ES不香吗，为啥还要ClickHouse？

秒速五厘米 2022-08-30 12:59 187阅读 0赞

点击上方蓝色“石杉的架构笔记”，选择“设为星标”
    
    回复“PDF”获取独家整理的学习资料！

![8d3bf2224bfa42a37e69626490ba284e.png][]

**![f92d561d86dbde71180fb9972158fc72.png][]**

![a4e14815bf18d788ac2fbcb9879ff3a3.png][]

长按扫描上方一元购买

![3394e3f38bcf470bc79ed435041cac5a.png][]

“

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

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。

![ded1f4b4a29f5a2479057979d819bcde.png][]

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。

![dbc91be90a3d73b5739c24316632db30.png][]

如上图所示：

*  **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。

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。

![1fe6fae1a1b908f6efedb930fafca751.png][]

为了支持搜索，Clickhouse 同样支持布隆过滤器。

查询对比实战

为了对比 ES 和 Clickhouse 的基本查询能力的差异，我写了一些代码来验证：

https://github.com/gangtao/esvsch

这个测试的架构如下：

![17f973c5fded1b3d3f40d9dc0dd96405.png][]

架构主要有四个部分组成：

**①ES 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

**②Clickhouse 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

**③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。

**④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：

*  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：

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

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。

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：

![ff8d4447f21773a4504de6c35488993a.png][]

总查询时间的对比如下：

![4356127784de4ed74b179d229df00694.png][]

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

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。

*作者：**Gang Tao*

*编辑：陶家龙*

*出处：zhuanlan.zhihu.com/p/353296392***  **

![f0e33b66f756b8343aab0bee17d6cb4c.png][]

[8d3bf2224bfa42a37e69626490ba284e.png]: /images/20220829/a567027b9e8d4c1babd27e3578b8d113.png
[f92d561d86dbde71180fb9972158fc72.png]: /images/20220829/32f022eded234c87b750a19e3f1bda6e.png
[a4e14815bf18d788ac2fbcb9879ff3a3.png]: /images/20220829/baae2e81ed4e4e21a5328c72b9ab3f03.png
[3394e3f38bcf470bc79ed435041cac5a.png]: /images/20220829/b19a1ca5560e4d4399653957cd708680.png
[ded1f4b4a29f5a2479057979d819bcde.png]: /images/20220829/2675a575a29e4fffb8ce512153564a8f.png
[dbc91be90a3d73b5739c24316632db30.png]: /images/20220829/3ece78decd064f2f924f4cd53a250fdd.png
[1fe6fae1a1b908f6efedb930fafca751.png]: /images/20220829/d942c453f60f4b2bb29a92106203c27c.png
[17f973c5fded1b3d3f40d9dc0dd96405.png]: /images/20220829/d2021670f565457a931efeca387f5203.png
[ff8d4447f21773a4504de6c35488993a.png]: /images/20220829/ac025ff5d9b74ebaaf8ff2d6e617437f.png
[4356127784de4ed74b179d229df00694.png]: /images/20220829/30da1236361e4bcfac0c0e7b2bcdeae4.png
[f0e33b66f756b8343aab0bee17d6cb4c.png]: /images/20220829/5e3c5d41c09146cdb23cc051043deb0a.png