ClickHouse 与 MySQL 数据库适用场景对比总结
来源：SegmentFault
2023-02-24 12:26:46
0浏览
收藏
知识点掌握了，还需要不断练习才能熟练运用。下面golang学习网给大家带来一个数据库开发实战，手把手教大家学习《ClickHouse 与 MySQL 数据库适用场景对比总结》，在实现功能的过程中也带大家重新温习相关知识点，温故而知新，回头看看说不定又有不一样的感悟！
目前来说，网上有很多相关的资料证明
ClickHouse数据库查询响应速度比
MySQL快上一百到几百倍。实际上，
ClickHouse和
MySQL具有不同的应用场景和局限性，最近在研究这个
ClickHouse打算应用于大量数据的表来做查询的时候，踩了些坑，于是在此做个总结，用于后续做数据存储以及处理的时候作为备忘，以及对想要用
ClickHouse替换
MySQL数据库某部分数据存储的时候做个参考。
采用 VersionedCollapsingMergeTree
引擎来做会产生修改但是不常修改的数据
本身
ClickHouse不适合处理数据的频繁修改以及删除操作，对于删除和修改会消耗大量的性能，特别是频繁的单条数据修改。所以，通常我们看到很多资料上说数据尽量批量写入，不管是以1000条，10000条还是多少条为一批，用以提升
ClickHouse的性能。
另外，本身
ClickHouse的数据写入、修改、删除是异步的，对于操作写入、修改、删除后的数据需要做及时查询的，不适合用
ClickHouse来做存储，且
ClickHouse不支持事务，所以
ClickHouse不要用于数据一致性较高的场景。
在某些场景，可能数据通常来说是不需要修改的，但是某些场景需要修改一次或者几次，然后为了响应速度，希望切换到
ClickHouse来的话，可以采用
VersionedCollapsingMergeTree引擎来做数据存储，关于这个存储引擎，我这里可以简单介绍一下，具体的可以参考
ClickHouse的详细文档。
这个存储引擎的大致原理是，通过提供一个
sign和一个
version标记，
sign存储的时候，值为
1和
-1，
version存储数据的版本号，具体应用于以下两种场景的规则为：
- 需要删除的情况下，重新插入这一行的数据，
version
保持不变，sign
设置为-1
，那么数据表就会存在两条除了sign
不一样的重复数据。然后ClickHouse
会定期执行合并折叠，把这样两条数据一致，但是两条sign
相加为0
的数据删掉。这里就需要注意一点，是定时合并清除的，所以查询的时候需要用group by
之后，再做having(sign)>0)
来手动排除删除的数据。 - 修改的情况下，在做以上操作的同时，插入新数据，
sign
标记为1
，version
在上一次的基础上增加1
即可。当然查询的时候，也需要进行手动排除前一个版本的数据。
稀疏索引不适合用于精确查询
在说这个稀疏索引不适合做精确查询之前，先来说以下我说的这种精确查询的场景：
- 需要根据某个加了索引的条件，比如
id
或者user_id
来查询当前行的数据； - 需要根据某个加了索引的条件，如
id
或者user_id
来取数据列表做分页
ClickHouse用的是稀疏索引，和
MySQL的
B+树不一样。（关于稀疏索引和
B+树索引我这里不做介绍，这两个东西如果做介绍不是一时半会能解释清楚，如果有人看到我这篇文章不了解的话，可以自行去先研究一下。）,所以再做精确条件查询的时候，
ClickHouse扫描数据量会很大，实际响应速度并不会达到理想的状态。
而对于
ClickHouse采用了稀疏索引的情况，特别适合用
group by来做查询，经过几次
group by之后，就能排除大量的数据，所以通常情况下最适合的场景就是用于处理统计查询，在这种情况下，大量数据情况下响应速度比
MySQL快几十倍，几百倍就能提现出来了。
列式数据库不适合一次性查询大量列
另外就是
ClickHouse的列式数据库的特性，基于以上说的，需要精确查询的场景，一次性需要查询大量的字段情况下，响应速度也没有想象的理想。就算式增加了很多个
group by条件，最后由于需要扫描的列很多，在
MySQL正确加索引的情况下，
ClickHouse响应速度通常没有
MySQL快。
ClickHouse
查询效果比 MySQL
稳定
具体的测试我这里就不做多说，主要说一下场景。在两种数据表都正确做好索引的情况下，在做
2亿数据列表查询的时候，
MySQL在做分页数据查询的时候，开始的几页查询会明显比较耗时，大概在
