clickhouse 19.14.m.n简单测试（更新到23.2）
ClickHouse is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP). 是Yandex开发的。ClickHouse的优势是使用了面向列的DBMS，比MySQL等面向行的数据库有单表统计查询优势，同时又比同样属于面向列DBMS的更有效的节省空间（不适用固定大小存储数据），使用数据压缩后，可以传输更多，延迟小等。如下：
虽说clickhouse支持多表，但是官网宣传的通常是最强项。所以clickhouse的多表和ELT能力可以忽略不计，最多算是能力补上而已。
安装比较简单，可以使用yum安装，也可以下载rpm（从github https://github.com/ClickHouse/ClickHouse下载），然后离线安装（LZ使用的是离线安装）。
rpm -ivh clickhouse-common-static-22.3.12.19.x86_64.rpm
rpm -ivh clickhouse-client-22.3.12.19.x86_64.rpm
rpm -ivh clickhouse-server-22.3.12.19.x86_64.rpm
推荐使用22.10+版本（该版本增加了各种randXXX函数用于支持快速生成测试数据 https://blog.csdn.net/neweastsun/article/details/130140681）。
配置远程访问
vi /etc/clickhouse-server/config.xml
设置默认用户default的密码
vi /etc/clickhouse-server/users.xml
启停
#启动命令
/etc/init.d/clickhouse-server start
#停止
/etc/init.d/clickhouse-server stop
#重启
/etc/init.d/clickhouse-server restart
客户端测试
[root@oracle19c-asm ~]# clickhouse-client --password '123456' ClickHouse client version 22.3.10.22 (official build). Connecting to localhost:9000 as user default. Connected to ClickHouse server version 22.3.10 revision 54455. oracle19c-asm.localdomain :) oracle19c-asm.localdomain :) oracle19c-asm.localdomain :) show users; SHOW USERS Query id: 35784160-967d-46b2-bfa4-31e59ac4387f 0 rows in set. Elapsed: 0.004 sec. Received exception from server (version 22.3.10): Code: 497. DB::Exception: Received from localhost:9000. DB::Exception: default: Not enough privileges. To execute this query it's necessary to have grant SHOW USERS ON *.*. (ACCESS_DENIED) oracle19c-asm.localdomain :) select current_user; SELECT current_user Query id: f8f9e07d-a3ac-456c-b8b9-42b8bdb684e7 0 rows in set. Elapsed: 0.002 sec. Received exception from server (version 22.3.10): Code: 47. DB::Exception: Received from localhost:9000. DB::Exception: Missing columns: 'current_user' while processing query: 'SELECT current_user', required columns: 'current_user'. (UNKNOWN_IDENTIFIER) oracle19c-asm.localdomain :) select user(); SELECT user() Query id: d28a8548-ce70-4aac-bcf3-d3effa6fa8b9 ┌─currentUser()─┐ │ default │ └───────────────┘ 1 rows in set. Elapsed: 0.002 sec. oracle19c-asm.localdomain :) exit Bye.
导入mysql中的表定义和数据
CREATE TABLE TA_TSHARECURRENTS_INNODB ENGINE = MergeTree order by c_cserialno AS
SELECT * FROM mysql('192.168.XX.XX:3306', 'ta_cs', 'TA_TSHARECURRENTS_INNODB', 'root', '123456');
其中该表有300多万条记录。速度还是很快的。
c_cserialno必须在mysql那边定义为not null，而不管数据是否本身有为null，否则执行时会报"DB::Exception: Sorting key cannot contain nullable columns"。
DBeaver客户端访问
数据类型
clickhouse支持的数据类型和一般的RDBMS以及列式数据库不同，这个比较坑爹。
UInt8, UInt16, UInt32, UInt64, Int8, Int16, Int32, Int64
Float32, Float64
Boolean（不存在，使用 UInt8的0和1代替）
String（任意长度，代替VARCHAR, BLOB, CLOB,或者其他DBMS来的字符数据类型）
FixedString(N) （N bytes长度的字符串）
Date （日期，例如：1970-01-01 ）
DateTime （日期时间，例如：1970-01-01 00:00:00）
Enum8, Enum16 （Enum8、Enum16 定义为键值对 ‘String’ = Int8 和 ‘String’ = Int16，例如：x Enum8(‘hello’ = 1, ‘world’ = 2)）
Array(T) （数组，复合数据类型，例如：select [1, 2] AS x, toTypeName(x) ;）
Tuple(T1, T2, …) (元组，复合数据类型，例如：SELECT tuple(1,’a’) AS x, toTypeName(x) ;)
Nullable(TypeName) (没有值的时候填充null，TypeName不可复合数据类型，例如：CREATE TABLE t_null(x Int8,y Nullable(Int8)))
SQL语法以及内置函数
除此之外，clickhouse很多的内置函数也都不同于主流的RDBMS，sql语法差异也比较大，在LZ测试的比较复杂的SQL中，mariadb columnstore/greenplum稍微调整下就能支持，到了clickhouse，半天没改出来，报错信息也各种迷糊，虽然文档比较全了，但是感觉到真正广泛使用还是友好性太差。
clickhouse的优势
分页查询很快，这是其相比其它列式数据库如columnstore/greenplum最大的优势。
-- 500毫秒
select * from TA_TCUSTOMERINFO_INNODB x order by x.c_fundacco limit 100;
-- 1秒内
select * from TA_TCUSTOMERINFO_INNODB x order by x.c_fundacco limit 100000,100;
--- 7.5秒
select * from TA_TCUSTOMERINFO_INNODB x order by x.c_fundacco limit 2000000,100;
3.3 常见FAQ
Q1：无法在本地连接ClickHouse，报错：Connecton reject。 A1：clickhouse默认不放开远程访问，可以通过修改配置文件的方式放开。
修改服务器的配置文件/etc/clickhouse-server/config.xml，第65行，放开注释即可。
修改之后，重启服务：
service clickhouse-server stop
service clickhouse-server start
Q2：修改metrika.xml里面的shard或者replica参数之后，数据库无法启动；
A2：如果之前已经建了Replica表，那么必须在修改上述两个参数之前把已经创建好的Replica表删掉，才能去修改，否则会无法启动。报错日志放在/var/log/clickhouse-server/下。
clickhouse postgresql_fdw的性能测试如下：
https://www.percona.com/blog/2019/05/09/improving-olap-workload-performance-for-postgresql-with-clickhouse-database/
https://www.percona.com/blog/2019/05/01/benchmark-clickhouse-database-and-clickhousedb_fdw/
参考：
https://blog.csdn.net/yangwei234/article/details/124111943 clickhouse入门
clickhouse可视化运维工具ckman https://blog.csdn.net/u010280075/article/details/135716052
