はじめに:全文を読むのに30分近くかかります。結果を気にする人は、最後まで直接スキップできます。圧力テストの方法とスクリプトが含まれています。
MySQLは近年非常に安定しており、さまざまなアーキテクチャも非常に成熟しています。これまでにもたらされた新しいビジネス要件は、データがどんどん大きくなっていることであり、MySQLを分析シナリオでサポートするのは少し難しいため、さまざまなHTAPアーキテクチャが登場しています。シナリオで新しいHTAPを実行するコストが予算を少し上回っている場合は、ClickhouseとDatabendを使用してビジネスをサポートできます。この記事では、オブジェクトストレージに基づいてClickhouseとDatabendのパフォーマンスの違いをテストします。どちらの製品も現在、ストレージとしてS3をサポートし、ストレージに応じたオンデマンド割り当てを実現できます。
Clickhouseは、地球上で最速のワイドテーブルクエリデータベースとして知られています。clickhouse.com/ Clickhouseは、昨年投資を受けた後、クラウドネイティブの方向にも取り組んでいます。重要なコンテンツの1つは、新しいタイプのストレージとしてS3をサポートすることです。 。
Databendは、クラウドネイティブの新しいオブジェクトストレージベースのデータウェアハウスであり、低コスト、高性能、および弾力性のあるスケーリングを実現します。
ドキュメント:databend.rs/doc(Databendアーキテクチャ図を含む)
Databendリポジトリ: github.com/datafuselab…(スターはフォローを歓迎します)
まず、クラウドネイティブとは何かを理解する必要がありますか?この概念は破られようとしています。多くの人は、クラウド上のMySQLはクラウドネイティブのMySQLであると考えていますが、そうではありません。実際のクラウドネイティブは次の条件を満たす必要があります。
•ハードウェアの管理と構成を行う必要はありません
•ソフトウェアのインストールと管理は必要ありません
•障害管理、アップグレード、および最適化について気にする必要はありません
•急速な弾性膨張と収縮をサポートします
•ストレージとリソースを使用する場合にのみ料金を支払います。ビジネスリクエストがない場合は、料金を支払う必要はありません。
•使用するリソースについてあまり心配しないでください
对于 MySQL 跑在云上,我们按上面的条件对一下,会发现用户还是需要管理很多关于升级,配置,优化,故障方面的问题,同样对于云平台上 MySQL 支持人员还需要有一堆的故障,升级,优化方面的工作。最重要的是云上的 MySQL 没办法达到秒级伸缩,只为使用的资源付费。云原生就是向这个方向在努力,让用户生活得更轻松幸福。
如果具体化一点,现在有没有云原生应用呢?答案当然是有的,这些产品也给我们树立了一个标秆。 例如:数据库界的 CockroachDB Cloud, PlanetScale, 数仓领域的 SnowflakeDB 他们现在已经做到了上面的要求。Databend 目前也是按这个目标要求来做开发的实现。
Databend 为什么要使用 S3 对象存储?
对于做一款数据库的开发者,开发一款专属的存储可能也是技术从业者的追求的。Databend 在设计之初对存储提出以下几个问题:
•支持高可用
•不用关心副本数
•多 IDC 可用,及多云切换
•支持全球内数据共享及分布
•不用考虑预留空间,只为使用的空间付费
•支持基于同一份数据多集群并发读写,并提供快照级隔离能力
• 完善的事务支持
•不用管理备份,支持在规定的时间内随意闪回(以表,DB 这样的粒度)
在基于上面的要求评估后,我们发现云上的对象存储正是我们需要的。对象存储的不用考虑预留,所有的写入都是增量,delete,drop 可以支持快照隔离级别的惰性操作,所以计划在对象存储打造一款云原生数仓。目前 Databend 支持 AWS s3, Qcloud COS, 阿里云 OSS, minio 等支持 S3 协议的产品。更多部署方式,可以参考:databend.rs/doc/categor…
测试的步骤
在 AWS 申请了一台 c5n.9xlarge 机器, 36C,72G, 200G(只用来放 ontime 的数据)
- 系统:ubuntu 20
- Clickhouse:22.2.3 (参考官网安装)
- Databend : 获取 Github 当天的二进制版本部
数据下载
wget --no-check-certificate --continue https://transtats.bts.gov/PREZIP/On_Time_Reporting_Carrier_On_Time_Performance_1987_present_{1987..2021}_{1..12}.zip
复制代码
Clickhouse 配置及表结构
在/etc/clickhouse-server/config.d 下添加: storage.xml 内容如下
<yandex>
<storage_configuration>
<disks>
<s3>
<type>s3</type>
<endpoint>https://databend-shared.s3.us-east-2.amazonaws.com/ch-data-s3/</endpoint>
<access_key_id>your-key-id</access_key_id>
<secret_access_key>your-key</secret_access_key>
<cache_enabled>true</cache_enabled>
</s3>
</disks>
<policies>
<s3>
<volumes>
<main>
<disk>s3</disk>
</main>
</volumes>
</s3>
</policies>
</storage_configuration>
</yandex>
复制代码
需要替换上面的: your-key-id, your-key 为你真实环境的内容。Clikhouse 数据导入及表结构参考:clickhouse.com/docs/en/get…
Clickhouse Ontime 表结构需要修改一下, 只需要尾部添加 storage_policy='s3' :
CREATE TABLE `ontime`
(
...
