有一个单节点的Elastic的容器和一个Kibana容器组成，Elastic是被测目标之一，Kibana作为验证和辅助工具。部署代码如下：

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

*  Clickhouse stack Clickhouse stack有一个单节点的Clickhouse服务容器和一个TabixUI作为Clickhouse的客户端。部署代码如下：

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

*  数据导入 stack 数据导入部分使用了Vector.dev开发的vector，该工具和fluentd类似，都可以实现数据管道式的灵活的数据导入。
 *  测试控制 stack 测试控制我使用了Jupyter，使用了ES和Clickhouse的Python SDK来进行查询的测试。

用Docker compose启动ES和Clickhouse的stack后，我们需要导入数据，我们利用Vector的generator功能，生成syslog，并同时导入ES和Clickhouse，在这之前，我们需要在Clickhouse上创建表。ES的索引没有固定模式，所以不需要事先创建索引。

创建表的代码如下：

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);

创建好表之后，我们就可以启动vector，向两个stack写入数据了。vector的数据流水线的定义如下：

[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<priority>\d*)>(?P<version>\d) (?P<timestamp>\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}\.\d{3}Z) (?P<hostname>\w+\.\w+) (?P<application>\w+) (?P<pid>\d+) (?P<mid>ID\d+) - (?P<message>.*)$']
    
    [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

这里简单介绍一下这个流水线：

*  http://source.in 生成syslog的模拟数据，生成10w条，生成间隔和0.01秒
 *  transforms.clone\_message 把原始消息复制一份，这样抽取的信息同时可以保留原始消息
 *  transforms.parser 使用正则表达式，按照syslog的定义，抽取出application，hostname，message ，mid ，pid ，priority ，timestamp ，version 这几个字段
 *  transforms.coercer 数据类型转化
 *  sinks.out\_console 把生成的数据打印到控制台，供开发调试
 *  sinks.out\_clickhouse 把生成的数据发送到Clickhouse
 *  sinks.out\_es 把生成的数据发送到ES

运行Docker命令，执行该流水线：

docker run \
      -v $(mkfile_path)/vector.toml:/etc/vector/vector.toml:ro \
      -p 18383:8383 \
      timberio/vector:nightly-alpine

数据导入后，我们针对一下的查询来做一个对比。ES使用自己的查询语言来进行查询，Clickhouse支持SQL，我简单测试了一些常见的查询，并对它们的功能和性能做一些比较。

*  返回所有的记录

> 推荐下自己做的 Spring Cloud 的实战项目：
    >
    > <https://github.com/YunaiV/onemall>
    
    # ES
    {
      "query":{
        "match_all":{}
      }
    }
    
    # Clickhouse
    "SELECT * FROM syslog"

*  匹配单个字段

# ES
    {
      "query":{
        "match":{
          "hostname":"for.org"
        }
      }
    }
    
    # Clickhouse
    "SELECT * FROM syslog WHERE hostname='for.org'"

*  匹配多个字段

# ES
    {
      "query":{
        "multi_match":{
          "query":"up.com ahmadajmi",
            "fields":[
              "hostname",
              "application"
            ]
        }
      }
    }
    
    # Clickhouse、
    "SELECT * FROM syslog WHERE hostname='for.org' OR application='ahmadajmi'"

*  单词查找，查找包含特定单词的字段

# ES
    {
      "query":{
        "term":{
          "message":"pretty"
        }
      }
    }
    
    # Clickhouse
    "SELECT * FROM syslog WHERE lowerUTF8(raw) LIKE '%pretty%'"

*  范围查询， 查找版本大于2的记录

# ES
    {
      "query":{
        "range":{
          "version":{
            "gte":2
          }
        }
      }
    }
    
    # Clickhouse
    "SELECT * FROM syslog WHERE version >= 2"

*  查找到存在某字段的记录 ES是文档类型的数据库，每一个文档的模式不固定，所以会存在某字段不存在的情况；而Clickhouse对应为字段为空值

# ES
    {
      "query":{
        "exists":{
          "field":"application"
        }
      }
    }
    
    # Clickhouse
    "SELECT * FROM syslog WHERE application is not NULL"

*  正则表达式查询，查询匹配某个正则表达式的数据

# ES
    {
      "query":{
        "regexp":{
          "hostname":{
            "value":"up.*",
              "flags":"ALL",
                "max_determinized_states":10000,
                  "rewrite":"constant_score"
          }
        }
      }
    }
    
