1 背景
京喜达技术部在社区团购场景下采用 JDQ+Flink+Elasticsearch 架构来打造实时数据报表。随着业务的发展 Elasticsearch 开始暴露出一些弊端,不适合大批量的数据查询,高频次分页导出导致宕机、存储成本较高。
Elasticsearch 的查询语句维护成本较高、在聚合计算场景下出现数据不精确等问题。Clickhouse 是列式数据库,列式型数据库天然适合 OLAP 场景,类似 SQL 语法降低开发和学习成本,采用快速压缩算法节省存储成本,采用向量执行引擎技术大幅缩减计算耗时。所以做此对比,进行 Elasticsearch 切换至 Clickhouse 工作。
2 OLAP
OLAP 意思是 On-Line Analytical Processing 联机分析处理,Clickhouse 就是典型的 OLAP 联机分析型数据库管理系统 (DBMS)。OLAP 主要针对数据进行复杂分析汇总操作,比如我们业务系统每天都对当天所有运输团单做汇总统计,计算出每个省区的妥投率,这个操作就属于 OLAP 类数据处理。与 OLAP 类似的还有一个 OLTP 类数据处理,意思是 On-Line Transaction Processing 联机事务处理,在 OLTP 场景中用户并发操作量会很大,要求系统实时进行数据操作的响应,需要支持事务,Mysql、Oracle、SQLServer 等都是 OLTP 型数据库。
2.1 OLTP 场景的特征
- 宽表,即每个表包含着大量的列
- 对于读取,从数据库中提取相当多的行,但只提取列的一小部分。
- 查询相对较少 (通常每台服务器每秒查询数百次或更少)
- 查询结果明显小于源数据。换句话说,数据经过过滤或聚合,因此结果适合于单个服务器的 RAM 中
- 绝大多数是读请求
- 数据以相当大的批次 (> 1000 行) 更新,而不是单行更新;或者根本没有更新。
- 对于简单查询,允许延迟大约 50 毫秒
- 列中的数据相对较小:数字和短字符串 (例如,每个 URL 60 个字节)
- 处理单个查询时需要高吞吐量 (每台服务器每秒可达数十亿行)
- 事务不是必须的
- 对数据一致性要求低
3 特性
3.1 Elasticsearch
- 搜索: 适用倒排索引,每个字段都可被索引且可用于搜索,海量数据下近实时实现秒级的响应,基于 Lucene 的开源搜索引擎,为全文检索、高亮、搜索推荐等提供了检索能力。百度搜索、淘宝商品搜索、日志搜索等
- 数据分析: Elasticsearch 提供了大量数据分析的 API 和丰富的聚合能力,支持在海量数据的基础上进行数据分析处理。统计订单量、爬虫爬取不同电商的某个商品数据,通过 Elasticsearch 进行数据分析(各个平台的历史价格、购买力等等)
3.2 Clickhouse
- 列式存储
- 压缩算法:采用 lz4 和 zstd 算法数据压缩,高压缩比降低数据大小,降低磁盘 IO,降低 CPU 使用率。
- 索引:按照主键对数据进行排序,clickhouse 能在几十毫秒内完成在大量数据对特定数据或范围数据进行查找。
- 多核心并行处理:ClickHouse 会使用服务器上一切可用的资源,来全力完成一次查询。
- 支持 SQL:一种基于 SQL 的声明式查询语言,在许多情况下与 ANSI SQL 标准相同。支持 group by,order by,from, join,in 以及非相关子查询等。
- 向量引擎:为了高效的使用 CPU,数据不仅仅按列存储,同时还按向量 (列的一部分) 进行处理,这样可以更加高效地使用 CPU。
- 实时的数据更新:数据总是已增量的方式有序的存储在 MergeTree 中。数据可以持续不断高效的写入到表中,不会进行任何加锁等操作。写入流量在 50M-200M/s
- 适合在线查询:响应速度快延迟极低
- 丰富的聚合计算函数
4 我们的业务场景
- 大宽表,读大量行少量列进行指标聚合计算查询,结果集比较小。数据表都是通过 Flink 加工出来的宽表,列比较多。在对数据进行查询或者分析时,经常选择其中的少数几列作为维度列、对其他少数几列作为指标列,对全表或者一定范围内的数据做聚合计算。这个过程会扫描大量的行数据,但是只用了少数几列。
- 大量的列表分页查询与导出
- Flink 中数据大批量追加写入,不做更新操作
- 有时某个指标计算需要全表扫描做聚合计算
- 很少进行全文搜索
结论:数据报表、数据分析场景是典型的 OLAP 场景,在业务场景上列式存储数据库 Clickhouse 比 Elasticsearch 更有优势,Elasticsearch 在全文搜索上更占优势,但是我们这种全文搜索场景较少。
5 成本
- 学习成本:Clickhouse 是 SQL 语法比 Elasticsearch 的 DSL 更简单,几乎所有后端研发都有 Mysql 开发经验,比较相通学习成本更低。
- 开发、测试、维护成本:Clickhouse 是 SQL 语法,与 Mysql 开发模式相似,更好写单元测试。Elasticsearch 是使用 Java API 拼接查询语句,复杂度较高,不易读不易维护。
