跳到主要内容
跳到主要内容

我可以将 ClickHouse 用作键值存储吗?

简短的回答是 "不"。键值工作负载在 使用 ClickHouse 的情况列表中名列前茅。毕竟,它是一个 OLAP 系统,而外面有许多优秀的键值存储系统。

但是,在某些情况下,使用 ClickHouse 进行类似键值的查询仍然是有意义的。通常,这是一些低预算产品,其主要工作负载是分析性质,适合 ClickHouse,但也有一些次要的过程需要键值模式,且请求吞吐量不是很高,没有严格的延迟要求。如果你有无限的预算,你会为这个次要工作负载安装一个次要的键值数据库,但实际上,还有维护另一个存储系统(监控、备份等)的额外成本,这可能是希望避免的。

如果你决定不遵循建议并对 ClickHouse 执行一些类似键值的查询,以下是一些提示:

  • ClickHouse 中点查询成本高的主要原因是其稀疏主索引来源于主要的 MergeTree 表引擎系列。该索引无法指向每一特定行数据,而是指向每第 N 行,系统必须从相邻的第 N 行扫描到所需行,在此过程中读取过多数据。在键值场景中,使用 index_granularity 设置来减少 N 的值可能是有用的。
  • ClickHouse 将每列保存在一组单独的文件中,因此要组装完整的一行数据,它需要遍历每个文件。文件的数量随列数线性增加,因此在键值场景中,可能值得避免使用过多的列,而将所有有效负载放在单个 String 列中,并采用诸如 JSON、Protobuf 或其他适合的序列化格式进行编码。
  • 还有一种替代方法是使用 Join 表引擎,而不是普通的 MergeTree 表,并使用 joinGet 函数来检索数据。这可以提供更好的查询性能,但可能存在一些可用性和可靠性问题。这里有一个 使用示例