500ms至
800ms不等，但是后续的的分页查询基本上能达到
50ms至
80ms，这里应该是
MySQL数据预热起了作用。但是
ClickHouse基本上都是稳定在
230ms至
300ms。
总结
以目前的测试和观察来看，如果需要做统计查询，且数据不是频繁修改的情况下，采用
ClickHouse来存储和处理数据查询。如果需要频繁修改或是做大数据列表查询的场景，最好的方案还是用
MySQL查询，并对数据进行分表处理，得到的数据响应性能会比
ClickHouse好太多。
以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于数据库的相关知识，也可关注golang学习网公众号。
版本声明
本文转载于：SegmentFault 如有侵犯，请联系study_golang@163.com删除
深入理解Mysql——性能分析explain
- 上一篇
- 深入理解Mysql——性能分析explain
- 下一篇
- 【北亚数据库数据恢复】使用delete命令未添加where子句删除全表数据的Mysql数据库数据恢复
查看更多
最新文章
-
- 数据库 · MySQL | 4小时前 |
- MySQL histogram 怎样用直方图解释选择性估算
- 122浏览 收藏
-
- 数据库 · MySQL | 4小时前 | MySQL · 正则表达式 · mysql regexp_replace 正则替换 pos occurrence match_type
- MySQL REGEXP_REPLACE 怎样只替换指定次数的文本
- 426浏览 收藏
-
- 数据库 · MySQL | 4小时前 |
- MySQL JSON_TABLE 结合 JSON_KEYS 读取动态对象键名
- 368浏览 收藏
-
- 数据库 · MySQL | 4小时前 |
- MySQL multi-valued index 怎样为 JSON 数组建立多值索引
- 139浏览 收藏
-
- 数据库 · MySQL | 4小时前 |
- MySQL named window 怎样复用多个查询的窗口定义
- 226浏览 收藏
-
- 数据库 · MySQL | 4小时前 | MySQL · JSON · 数据库运维 · mysql JSON_MERGE_PATCH JSON null JSON_REMOVE JSON合并
- MySQL JSON_MERGE_PATCH 怎样让 JSON null 删除对象成员
- 287浏览 收藏
-
- 数据库 · MySQL | 5小时前 | MySQL · 窗口函数 ROW_NUMBER PARTITION BY 每组最新记录 MySQL window function
- MySQL window function 怎样用 ROW_NUMBER 取每组最新记录
- 123浏览 收藏
-
- 数据库 · MySQL | 5小时前 |
- MySQL invisible index 唯一索引设为不可见后约束还生效吗
- 335浏览 收藏
-
- 数据库 · MySQL | 5小时前 |
- MySQL invisible index 怎样临时让优化器使用不可见索引
- 345浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
- 667次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
- 684次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
- 731次使用
-
- HELM
- 深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
- 699次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。
- 532次使用
查看更多
相关文章
-
- MySQL 明明加了索引，为什么查询还是很慢？先查这 6 个点
- 2026-06-27 374浏览
-
- 接口返回的数据和数据库不一致怎么办？按数据生命周期排查
- 2026-06-27 398浏览
-
- golang MySQL实现对数据库表存储获取操作示例
- 2022-12-22 499浏览
-
- golang 基于 mysql 简单实现分布式读写锁
- 2023-01-07 384浏览
-
- 详解如何利用GORM实现MySQL事务
- 2023-01-07 184浏览