) ENGINE = MergeTree
PARTITION BY Year
ORDER BY (IATA_CODE_Reporting_Airline, FlightDate)
SETTINGS index_granularity = 8192, storage_policy='s3' ;
复制代码
这样可以把数据存储在 s3 上面,但 meta 信息还在 Clickhouse 本地。
Databend 配置及表结构
Databend 配置参考:databend.rs/doc/deploy/… 需要保证,Databend 和 Clickhouse 连接一个 bucket 就可以。Databend 表结构:create_ontime.sql
CREATE TABLE ontime
(
Year UInt16 NOT NULL,
Quarter UInt8 NOT NULL,
Month UInt8 NOT NULL,
DayofMonth UInt8 NOT NULL,
DayOfWeek UInt8 NOT NULL,
FlightDate Date NOT NULL,
Reporting_Airline String NOT NULL,
DOT_ID_Reporting_Airline Int32 NOT NULL,
IATA_CODE_Reporting_Airline String NOT NULL,
Tail_Number String NOT NULL,
Flight_Number_Reporting_Airline String NOT NULL,
OriginAirportID Int32 NOT NULL,
OriginAirportSeqID Int32 NOT NULL,
OriginCityMarketID Int32 NOT NULL,
Origin String NOT NULL,
OriginCityName String NOT NULL,
OriginState String NOT NULL,
OriginStateFips String NOT NULL,
OriginStateName String NOT NULL,
OriginWac Int32 NOT NULL,
DestAirportID Int32 NOT NULL,
DestAirportSeqID Int32 NOT NULL,
DestCityMarketID Int32 NOT NULL,
Dest String NOT NULL,
DestCityName String NOT NULL,
DestState String NOT NULL,
DestStateFips String NOT NULL,
DestStateName String NOT NULL,
DestWac Int32 NOT NULL,
CRSDepTime Int32 NOT NULL,
DepTime Int32 NOT NULL,
DepDelay Int32 NOT NULL,
DepDelayMinutes Int32 NOT NULL,
DepDel15 Int32 NOT NULL,
DepartureDelayGroups String NOT NULL,
DepTimeBlk String NOT NULL,
TaxiOut Int32 NOT NULL,
WheelsOff Int32 NOT NULL,
WheelsOn Int32 NOT NULL,
TaxiIn Int32 NOT NULL,
CRSArrTime Int32 NOT NULL,
ArrTime Int32 NOT NULL,
ArrDelay Int32 NOT NULL,
ArrDelayMinutes Int32 NOT NULL,
ArrDel15 Int32 NOT NULL,
ArrivalDelayGroups Int32 NOT NULL,
ArrTimeBlk String NOT NULL,
Cancelled UInt8 NOT NULL,
CancellationCode String NOT NULL,
Diverted UInt8 NOT NULL,
CRSElapsedTime Int32 NOT NULL,
ActualElapsedTime Int32 NOT NULL,
AirTime Int32 NOT NULL,
Flights Int32 NOT NULL,
Distance Int32 NOT NULL,
DistanceGroup UInt8 NOT NULL,
CarrierDelay Int32 NOT NULL,
WeatherDelay Int32 NOT NULL,
NASDelay Int32 NOT NULL,
SecurityDelay Int32 NOT NULL,
LateAircraftDelay Int32 NOT NULL,
FirstDepTime String NOT NULL,
TotalAddGTime String NOT NULL,
LongestAddGTime String NOT NULL,
DivAirportLandings String NOT NULL,
DivReachedDest String NOT NULL,
DivActualElapsedTime String NOT NULL,
DivArrDelay String NOT NULL,
DivDistance String NOT NULL,
Div1Airport String NOT NULL,
Div1AirportID Int32 NOT NULL,
Div1AirportSeqID Int32 NOT NULL,
Div1WheelsOn String NOT NULL,
Div1TotalGTime String NOT NULL,
Div1LongestGTime String NOT NULL,
Div1WheelsOff String NOT NULL,
Div1TailNum String NOT NULL,
Div2Airport String NOT NULL,
Div2AirportID Int32 NOT NULL,
Div2AirportSeqID Int32 NOT NULL,
