Clickhouse集群性能测试（全网独家精华版）
背景
公司使用clickhouse作为其时序分析数据库，在上线前需要对Clickhouse集群做一个性能基准测试，用于数据评估。这里我搭建了三节点的集群，集群采用三分片单副本的模式（即数据分别存储在三个Clickhouse节点上，每个Clickhouse节点都有一个单独的副本，如下图：
具体的搭建方式参考：Clickhouse集群搭建
性能测试说明
性能关注指标
- clickhouse-server写性能
- clickhouse-server读性能
- clickhouse-server的CPU和内存占用情况
测试环境说明
1）虚拟机列表
|
机器名
|
IP
|
配置
|
部署的服务
|
备注
|
|
server01
|
192.168.21.21
|
8c8g
|
clickhouserver（cs01-01）和
clickhouserver（cs01-02）
|
clickhouse01-01: 实例1, 端口: tcp 9000, http 8123, 同步端口9009, 类型: 分片1, 副本1
clickhouse01-02: 实例2, 端口: tcp 9001, http 8124, 同步端口9010, 类型: 分片2, 副本2 (clickhouse2的副本)
|
|
server02
|
192.168.21.69
|
8c8g
|
clickhouserver（cs02-01）和
clickhouserver（cs02-02）
|
clickhouse02-01: 实例1, 端口: tcp 9000, http 8123, 同步端口9009, 类型: 分片2, 副本1
clickhouse02-02: 实例2, 端口: tcp 9001, http 8124, 同步端口9010, 类型: 分片3, 副本2 (clickhouse3的副本)
|
|
server03
|
192.168.21.6
|
8c8g
|
clickhouserver（cs03-01）和
clickhouserver（cs03-02）
|
clickhouse03-01: 实例1, 端口: tcp 9000, http 8123, 同步端口9009, 类型: 分片3, 副本1
clickhouse03-02: 实例2, 端口: tcp 9001, http 8124, 同步端口9010, 类型: 分片1, 副本2 (clickhouse1的副本)
|
|
发压机器
|
192.168.21.3
|
16c2g
|
压测机器
|
用于测试clickhouse-server的性能
|
2）测试数据表说明
server02上的cs02-01中数据表使用如下sql创建写测试表：
create database test_ck;
#创建本地复制表用于写入（使用ReplicatedMergeTree复制表）
CREATE TABLE test_ck.device_thing_data (
time UInt64,
user_id String,
device_id String,
source_id String,
thing_id String,
identifier String,
value_int32 Int32,
value_float Float32,
value_double Float64,
value_string String,
value_enum Enum8('0'=0,'1'=1,'2'=2,'3'=3,'4'=4,'5'=5,'6'=6,'7'=7,'8'=8),
value_string_ex String,
value_array_string Array(String),
value_array_int32 Array(Int32),
value_array_float Array(Float32),
value_array_double Array(Float64),
action_date Date,
action_time DateTime
) Engine= ReplicatedMergeTree('/clickhouse/tables/01-02/device_thing_data','cluster01-02-1') PARTITION BY toYYYYMM(action_date) ORDER BY (user_id,device_id,thing_id,identifier,time,intHash64(time)) SAMPLE BY intHash64(time) SETTINGS index_granularity=8192
创建分布式表用于查询，在三台每个机器上均执行如下sql：
CREATE TABLE device_thing_data_all AS test_ck.device_thing_data ENGINE = Distributed(cluster_3s_1r, test_ck, device_thing_data, rand())
测试数据说明
1）测试原始数据从开发联调环境的clickhouse导出，保存到本地的csv文件
2）写数据测试往192.168.21.69的9000端口（cs02-01）的test_ck.device_thing_data写入，使用的sql类似如下：
self.client.execute('INSERT INTO test_ck.device_thing_data (time,user_id,device_id,source_id,thing_id,identifier,value_int32,value_float,value_double,value_string,value_enum,value_string_ex,value_array_string,value_array_int32,value_array_float,value_array_double,action_date,action_time) VALUES', data,types_check=True)
3）读数据测试和写数据clickhouse-server实例一致，表使用device_thing_data_all，使用的sql类似如下：
