Clickhouse特点
Clickhouse（后面简称ck）主要用于在线分析处理查询，得益于优秀的设计，成为OLAP领域的佼佼者。
下面就来看看它具体采用了哪些设计来达到高性能的实时分析能力。
对于数据库来说，高性能的核心问题就是并行处理和减少磁盘IO，所以ck采用了MPP架构，底层数据基于列式存储。
MPP
大规模并行处理架构，是share nothing类型的，特点是每个计算单元内所有的资源完全独立，包括CPU、内存、硬盘、甚至操作系统，节点间数据完全隔离，仅靠网络进行通信。
计算时各个节点单独计算，最后汇总后进行整理。所以上层用户使用时，MPP架构可以被视作整体。
share nothing的流行，也是因为随着时代发展，硬件层级能够带来万兆带宽和RDMA技术的支撑。
列式存储
行式存储和列式存储各有优劣：
行式存储优点时每条数据的所有内容存储在一起，适合频繁插入更新。
列式存储则是同属性数据存储在一起，适合压缩和数据分析。一条完整的数据散落在不同的列中，插入、更新慢，但是天然适合分布式。
毫无疑问，列式存储更适合大数据量的在线分析。
ck最小的处理单元是block，每个block存储的就是一段列数据，默认最大为8192行，ck采取LZ4压缩，大约可以做到8:1的压缩比。
索引的设计
ck的一级索引为稀疏索引，其只记录每个block的第一个元素，所以存储量小，可以全部放内存里。
二级索引为跳数索引，简单的说，就是在block之上建立一层索引，在将多个block划分到一个二级索引上，通过索引表述的数据特征，来让搜索时快速分别是否可以跳过该二级索引范围下的这些block。
不同类型的二级索引的特征描述方式不同，比如set类型用来存储大量重复值的索引，minmax类型用来标记数据范围，布隆过滤器来快速甄别数据是否不存在。
向量化计算
向量化计算就是利用多核CPU的特性，让for循环的多次计算变成一次计算，原理是利用CPU的寄存器层面实现并行操作。ck利用SSE4.2指令集实现向量化计算。
查询并发
为了快速查询的目的，ck每次查询都会使用一半核数的cpu，这样极大提高了并行处理能力。
但是相对的，这种设计带来的副作用是高并发查询能力的下降。
所以ck的适合的查询场景是快速低并发。