优点
1、真正的面向列的DBMS（clickhouse是一个DBMS，而不是一个单一的数据库。它允许在运行时创建表和数据库、加载数据和运行查询，而无需重新配置和重新启动服务器）<br>2、数据压缩（一些面向列的DBMS）不使用数据压缩。但是，数据压缩确实提高了性能<br>3、磁盘存储的数据（许多面向列的DBMS（SPA HANA和GooglePowerDrill））只能在内存中工作，但即使在数千台服务器上，内存也太小了<br>4、多核并行处理（多核多节点并行化大型查询）<br>5、在多个服务器上分布式处理（在clickhouse中，数据可以驻留在不同的分片上。每个分片都可以用于容错的一组副本，查询会在所有分片上并行处理）<br>6、SQL支持（clickhouse sql跟真正的sql有不一样的函数名称。不过语法基本跟sql语法兼容，支持join/from/in和join子句及标量子查询支持子查询）<br>7、向量化引擎（数据不仅按列式存储，而且由矢量-列部分进行处理，这使得开发者能够实现高CPU性能）<br>实时数据更新（clickhouse支持主键表。为了快速执行对主键范围的查询，数据使用合并数进行递增排序。由于这个原因，数据可以不断地添加到表中）<br>8、支持近似计算（统计全国到底有多少人）<br>9、数据复制和对数据完整性的支持（clickhouse使用异步多主复制。写入任何可用的副本后。数据将分发到所有剩余的副本。系统在不同的副本上保持相同的数据，数据在失败后自动恢复）
缺点
1、没有完整的事务支持，不支持transaction，想快就别transaction<br>2、缺少完整update/delete操作，缺少高频率、低延迟的修改或删除已存在数据的能力，仅用于批量删除或修改数据<br>3、聚合结果必须小于一台机器的内存大小<br>4、支持有限操作系统，正在慢慢完善<br>5、不适合key-value存储，不支持blob等文档型数据库
项目中常见表引擎
创建与存储
MergeTree在写入一批数据时，数据总会以数据片段的形式写入磁盘，且数据片段不可修改。<br>为了避免片段过多，clickhouse会通过后台线程，定期合并这些数据片段，属于相同分区的数据片段会被合成一个新的片段<br>这种数据片段往复合并的特点，也正是合并树的由来
数据分区
MergeTree数据分区的规则由分区id决定，而具体到每个数据分区所对应的id，则是由分区键的取值决定的。<br>针对取值数据类型的不同，分区ID的生成逻辑目前拥有四种规则：<br>不指定分区键：<br>如果不使用分区键，即不使用PARTITION BY声明任何分区表达式，则分区ID默认取名<br>为all，所有的数据都会被写入这个all分区。<br>使用整型：<br>如果分区键取值属于整型（兼容UInt64，包括有符号整型和无符号整型），且无法转换<br>为日期类型YYYYMMDD格式<br>则直接按照该整型的字符形式输出，作为分区ID的取值。<br>使用日期类型：<br>如果分区键取值属于日期类型，或者是能够转换为YYYYMMDD格式的整型<br>则使用按照YYYYMMDD进行格式化后的字符形式输出，并作为分区ID的取值。<br>使用其他类型：<br>如果分区键取值既不属于整型，也不属于日期类型<br>例如String、Float等，则通过128位Hash算法取其Hash值作为分区ID的取值<br>
为什么快
列式存储
clickhouse采用列式存储，即将一个表中的每一列分别存储在不同的文件中，这样在进行数据查询时，只需要读取需要的列，而不用读取整行数据，大幅减少了I/O操作，提高了查询速度
压缩算法
clickhouse内置多种压缩算法，例如LZ4、ZSTD等，可以在不损失数据精度的情况下，大幅减少数据的存储空间，从而减少磁盘I/O操作，提高潮汛速度
分布式架构
clickhouse支持分布式部署，可以将数据分散存储在多个节点上，并行进行计算和查询，从而提高数据处理和查询的速度
索引技术
clickhouse支持多种索引技术，包括bloom过滤器、bitmap索引、range索引等，可以根据不同的查询场景选择最优的索引方式，提高查询速度
预编译技术
clickhouse支持预编译技术，即将查询语句进行编译，并将编译结果缓存起来，下次查询时可以直接使用缓存结果，避免重复编译，提高查询速度
并发量
并发查询数
clickhouse可以支持多个客户端同时连接到服务器，每个连接可以独立执行查询请求。clickhouse可以通过调整网络参数和连接池配置，优化并发连接数和网络性能
并发写入量
clickhouse可以支持大量的数据写入，并且可以进行并发写入。clickhouse可以通过分区和索引等机制，避免数据热点和写入冲突，从而提高并发写入量和写入性能
并发读取量
clickhouse可以支持大量的数据读取，并且可以进行并发读取。click house可以利用多核cpu和大量内存，进行高效的数据读取和处理，从而提高并发读取量和读取性能
索引机制
哈希索引
ClickHouse支持对单个列进行哈希索引，将列值映射到哈希表中的桶中。哈希索引适用于等值查询和IN操作，但不适用于范围查询和排序操作。
bloom过滤器
ClickHouse支持在哈希索引上使用Bloom过滤器，可以快速判断某个值是否在索引中。Bloom过滤器适用于等值查询和IN操作，可以减少不必要的磁盘I/O操作。
bitmap索引
ClickHouse支持对多个列进行Bitmap索引，将列值映射到位图中的位上。Bitmap索引适用于等值查询和IN操作，可以快速判断某个值是否在索引中。
range索引
ClickHouse支持对单个列进行Range索引，将列值按序存储在索引树中。Range索引适用于范围查询和排序操作，可以提高查询效率。
多级索引
ClickHouse支持多级索引，可以在多个列上建立索引，从而支持多条件查询和多级排序。
一级索引
ClickHouse的一级索引是指数据文件的内部索引，也叫做Primary Key索引。一级索引是在数据写入磁盘时就建立的，用于快速定位数据文件中的某一行数据。一级索引的建立是基于数据表中的主键，因此主键的选择和设计非常重要。一级索引可以有效地支持等值查询、范围查询和排序操作，是ClickHouse的核心索引机制之一。
二级索引
ClickHouse的二级索引是指在一级索引的基础上，额外建立的索引结构。二级索引可以在不改变数据表结构的情况下，对非主键列进行索引，从而支持更多的查询场景。二级索引的建立需要耗费额外的磁盘空间和内存资源，因此需要谨慎选择索引列和建立索引的数量。ClickHouse支持多种类型的二级索引，包括哈希索引、Bloom过滤器、Bitmap索引、Range索引等。