self.client.execute('select count(1) from (select time,user_id,device_id,source_id,thing_id,identifier,value_int32,value_float,value_double,value_string,value_enum,value_string_ex,value_array_string,value_array_int32,value_array_float,value_array_double,action_date,action_time from device_thing_data_all limit %d) t1' % self.bulksize)
测试工具
测试工具使用python和shell编写，python使用clickhouse的客户端，shell使用parallel实现多进程
测试场景与性能数据
1）写入测试，对集群的(cs02-01)的复制表的写入测试
|
每次批量数据条数
|
客户端连接数
|
耗时（秒）
|
插入总行数
|
TPS（records/sec)
|
clickhouse的CPU占用
|
clickhouse内存占用(m)
|
备注
|
|
10
|
1
|
12.319155
|
10000
|
811.744020
|
43%
|
1.8%（约160M)
|
/bin/bash start_clickhouse_perf.sh --mode=1 --clientnum=1 --bulksize=10 --times=1000
|
|
100
|
3
|
25.015171
|
300000
|
12026.095374
|
72%
|
1.8%（约160M)
|
/bin/bash start_clickhouse_perf.sh --mode=1 --clientnum=3 --bulksize=100 --times=1000
|
|
1000
|
3
|
61.579590
|
1500000
|
24496.428544
|
18.3%
|
1.9%（约160M)
|
/bin/bash start_clickhouse_perf.sh --mode=1 --clientnum=3 --bulksize=1000 --times=500
|
|
1000
|
6
|
64.323068
|
3000000
|
47051.112386
|
35.2%
|
1.9%（约160M)
|
/bin/bash start_clickhouse_perf.sh --mode=1 --clientnum=6 --bulksize=1000 --times=500
|
|
10000
|
6
|
222.632641
|
12000000
|
54542.892502
|
9.3%
|
2.4%（约160M)
|
/bin/bash start_clickhouse_perf.sh --mode=1 --clientnum=6 --bulksize=1000 --times=500
|
2）读取测试，对集群的(cs02-01)的分布式表的读取测试
|
每次批量数据条数
|
客户端连接数
|
耗时（秒）
|
插入总行数
|
TPS（records/sec)
|
clickhouse的CPU占用
|
clickhouse内存占用(m)
|
备注
|
|
1000
|
1
|
11.610356
|
1000000
|
86130.004332
|
69.4%
|
2.1%（约160M)
|
/bin/bash start_clickhouse_perf.sh --mode=0 --clientnum=1 --bulksize=1000 --times=1000
|
|
1000
|
3
|
12.897658
|
3000000
|
233129.085885
|
200.1%
|
2.1%（约160M)
|
/bin/bash start_clickhouse_perf.sh --mode=0 --clientnum=3 --bulksize=1000 --times=1000
|
|
10000
|
3
|
12.971161
|
30000000
|
2322824.513353
|
207%
|
2.1%（约160M)
|
/bin/bash start_clickhouse_perf.sh --mode=0 --clientnum=3 --bulksize=10000 --times=1000
|
|
10000
|
6
|
16.298867
|
60000000
|
3705072.680627
|
353.5%
|
2.1%（约160M)
|
/bin/bash start_clickhouse_perf.sh --mode=0 --clientnum=6 --bulksize=10000 --times=1000
|
|
100000
|
6
|
19.740923
|
600000000
|
30605253.774755
|
461%
|
2.2%（约160M)
|
/bin/bash start_clickhouse_perf.sh --mode=0 --clientnum=6 --bulksize=100000 --times=1000
|
3）写入数据量测试
写入1亿条记录到clickhouse单实例中，最后硬盘上的数据大小约为450M左右。
最后
可以看出，Clickhouse的单批次读写的记录越多，性能越好；尽量使用多线程进行读写，这样能够最大化利用Clickhouse的性能。
博主：测试生财（一个不为996而996的测开码农）
座右铭：专注测试开发与自动化运维，努力读书思考写作，为内卷的人生奠定财务自由。
内容范畴：技术提升，职场杂谈，事业发展，阅读写作，投资理财，健康人生。
csdn：https://blog.csdn.net/ccgshigao
博客园：https://www.cnblogs.com/qa-freeroad/
51cto：https://blog.51cto.com/14900374
微信公众号：测试生财（定期分享独家内容和资源）
