ClickHouse是一个用于数据分析（OLAP）的列式数据库管理系统（column-oriented DBMS），诞生于“战斗民族”俄罗斯，由搜索巨头Yandex公司开源。目前国内不少大厂在使用，包括腾讯、今日头条、携程、快手等，集群规模多达数千节点，阿里云更是推出了云产品ClickHouse。官方介绍：
ClickHouse is a column-oriented database management system (DBMS) for online analytical processing of queries (OLAP).
ClickHouse一定是有不可取代或者不可或缺的特点，才能使得它这么受青睐。
ClickHouse特点
ClickHouse从OLAP场景需求出发，定制开发了一套全新的高效列式存储引擎。
列式存储
ClickHouse是一个列式数据库，列式就意味着按列存储与扫描，拥有更小的io操作、更高的压缩比，非常适合于OLAP场景。列式与行式的差异可见下图：
速度快
ClickHouse是一个非常快的数据库系统，数据不仅按列存储、使用高效压缩减少io，同时还支持向量化执行引擎，能够充分使用CPU性能。
ClickHouse不仅查询快，处理单查询高吞吐量每台服务器每秒最多数十亿行；写入速度也非常快，对于大量的数据更新非常适用。
ClickHouse到底有多快？可以参考社区的一个性能测试报表。
另外ClickHouse在单表查询时表现优秀，领跑其他查询引擎，参考：
但是在多表关联查询时，性能表现相对比较差，更多性能测试报告，可以参见：http://www.clickhouse.com.cn/topic/5c453371389ad55f127768ea。
功能丰富
在使用方面，除了速度快，ClickHouse支持大部分的SQL语法，不过目前还有一定限制；ClickHouse支持实时的数据更新，适用于在线查询。ClickHouse具有良好的可扩展性，支持单节点与分布式部署，可以扩展到成百上千个节点，单个节点可容纳万亿行数据或超过100TB数据。此外，ClickHouse还支持主键索引、稀疏索引、数据Sharding、数据Partitioning、TTL、主备复制等特性，参见文末链接的文章。
接下来我们看一看 ClickHouse有哪些应用场景和使用限制。
应用场景与限制
ClickHouse的应用场景：
1.绝大多数请求都是用于读访问的2.数据需要以大批次（大于1000行）进行更新，而不是单行更新；或者根本没有更新操作3.数据只是添加到数据库，没有必要修改4.读取数据时，会从数据库中提取出大量的行，但只用到一小部分列5.表很“宽”，即表中包含大量的列6.查询频率相对较低（通常每台服务器每秒查询数百次或更少）7.对于简单查询，允许大约50毫秒的延迟8.列的值是比较小的数值和短字符串（例如，每个URL只有60个字节）9.在处理单个查询时需要高吞吐量（每台服务器每秒高达数十亿行）10.不需要事务11.数据一致性要求较低12.每次查询中只会查询一个大表。除了一个大表，其余都是小表13.查询结果显著小于数据源。即数据有过滤或聚合。返回结果不超过单个服务器内存大小
相应地，使用ClickHouse也有其本身的限制：
1.不支持真正的删除/更新支持 不支持事务（期待后续版本支持）2.不支持二级索引（PS：新版本中已经支持）3.有限的SQL支持，join实现与众不同4.不支持窗口功能5.元数据管理需要人工干预维护
ClickHouse因性能卓越，被广泛应用于各种分析场景（特别是单表查询），例如用户行为分析、日志分析等。我们先从这几个方面认识下ClickHouse，对其有一个大概的了解。
参考：
https://clickhouse.tech/docs/en/
https://zhuanlan.zhihu.com/p/98135840
https://zhuanlan.zhihu.com/p/22165241
https://zhuanlan.zhihu.com/p/71014268
往期推荐
3、MapReduce Shuffle 和 Spark Shuffle 结业篇