Div2WheelsOn String NOT NULL,
Div2TotalGTime String NOT NULL,
Div2LongestGTime String NOT NULL,
Div2WheelsOff String NOT NULL,
Div2TailNum String NOT NULL,
Div3Airport String NOT NULL,
Div3AirportID Int32 NOT NULL,
Div3AirportSeqID Int32 NOT NULL,
Div3WheelsOn String NOT NULL,
Div3TotalGTime String NOT NULL,
Div3LongestGTime String NOT NULL,
Div3WheelsOff String NOT NULL,
Div3TailNum String NOT NULL,
Div4Airport String NOT NULL,
Div4AirportID Int32 NOT NULL,
Div4AirportSeqID Int32 NOT NULL,
Div4WheelsOn String NOT NULL,
Div4TotalGTime String NOT NULL,
Div4LongestGTime String NOT NULL,
Div4WheelsOff String NOT NULL,
Div4TailNum String NOT NULL,
Div5Airport String NOT NULL,
Div5AirportID Int32 NOT NULL,
Div5AirportSeqID Int32 NOT NULL,
Div5WheelsOn String NOT NULL,
Div5TotalGTime String NOT NULL,
Div5LongestGTime String NOT NULL,
Div5WheelsOff String NOT NULL,
Div5TailNum String NOT NULL
);
复制代码
加载数据方法:
cat load_ontime.sh
echo "unzip ontime ,input your ontime zip dir: ./load_ontime.sh zip_dir"
ls $1/*.zip |xargs -I{} -P 4 bash -c "echo {}; unzip -q {} '*.csv' -d ./dataset"
if [ $? -eq 0 ];
then
echo "unzip success"
else
echo "unzip was wrong!!!"
exit 1
fi
cat create_ontime.sql |mysql -h127.0.0.1 -P3307 -uroot
if [ $? -eq 0 ];
then
echo "Ontime table create success"
else
echo "Ontime table create was wrong!!!"
exit 1
fi
time ls ./dataset/*.csv|xargs -P 8 -I{} curl -H "insert_sql:insert into ontime format CSV" -H "skip_header:1" -F "upload=@{}" -XPUT http://localhost:8081/v1/streaming_load
复制代码
# 把 local_ontime.sh 给可执行权限
chmod +x load_ontime.sh
#安装 MySQL 客户端
sudo apt-get install mysql-client
复制代码
直接使用 load_ontime.sh 跟参数 ontime 压缩文件存储的位置。就可以实现数据的载入。
这里出现一个有意义的事情,因为Clickhouse没有事务支持,在不同的并发 load 下,加载的数据可能不一致。
测试脚本
压测中使用了:hyperfine 需要自行安装:
wget https://github.com/sharkdp/hyperfine/releases/download/v1.13.0/hyperfine_1.13.0_amd64.deb
sudo dpkg -i hyperfine_1.13.0_amd64.deb
复制代码
压测脚本:
cat run_ontime.sh
#!/bin/bash
cat << EOF > bench.sql
SELECT DayOfWeek, count(*) AS c FROM ontime WHERE Year >= 2000 AND Year <= 2008 GROUP BY DayOfWeek ORDER BY c DESC;
SELECT DayOfWeek, count(*) AS c FROM ontime WHERE DepDelay>10 AND Year >= 2000 AND Year <= 2008 GROUP BY DayOfWeek ORDER BY c DESC;
SELECT Origin, count(*) AS c FROM ontime WHERE DepDelay>10 AND Year >= 2000 AND Year <= 2008 GROUP BY Origin ORDER BY c DESC LIMIT 10;
SELECT IATA_CODE_Reporting_Airline AS Carrier, count(*) FROM ontime WHERE DepDelay>10 AND Year = 2007 GROUP BY Carrier ORDER BY count(*) DESC;
SELECT IATA_CODE_Reporting_Airline AS Carrier, avg(DepDelay>10)*1000 AS c3 FROM ontime WHERE Year=2007 GROUP BY Carrier ORDER BY c3 DESC;
SELECT IATA_CODE_Reporting_Airline AS Carrier, avg(DepDelay>10)*1000 AS c3 FROM ontime WHERE Year>=2000 AND Year <=2008 GROUP BY Carrier ORDER BY c3 DESC;