    # Clickhouse
    "SELECT * FROM syslog WHERE match(hostname, 'up.*')"

*  聚合计数，统计某个字段出现的次数

# ES
    {
      "aggs":{
        "version_count":{
          "value_count":{
            "field":"version"
          }
        }
      }
    }
    
    # Clickhouse
    "SELECT count(version) FROM syslog"

*  聚合不重复的值，查找所有不重复的字段的个数

# ES
    {
      "aggs":{
        "my-agg-name":{
          "cardinality":{
            "field":"priority"
          }
        }
      }
    }
    
    # Clickhouse
    "SELECT count(distinct(priority)) FROM syslog "

我用Python的SDK，对上述的查询在两个Stack上各跑10次，然后统计查询的性能结果。

我们画出出所有的查询的响应时间的分布：

[![fbf38bc585c9ccbfd918e14a7204c866.png][]][zhuanlan.zhihu.com_ p_353296392]

总查询时间的对比如下：

[![b84379e789f5d784d682fb8342954adb.png][]][zhuanlan.zhihu.com_ p_353296392]

通过测试数据我们可以看出Clickhouse在大部分的查询的性能上都明显要优于Elastic。在正则查询（Regex query）和单词查询（Term query）等搜索常见的场景下，也并不逊色。

在聚合场景下，Clickhouse表现异常优秀，充分发挥了列村引擎的优势。

注意，我的测试并没有任何优化，对于Clickhouse也没有打开布隆过滤器。可见Clickhouse确实是一款非常优秀的数据库，可以用于某些搜索的场景。当然ES还支持非常丰富的查询功能，这里只有一些非常基本的查询，有些查询可能存在无法用SQL表达的情况。

## [总结][zhuanlan.zhihu.com_ p_353296392] ##

本文通过对于一些基本查询的测试，对比了Clickhouse 和Elasticsearch的功能和性能，测试结果表明，Clickhouse在这些基本场景表现非常优秀，性能优于ES，这也解释了为什么用很多的公司应从ES切换到Clickhouse之上。

--------------------

欢迎加入我的知识星球，一起探讨架构，交流源码。加入方式，**长按下方二维码噢**：

![73fd1bc35f3be8365bbe39f72495e19b.png][]

已在知识星球更新源码解析如下：

[![2e8ee550dd00d6451acaa4d46e3bd6a6.png][]][_ Java 2021]

[![3d003f137eb39359d41ffb14146358d8.png][]][_ Java 2021]

[![d4d91bc123972d2e90635db38cf02ead.png][]][_ Java 2021]

[![617775c03ff0c214922391f556b66821.png][]][_ Java 2021]

最近更新《芋道 SpringBoot 2.X 入门》系列，已经 101 余篇，覆盖了 MyBatis、Redis、MongoDB、ES、分库分表、读写分离、SpringMVC、Webflux、权限、WebSocket、Dubbo、RabbitMQ、RocketMQ、Kafka、性能测试等等内容。