- 运维成本:未知,互联网上在日志场景下 Clickhouse 比 Elasticsearch 成本更低。
- 服务器成本:
- Clickhouse 的数据压缩比要高于 Elasticsearch,相同业务数据占用的磁盘空间 ES 占用磁盘空间是 Clickhouse 的 3-10 倍,平均在 6 倍。 见图 1
- Clickhouse 比 ES 占用更少的 CPU 和内存
结论:同等数据量情况下,Elasticsearch 使用的存储空间是 Clickhouse 的 3-10 倍,平均在 6 倍。综合学习、开发、测试、维护方面,Clickhouse 比 Elasticsearch 更友好
6 测试
6.1 服务器配置
以下均基于下图配置进行测试
6.2 写入压测
以下基于 wms_order_sku 表,通过 Flink 在业务平稳情况下双写 Elasticsearch 和 Clickhouse1000W+ 数据进行测试得到的结果
- 占用 CPU 情况:Elasticsearch CPU 一直占用很高,Clickhouse 占用很少 CPU。见 图 2
- 占用内存情况:Elasticsearch 内存升高频繁 GC,Clickhouse 占用内存较低,比较平稳。见 图 3
- 写入吞吐量:CH 单机写入速度大约为 50~200MB/s,如果写入的数据每行为 1kb,写入速度为 5-20W/s,图 4(写入吞吐量) 为互联网上 Elasticsearch 与 Clickhouse 写入数据的对比图,同等数据样本的情况下 CH 写入性能是 Elasticsearch 的 5 倍。由于我们目前 Flink 任务为双写,考虑到会互相影响,后续补充压测结果。
结论:批量写入数据时 Elasticsearch 比 Clickhouse 更吃内存和 CPU,Elasticsearch 消耗的内存是 Clickhouse 的 5.3 倍,消耗的 CPU 是 Clickhouse 的 27.5 倍。吞吐量是 Elasticsearch 的 5 倍
6.3 查询性能 (单并发测试)
以下场景是我们数据报表以及数据分析中出现的高频场景,所以基于此进行查询性能测试
数据对比情况
- Clickhouse 自身在集群配置差一倍的情况下查询性能差异不是很大,CH2(48C 182GB) 比 CH1(80C 320GB) 平均慢 14%。见图 5
- Elasticsearch 在集群配置差一倍的情况下查询性能受影响较大,ES2(46C 320GB) 比 ES1(78C 576GB) 平均慢 40%。见图 6
- ES2(46C 320GB) 与 CH2(48C 182GB) 相比,ES2 与 CH2 CPU 核数相近,ES2 内存是 CH2 1.75 倍的情况下,CH2 的响应速度是 ES2 的响应速度的的 12.7 倍。见图 7
结论:查询数据时 Elasticsearch 比 Clickhouse 慢,在配置相近的情况下 Clickhouse 的响应速度是 Elasticsearch 的 12.7 倍,特别是基于时间的多字段进行聚合查询是 Clickhouse 比 Elasticsearch 快 32 倍。Clickhouse 的查询响应素速度受集群配置大小的影响较小。
6.4 查询压测 (高并发测试,数据来源于互联网)
由于准备高并发测试比较复杂耗时多,后续会基于我们的业务数据以及业务场景进行查询压力测试。以下数据来源于互联网在用户画像场景(数据量 262933269)下进行的测试,与我们的场景非常类似。
结论:Clickhouse 对于高并发支持的不够,官方建议最大 QPS 为 100。高并发情况下吞吐量不如 Elasticsearch 更友好
7 总结
Clickhouse 与 Elasticsearch 对比 Clickhouse 的优缺点。
优点:
- 硬件资源成本更低,同等场景下,Clickhouse 占用的资源更小。
- 人力成本更低,新人学习、开发单测以及测试方面都更加友好,更容易介入。
- OLAP 场景下 Clickhouse 比 Elasticsearch 更适合,聚合计算比 Elasticsearch 更精缺、更快,更节省服务器计算资源。
- 写入性能更高,同等情况下是 Elasticsearch 的 5 倍,写入时消耗的服务器资源更小。
- Elasticsearch 在大量导出情况下频繁 GC,严重可能导致宕机,不如 Clickhouse 稳定。
- 查询性能平均是 Elasticsearch 的 12.7 倍,Clickhouse 的查询性能受服务器配置影响较小
- 月服务器消费相同情况 Clickhouse 能够得到更好的性能。
缺点:
- 在全文搜索上不如 Elasticsearch 支持的更好,在高并发查询上支持的不如 Elasticsearch 支持的更好
作者:京东物流 马红岩
内容来源:京东云开发者社区