ClickHouse的普通操作是否“与众不同”？

Question

我想使用ClickHouse进行营销。大多数时候，他们不仅想知道有多少人使用某些功能，还想知道发送垃圾邮件的确切电子邮件。 将ClickHouse用于此类目的是否是一个不错的选择（请从表中的...选择DISTINCT电子邮件...）？ “ select COUNT”和“ select DISTINCT”在性能上有什么区别？

Answer 1

  

将ClickHouse用于此类目的是一个不错的选择

是的，ClickHouse具有不错的HashTable和Aggregator实现。它大量使用模板化代码进行静态类型分派，并应用了大量内存技巧。并且它以紧凑的形式存储数据。

我假设您想比较select count和select count(distinct)，因为select distinct是另一种野兽。 ClickHouse将count(distinct)转换为聚合器uniqExact，其速度比count(*)慢8倍，但仍然比Postgres等传统数据库快得多。也有近似聚合器uniq，uniqCombined和uniqHLL12用于更快的估计，这比count(*)慢1.5倍。如需更多信息，请参见https://clickhouse.yandex/docs/en/query_language/agg_functions/reference/。

如果您的目标是select distinct，ClickHouse仍然可以做得很好，它使用Set数据结构来统一数据流（Set也用于构建其SQL {{1 }}结构）。在不测量数据输出过程的情况下，它仅比普通in (...)慢1.3倍。