提供近 3W 行代码的 SpringBoot 示例，以及超 6W 行代码的电商微服务项目。

获取方式：点“**在看**”，关注公众号并回复 **666** 领取，更多内容陆续奉上。

文章有帮助的话，在看，转发吧。
    谢谢支持哟 (*^__^*）

[_ Java 2021]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247487551&idx=1&sn=18f64ba49f3f0f9d8be9d1fdef8857d9&chksm=fa496f8ecd3ee698f4954c00efb80fe955ec9198fff3ef4011e331aa37f55a6a17bc8c0335a8&scene=21#wechat_redirect
[Link 1]: https://blog.csdn.net/qq_40831778/article/details/102375778
[RPC _ Dubbo]: https://blog.csdn.net/uoyou138/article/details/107024989
[Netty]: https://blog.csdn.net/shishishilove/article/details/108051416
[RocketMQ]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247486256&idx=1&sn=81daccd3fcd2953456c917630636fb26&chksm=fa497481cd3efd97d9239f5eab060e49dea9876a6046eadba0effb878d2fb51f3ba5733e4c0b&scene=21#wechat_redirect
[Sharding-JDBC _ MyCAT]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247486257&idx=1&sn=4d3c9c675f8833157641a2e0b48e498c&chksm=fa497480cd3efd96fe17975b0b8b141e87fd0a62673e6a30b501460de80b3eb997056f09de08&scene=21#wechat_redirect
[Elastic-Job]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247486258&idx=1&sn=ae5665ae9c3002b53f87cab44948a096&chksm=fa497483cd3efd950514da5a37160e7fd07f0a96f39265cf7ba3721985e5aadbdcbe7aafc34a&scene=21#wechat_redirect
[TCC-Transaction]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247486259&idx=1&sn=b023cf3dbf97e5da59db2f4ee632f5a6&chksm=fa497482cd3efd9402d71469f71863f71a6998b27e12ca2e00446b8178d79dcef0721d8e570a&scene=21#wechat_redirect
[Eureka _ Hystrix]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247486260&idx=1&sn=8f14c0c191d6f8df6eb34202f4ad9708&chksm=fa497485cd3efd93937143a648bc1b530bc7d1f6f8ad4bf2ec112ffe34dee80b474605c22db0&scene=21#wechat_redirect
[Java]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247486261&idx=1&sn=bd69f26aadfc826f6313ffbb95e44ee5&chksm=fa497484cd3efd92352d6fb3d05ccbaebca2fafed6f18edbe5be70c99ba088db5c8a7a8080c1&scene=21#wechat_redirect
[zhuanlan.zhihu.com_ p_353296392]: https://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247487551&idx=1&sn=18f64ba49f3f0f9d8be9d1fdef8857d9&scene=21#wechat_redirect
[Link 2]: https://blog.csdn.net/kyl282889543/article/details/93621672
[Link 3]: https://blog.csdn.net/ThinkWon/article/details/103592572
[Link 4]: https://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247487551&idx=1&sn=18f64ba49f3f0f9d8be9d1fdef8857d9&chksm=fa496f8ecd3ee698f4954c00efb80fe955ec9198fff3ef4011e331aa37f55a6a17bc8c0335a8&scene=21&token=899450012&lang=zh_CN#wechat_redirect
[6486610c5dfa14cde716674caaf9eec5.png]: /images/20220828/b64c3294fa83478397e84cd653fdcb2f.png
[f8456bba692878be02befb60d4a478c3.png]: /images/20220828/7c0778e50dbb48c38e6ccca4cebcc2bf.png
[4fd4b5811a32f5f6b33876997edb4833.png]: /images/20220828/f47826b9d74c42f3b9f076b3db6c7ee4.png
[f1a3d53515912f9f68efbd11862f70be.png]: /images/20220828/ce78a7169bbe4d56ad51f87f8897a53e.png
[64e342c4cfb6bee64ad03e7561443897.png]: /images/20220828/8485ec29fab043a7b7b621fe31f6039d.png
[fbf38bc585c9ccbfd918e14a7204c866.png]: /images/20220828/7f54d19b40824ccf884a61169688a7d8.png
[b84379e789f5d784d682fb8342954adb.png]: /images/20220828/c209e7279fb841228d00d1c69ecdc8ed.png
[73fd1bc35f3be8365bbe39f72495e19b.png]: /images/20220828/96c05a0221a54fad931b3ae9d4f3086b.png
[2e8ee550dd00d6451acaa4d46e3bd6a6.png]: /images/20220828/1cc5f8b7a62647c6995b772acfb6f7c9.png
[3d003f137eb39359d41ffb14146358d8.png]: /images/20220828/a4f5c41a635846e3a5cb177ffb40201d.png
[d4d91bc123972d2e90635db38cf02ead.png]: /images/20220828/32a90be895a24b36b667ffde45a4c8ef.png
[617775c03ff0c214922391f556b66821.png]: /images/20220828/a03a768e29b8471983b8e5e73d1fc82c.png