SELECT IATA_CODE_Reporting_Airline AS Carrier, avg(DepDelay) * 1000 AS c3 FROM ontime WHERE Year >= 2000 AND Year <= 2008 GROUP BY Carrier;
SELECT Year, avg(DepDelay) FROM ontime GROUP BY Year;
select Year, count(*) as c1 from ontime group by Year;
SELECT avg(cnt) FROM (SELECT Year,Month,count(*) AS cnt FROM ontime WHERE DepDel15=1 GROUP BY Year,Month) a;
select avg(c1) from (select Year,Month,count(*) as c1 from ontime group by Year,Month) a;
SELECT OriginCityName, DestCityName, count(*) AS c FROM ontime GROUP BY OriginCityName, DestCityName ORDER BY c DESC LIMIT 10;
SELECT OriginCityName, count(*) AS c FROM ontime GROUP BY OriginCityName ORDER BY c DESC LIMIT 10;
EOF
WARMUP=3
RUN=10
export script="hyperfine -w $WARMUP -r $RUN"
script=""
function run() {
port=$1
result=$2
script="hyperfine -w $WARMUP -r $RUN"
i=0
while read SQL; do
f=/tmp/bench_${i}.sql
echo "$before_sql" > $f
echo "$SQL" >> $f
#s="cat $f | clickhouse-client --host 127.0.0.1 --port $port"
s="cat $f | mysql -h127.0.0.1 -P$port -uroot -s"
script="$script '$s'"
i=$[i+1]
done <./bench.sql
script="$script --export-markdown $result"
echo $script | bash -x
}
run "3307" "$1"
echo "select version() as version" |mysql -h127.0.0.1 -P3307 -uroot >> $result
复制代码
Clickhouse 压缩修改对应的 run ,可以copy run_ontime.sh 为ch_run.sh 修改 run 部分:
script=""
function run() {
port=$1
result=$2
script="hyperfine -w $WARMUP -r $RUN"
i=0
while read SQL; do
f=/tmp/bench_${i}.sql
echo "$SQL" > $f
s="cat $f | clickhouse-client --host 127.0.0.1 --port $port"
script="$script '$s'"
i=$[i+1]
done <<< $(cat bench.sql)
script="$script --export-markdown $result"
echo $script | bash -x
}
run "9000" "$1"
复制代码
使用方法:
./run_time.sh D20220322.md
./ch_run.sh C202220322.md
复制代码
最后对比结果里的两个 md 文件。
对比结果
环境 | Clickhouse on S3(ms) | Databend on S3(ms) |
---|---|---|
Q1 | 498.2 | 186.6 |
Q2 | 682.1 | 247.2 |
Q3 | 620.7 | 354.7 |
Q4 | 269.6 | 125.1 |
Q5 | 160 | 146.6 |
Q6 | 694.3 | 371.3 |
Q7 | 699.9 | 389.2 |
Q8 | 994.9 | 524.9 |
Q9 | 35.9 | 372.1 |
Q10 | 1484.6 | 521.2 |
Q11 | 741.2 | 439.5 |
Q12 | 1945年 | 2898.1 |
Q13 | 1129 | 1183.1 |
グラフィック比較
上記の結果から、Q9のみが見つかり、ClickhouseはDatabendよりも優れています。分析を通じて、Clickhouseは辞書クエリを直接使用していることがわかります。これは、DatabendがQ9を最適化するための方向性も提供します。
要約する
現在、オブジェクトベースのストレージの方向では、Databendは大幅のテーブルコンピューティング機能の点でClickhouseよりも優れているようです。本質的に、Databendは現在Snowflakeよりもパフォーマンスが優れています。これらに興味がある場合は、今後のミートアップにも注目してください。
Databendの使用方法に興味がある場合は、次のリンクから詳細を確認できます。
minioでのデータベンド: databend.rs / doc /deploy/…
COSでのデータベンド: databend.rs / doc /deploy/…
AWS S3でのデータベンド: databend.rs / doc /deploy/…
データベンドのベクトル化されたコンピューティング機能: databend.rs / doc/perform…
テスト中に問題が発生した場合は、サポートのためにWeChat:82565387を追加し、パスワード:Databendを追加することもできます。