ClickHouse 是近年非常流行的开源列式数据库，主打极致的分析型（OLAP）查询性能，适用于日志分析、数据仓库、BI 等大数据场景。这里分享下 ClickHouse 的核心原理、Docker 部署、常见 SQL 操作和实用技巧，帮助新手快速上手。

一、ClickHouse 简介

  • 列式存储：数据按列存储，适合分析型聚合查询，压缩比高，I/O 效率高。
  • 高并发高性能：天生适合大数据量、复杂聚合统计、实时分析。
  • 丰富的 SQL 支持：兼容标准 SQL，支持窗口函数、分区、分布式表等。
  • 易于扩展：单机、集群均支持，扩容方便。

二、Docker 快速部署

最简单的方式是用官方 Docker 镜像：

docker run -d --name clickhouse-server --ulimit nofile=262144:262144 \
  -p 8123:8123 -p 9000:9000 -p 9009:9009 \
  -v $PWD/clickhouse/data:/var/lib/clickhouse \
  -v $PWD/clickhouse/config.xml:/etc/clickhouse-server/config.xml \
  yandex/clickhouse-server:latest
  • 8123：HTTP 接口（可用 curl 或浏览器访问）
  • 9000：Native TCP 协议（客户端/驱动用）
  • 9009：用于内部通信、监控

也可以用 docker-compose 管理：

clickhouse:
  image: yandex/clickhouse-server:latest
  container_name: clickhouse
  ports:
    - "8123:8123"
    - "9000:9000"
  volumes:
    - ./clickhouse/data:/var/lib/clickhouse
    - ./clickhouse/config.xml:/etc/clickhouse-server/config.xml

三、客户端连接方式

  • 命令行客户端：
    docker exec -it clickhouse-server clickhouse-client
  • HTTP API：
    直接用 curl：
    curl 'http://localhost:8123/?query=SELECT+1'
  • GUI 工具：如 DBeaver、Tabix、DataGrip、官方 ClickHouse Keeper。

四、建表与基础 SQL

1. 建表

CREATE TABLE test.events (
    event_date Date,
    event_id   UInt32,
    user_id    UInt64,
    action     String
) ENGINE = MergeTree()
PARTITION BY toYYYYMM(event_date)
ORDER BY (event_date, event_id);
  • MergeTree 是最常用的 OLAP 表引擎。
  • 分区字段建议用日期，ORDER BY 影响查询性能。

2. 插入数据

INSERT INTO test.events (event_date, event_id, user_id, action)
VALUES ('2025-06-20', 1001, 123456, 'login');

3. 查询示例

聚合统计：

SELECT
  event_date,
  count() AS total,
  count(DISTINCT user_id) AS uv
FROM test.events
WHERE event_date >= '2025-06-01'
GROUP BY event_date
ORDER BY event_date;

简单查询：

SELECT * FROM test.events WHERE user_id = 123456 LIMIT 10;

五、常用高级特性

1. 批量导入数据

  • CSV 导入：

    clickhouse-client --query="INSERT INTO test.events FORMAT CSV" < data.csv

  • JSON 导入：

    clickhouse-client --query="INSERT INTO test.events FORMAT JSONEachRow" < data.json

2. 物化视图（Materialized View）

做实时聚合、加速查询：

CREATE MATERIALIZED VIEW test.daily_count
ENGINE = SummingMergeTree()
PARTITION BY toYYYYMM(event_date)
ORDER BY event_date
AS
SELECT event_date, count() AS cnt
FROM test.events
GROUP BY event_date;

3. TTL 自动清理历史数据

ALTER TABLE test.events
MODIFY COLUMN event_date Date TTL event_date + INTERVAL 30 DAY;

30 天自动清理过期分区。

4. 分布式表

适合多节点集群，单机可略。

六、性能与运维建议

  • 建表时 ORDER BY 影响数据写入和后续查询效率，建议用常用的过滤字段。
  • 定期 OPTIMIZE TABLE 合并小分区，提升查询效率。
  • 查询慢时可用 EXPLAIN 或 system.query_log 诊断。
  • 推荐使用 MergeTree 系列表引擎（ReplacingMergeTree、AggregatingMergeTree 等）根据业务场景选择。
  • 生产环境注意内存、磁盘空间与文件句柄限制。

七、常见问题

  1. 无法连接 9000 端口？
    检查防火墙、端口映射和 config.xml 配置。

  2. 数据无法写入？
    检查表结构与导入格式，日志可用 docker logs clickhouse-server 查看。

  3. 查询慢？
    优化 ORDER BY、分区字段，避免全表扫描，善用物化视图。

八、结语

ClickHouse 作为新一代高性能分析型数据库，已经在日志、监控、数据仓库、BI 等场景大规模应用。配合 Prometheus/Grafana 等观测系统，或者直接作为业务分析引擎，都是极佳选择。

欢迎交流你的 ClickHouse 实践经验！

参考资料