[導讀]Elasticsearch是一個實時的分布式搜索分析引擎，它的底層是構(gòu)建在Lucene之上的。簡單來說是通過擴展Lucene的搜索能力，使其具有分布式的功能。ES通常會和其它兩個開源組件Logstash（日志采集）和Kibana（儀表盤）一起提供端到端的日志/搜索分析的功能，常常...
ES 通常會和其它兩個開源組件 Logstash（日志采集）和 Kibana（儀表盤）一起提供端到端的日志/搜索分析的功能，常常被簡稱為 ELK。
Clickhouse 是俄羅斯搜索巨頭 Yandex 開發(fā)的面向列式存儲的關(guān)系型數(shù)據(jù)庫。ClickHouse 是過去兩年中 OLAP 領(lǐng)域中最熱門的，并于 2016 年開源。
ES 是最為流行的大數(shù)據(jù)日志和搜索解決方案，但是近幾年來，它的江湖地位受到了一些挑戰(zhàn)，許多公司已經(jīng)開始把自己的日志解決方案從 ES 遷移到了 Clickhouse，這里就包括：攜程，快手等公司。
架構(gòu)和設(shè)計的對比
ES 的底層是 Lucenc，主要是要解決搜索的問題。搜索是大數(shù)據(jù)領(lǐng)域要解決的一個常見的問題，就是在海量的數(shù)據(jù)量要如何按照條件找到需要的數(shù)據(jù)。搜索的核心技術(shù)是倒排索引和布隆過濾器。
ES 通過分布式技術(shù)，利用分片與副本機制，直接解決了集群下搜索性能與高可用的問題。
ElasticSearch 是為分布式設(shè)計的，有很好的擴展性，在一個典型的分布式配置中，每一個節(jié)點（node）可以配制成不同的角色。如上圖所示：- Client Node，負責 API 和數(shù)據(jù)的訪問的節(jié)點，不存儲／處理數(shù)據(jù)。
- Data Node，負責數(shù)據(jù)的存儲和索引。
- Master Node，管理節(jié)點，負責 Cluster 中的節(jié)點的協(xié)調(diào)，不存儲數(shù)據(jù)。
ClickHouse 是基于 MPP 架構(gòu)的分布式 ROLAP（關(guān)系 OLAP）分析引擎。每個節(jié)點都有同等的責任，并負責部分數(shù)據(jù)處理（不共享任何內(nèi)容）。
ClickHouse 是一個真正的列式數(shù)據(jù)庫管理系統(tǒng)（DBMS)。在 ClickHouse 中，數(shù)據(jù)始終是按列存儲的，包括矢量（向量或列塊）執(zhí)行的過程。
讓查詢變得更快，最簡單且有效的方法是減少數(shù)據(jù)掃描范圍和數(shù)據(jù)傳輸時的大小，而列式存儲和數(shù)據(jù)壓縮就可以幫助實現(xiàn)上述兩點。
Clickhouse 同時使用了日志合并樹，稀疏索引和 CPU 功能（如 SIMD 單指令多數(shù)據(jù)）充分發(fā)揮了硬件優(yōu)勢，可實現(xiàn)高效的計算。
Clickhouse 使用 Zookeeper 進行分布式節(jié)點之間的協(xié)調(diào)。
為了支持搜索，Clickhouse 同樣支持布隆過濾器。查詢對比實戰(zhàn)
為了對比 ES 和 Clickhouse 的基本查詢能力的差異，我寫了一些代碼來驗證：
https://github.com/gangtao/esvsch
這個測試的架構(gòu)如下：
架構(gòu)主要有四個部分組成：①ES stack
ES stack 有一個單節(jié)點的 Elastic 的容器和一個 Kibana 容器組成，Elastic 是被測目標之一，Kibana 作為驗證和輔助工具。
部署代碼如下：
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 有一個單節(jié)點的 Clickhouse 服務(wù)容器和一個 TabixUI 作為 Clickhouse 的客戶端。
部署代碼如下：
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數(shù)據(jù)導入 stack
數(shù)據(jù)導入部分使用了 Vector.dev 開發(fā)的 vector，該工具和 fluentd 類似，都可以實現(xiàn)數(shù)據(jù)管道式的靈活的數(shù)據(jù)導入。
④測試控制 stack
測試控制我使用了 Jupyter，使用了 ES 和 Clickhouse 的 Python SDK 來進行查詢的測試。
用 Docker compose 啟動 ES 和 Clickhouse 的 stack 后，我們需要導入數(shù)據(jù)，我們利用 Vector 的 generator 功能，生成 syslog，并同時導入 ES 和 Clickhouse。
在這之前，我們需要在 Clickhouse 上創(chuàng)建表。ES 的索引沒有固定模式，所以不需要事先創(chuàng)建索引。
創(chuàng)建表的代碼如下：
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);
創(chuàng)建好表之后，我們就可以啟動 vector，向兩個 stack 寫入數(shù)據(jù)了。vector 的數(shù)據(jù)流水線的定義如下：
[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\d*)>(?P
[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
這里簡單介紹一下這個流水線：
- source.in：生成 syslog 的模擬數(shù)據(jù)，生成 10w 條，生成間隔和 0.01 秒。
- transforms.clone_message：把原始消息復制一份，這樣抽取的信息同時可以保留原始消息。
- transforms.parser：使用正則表達式，按照 syslog 的定義，抽取出 application，hostname，message，mid，pid，priority，timestamp，version 這幾個字段。
- transforms.coercer：數(shù)據(jù)類型轉(zhuǎn)化。
- sinks.out_console：把生成的數(shù)據(jù)打印到控制臺，供開發(fā)調(diào)試。
- sinks.out_clickhouse：把生成的數(shù)據(jù)發(fā)送到Clickhouse。
- sinks.out_es：把生成的數(shù)據(jù)發(fā)送到 ES。
運行 Docker 命令，執(zhí)行該流水線：
docker?run?\
????????-v?$(mkfile_path)/vector.toml:/etc/vector/vector.toml:ro?\
????????-p?18383:8383?\
????????timberio/vector:nightly-alpine
數(shù)據(jù)導入后，我們針對一下的查詢來做一個對比。ES 使用自己的查詢語言來進行查詢，Clickhouse 支持 SQL，我簡單測試了一些常見的查詢，并對它們的功能和性能做一些比較。
返回所有的記錄：
#?ES
{
??"query":{
????"match_all":{}
??}
}
#?Clickhouse?
