1.真正的面向列的DBMS

在一个真正的面向列的DBMS中，没有任何“垃圾”存储在值中。例如，必须支持定长数值，以避免在数值旁边存储长度“数字”。例如，十亿个UInt8类型的值实际上应该消耗大约1 GB的未压缩磁盘空间，否则这将强烈影响CPU的使用。由于解压缩的速度（CPU使用率）主要取决于未压缩的数据量，所以即使在未压缩的情况下，紧凑地存储数据（没有任何“垃圾”）也是非常重要的。


因为有些系统可以单独存储单独列的值，但由于其他场景的优化，无法有效处理分析查询。例如HBase，BigTable，Cassandra和HyperTable。在这些系统中，每秒钟可以获得大约十万行的吞吐量，但是每秒不会达到数亿行。


另外，ClickHouse是一个DBMS，而不是一个单一的数据库。ClickHouse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。



2.数据压缩 一些面向列的DBMS（InfiniDB CE和MonetDB）不使用数据压缩。但是，数据压缩确实提高了性能。


3.磁盘存储的数据


许多面向列的DBMS（SAP HANA和Google PowerDrill）只能在内存中工作。但即使在数千台服务器上，内存也太小，无法在Yandex.Metrica中存储所有浏览量和会话。



4.多核并行处理


多核多节点并行化大型查询。



5.在多个服务器上分布式处理 上面列出的列式DBMS几乎都不支持分布式处理。在ClickHouse中，数据可以驻留在不同的分片上。每个分片可以是用于容错的一组副本。查询在所有分片上并行处理。这对用户来说是透明的。



6.SQL支持


NULL不支持。


所有的函数都有不同的名字。


JOIN支持。


子查询在FROM，IN，JOIN子句中被支持;


标量子查询支持。


关联子查询不支持。



7.向量化引擎 数据不仅按列存储，而且由矢量 - 列的部分进行处理。这使我们能够实现高CPU性能。



8.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，数据使用合并树(MergeTree)进行递增排序。由于这个原因，数据可以不断地添加到表中。添加数据时无锁处理。



9.索引


例如，带有主键可以在特定的时间范围内为特定客户端（Metrica计数器）抽取数据，并且延迟时间小于几十毫秒。



10.支持在线查询 这让我们使用该系统作为Web界面的后端。低延迟意味着可以无延迟实时地处理查询，而Yandex.Metrica界面页面正在加载（在线模式）。



11.支持近似计算
    1.系统包含用于近似计算各种值，中位数和分位数的集合函数。


    2.支持基于部分（样本）数据运行查询并获得近似结果。在这种情况下，从磁盘检索比例较少的数据。


    3.支持为有限数量的随机密钥（而不是所有密钥）运行聚合。在数据中密钥分发的特定条件下，这提供了相对准确的结果，同时使用较少的资源。


12.数据复制和对数据完整性的支持。 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，或对复杂情况使用“按钮”。有关更多信息，请参阅“数据复制”一节。




ClickHouse目前未实现功能


1.无事务处理。


2.对于聚合，查询结果必须适合单个服务器上的内存。但是，查询的源数据量可能无限大。


3.缺乏全面的UPDATE / DELETE实现






ClickHouse还用于：


  • 存储WebVisor数据。
  • 处理中间数据。
  • 使用Google Analytics构建全球报告。
  • 运行查询以调试Metrica引擎。
  • 分析来自API和用户界面的日志。