"SELECT?*?FROM?syslog"
匹配單個字段：
#?ES
{
??"query":{
????"match":{
??????"hostname":"for.org"
????}
??}
}
#?Clickhouse?
"SELECT?*?FROM?syslog?WHERE?hostname='for.org'"
匹配多個字段：
#?ES
{
??"query":{
????"multi_match":{
??????"query":"up.com?ahmadajmi",
????????"fields":[
??????????"hostname",
??????????"application"
????????]
????}
??}
}
#?Clickhouse、
"SELECT?*?FROM?syslog?WHERE?hostname='for.org'?OR?application='ahmadajmi'"
單詞查找，查找包含特定單詞的字段：
#?ES
{
??"query":{
????"term":{
??????"message":"pretty"
????}
??}
}
#?Clickhouse
"SELECT?*?FROM?syslog?WHERE?lowerUTF8(raw)?LIKE?'%pretty%'"
范圍查詢，查找版本大于 2 的記錄：
#?ES
{
??"query":{
????"range":{
??????"version":{
????????"gte":2
??????}
????}
??}
}
#?Clickhouse
"SELECT?*?FROM?syslog?WHERE?version?>=?2"
查找到存在某字段的記錄：
#?ES
{
??"query":{
????"exists":{
??????"field":"application"
????}
??}
}
#?Clickhouse
"SELECT?*?FROM?syslog?WHERE?application?is?not?NULL"
ES 是文檔類型的數(shù)據(jù)庫，每一個文檔的模式不固定，所以會存在某字段不存在的情況；而 Clickhouse 對應(yīng)為字段為空值。
正則表達式查詢，查詢匹配某個正則表達式的數(shù)據(jù)：
#?ES
{
??"query":{
????"regexp":{
??????"hostname":{
????????"value":"up.*",
??????????"flags":"ALL",
????????????"max_determinized_states":10000,
??????????????"rewrite":"constant_score"
??????}
????}
??}
}
#?Clickhouse
"SELECT?*?FROM?syslog?WHERE?match(hostname,?'up.*')"
聚合計數(shù)，統(tǒng)計某個字段出現(xiàn)的次數(shù)：
#?ES
{
??"aggs":{
????"version_count":{
??????"value_count":{
????????"field":"version"
??????}
????}
??}
}
#?Clickhouse
"SELECT?count(version)?FROM?syslog"
聚合不重復的值，查找所有不重復的字段的個數(shù)：
#?ES
{
??"aggs":{
????"my-agg-name":{
??????"cardinality":{
????????"field":"priority"
??????}
????}
??}
}
#?Clickhouse
"SELECT?count(distinct(priority))?FROM?syslog?"
我用 Python 的 SDK，對上述的查詢在兩個 Stack 上各跑 10 次，然后統(tǒng)計查詢的性能結(jié)果。
我們畫出出所有的查詢的響應(yīng)時間的分布：
總查詢時間的對比如下：通過測試數(shù)據(jù)我們可以看出 Clickhouse 在大部分的查詢的性能上都明顯要優(yōu)于 Elastic。在正則查詢（Regex query）和單詞查詢（Term query）等搜索常見的場景下，也并不遜色。
在聚合場景下，Clickhouse 表現(xiàn)異常優(yōu)秀，充分發(fā)揮了列村引擎的優(yōu)勢。
注意，我的測試并沒有任何優(yōu)化，對于 Clickhouse 也沒有打開布隆過濾器?？梢?Clickhouse 確實是一款非常優(yōu)秀的數(shù)據(jù)庫，可以用于某些搜索的場景。
當然 ES 還支持非常豐富的查詢功能，這里只有一些非?；镜牟樵?，有些查詢可能存在無法用 SQL 表達的情況。
總結(jié)
本文通過對于一些基本查詢的測試，對比了 Clickhouse 和 Elasticsearch 的功能和性能。
測試結(jié)果表明，Clickhouse 在這些基本場景表現(xiàn)非常優(yōu)秀，性能優(yōu)于 ES，這也解釋了為什么用很多的公司應(yīng)從 ES 切換到 Clickhouse 之上。
作者：Gang Tao編輯：陶家龍出處：zhuanlan.zhihu.com/p/353296392??
下載文檔
