在构建任何软件应用程序时,选择合适的数据库至关重要。所有数据库在性能方面都有不同的优势和劣势,因此,针对您的特定使用案例和数据模型,确定哪个数据库的优势最多,劣势最少,是一项重要的决策。下面您将找到 ClickHouse 和 Apache Druid 的关键概念、架构、功能、使用案例和定价模型的概述,以便您可以快速了解它们之间的比较情况。

本文的主要目的是比较 ClickHouse 和 Apache Druid 在涉及时序数据的工作负载中的性能,而不是针对所有可能的使用案例。时序数据通常在数据库性能方面提出了独特的挑战。这是由于正在写入的大量数据以及访问这些数据的查询模式造成的。本文无意论证哪个数据库更好;它只是提供了每个数据库的概述,以便您可以做出明智的决定。

ClickHouse 与 Apache Druid 细分


 
数据库模型

列式数据库

列式数据库

架构

ClickHouse 可以部署在本地、云端或作为托管服务。

Druid 可以部署在本地、云端或使用托管服务

许可证

Apache 2.0

Apache 2.0

使用案例

实时分析,大数据处理,事件日志记录,监控,物联网,数据仓库

实时分析,OLAP,时序数据,事件驱动型数据,日志分析,广告技术,用户行为分析

可扩展性

水平可扩展,支持分布式查询处理和并行执行

水平可扩展,支持用于高可用性和性能的分布式架构

正在寻找最有效的入门方式?

无论您是在寻求成本节约、更低的管理开销还是开源,InfluxDB 都能提供帮助。

ClickHouse 概述

ClickHouse 是一个开源的列式数据库管理系统,专为高性能在线分析处理 (OLAP) 任务而设计。它由俄罗斯领先的科技公司 Yandex 开发。ClickHouse 以其实时处理大量数据的能力而闻名,可提供快速的查询性能和实时分析。其列式存储架构实现了高效的数据压缩和更快的查询执行,使其适用于大规模数据分析和商业智能应用程序。

Apache Druid 概述

Apache Druid 是一个开源的实时分析数据库,专为高性能查询和数据摄取而设计。Druid 最初由 Metamarkets 于 2011 年开发,后于 2018 年捐赠给 Apache 软件基金会,因其处理大量数据且延迟低的能力而广受欢迎。Druid 具有独特的架构,结合了时序数据库、搜索系统和列式存储的元素,特别适合用于涉及事件驱动型数据和交互式分析的使用案例。


ClickHouse 用于时序数据

ClickHouse 可用于有效地存储和分析时序数据,尽管它并未明确针对时序数据进行优化。虽然 ClickHouse 一旦摄取数据就可以非常快速地查询时序数据,但它在需要以较小批量摄取数据以进行实时分析的极高写入场景中往往会遇到困难。

Apache Druid 用于时序数据

Apache Druid 专为实时分析而设计,非常适合用于需要快速分析写入后时序数据。Druid 还提供用于将历史数据存储在更便宜的对象存储中的集成,以便也可以使用 Druid 分析历史时序数据。


ClickHouse 关键概念

  • 列式存储:ClickHouse 以列式格式存储数据,这意味着每列的数据都单独存储。这可以实现高效的压缩和更快的查询执行,因为在查询执行期间仅读取所需的列。
  • 分布式处理:ClickHouse 支持分布式处理,允许跨集群中的多个节点执行查询,从而提高查询性能和可扩展性。
  • 数据复制:ClickHouse 提供数据复制,确保在硬件故障或节点中断情况下的数据可用性和容错能力。
  • 物化视图:ClickHouse 支持物化视图,物化视图是作为表存储的预计算查询结果。物化视图可以显着提高查询性能,因为它们允许通过避免重新计算每个查询的结果来更快地检索数据。

Apache Druid 关键概念

  • 数据摄取:将数据从各种来源(例如流式或批量数据源)导入 Druid 的过程。
  • :Druid 中最小的数据存储单元,段是不可变的、分区的和压缩的。
  • 数据汇总:在摄取期间聚合原始数据以减少存储需求并提高查询性能的过程。
  • 节点:Druid 的架构由不同类型的节点组成,包括 Historical、Broker、Coordinator 和 MiddleManager/Overlord,每个节点都有特定的职责。
  • 索引服务:Druid 的索引服务管理摄取数据、创建段以及将它们发布到深度存储的过程。


ClickHouse 架构

ClickHouse 的架构旨在支持对大型数据集进行高性能分析。ClickHouse 以列式格式存储数据。这可以实现高效的数据压缩和更快的查询执行,因为在查询执行期间仅读取所需的列。ClickHouse 还支持分布式处理,这允许跨集群中的多个节点执行查询。ClickHouse 使用 MergeTree 存储引擎作为其主要表引擎。MergeTree 专为高性能 OLAP 任务而设计,并支持数据复制、数据分区和索引。

Apache Druid 架构

Apache Druid 是一个功能强大的分布式数据存储,专为对大型数据集进行实时分析而设计。在其架构中,几个核心组件在确保其效率和可扩展性方面发挥着关键作用。以下是为 Apache Druid 提供支持的核心组件的概述。

  • Historical Nodes 是 Druid 数据服务能力的基础。它们的主要职责是为查询提供存储数据。为了实现这一目标,它们从深度存储加载段,将它们保留在内存中,然后满足对这些段的查询。在考虑部署和管理时,这些节点通常驻留在配备了大量内存和 CPU 资源的机器上。它们的扩展性显而易见,因为只需合并更多节点即可水平扩展它们。
  • Broker Nodes 充当传入查询的网关。它们的主要功能是将这些查询引导到相应的历史节点或实时节点。有趣的是,它们是无状态的,这意味着可以扩展它们以适应查询并发性的增加。
  • Coordinator Nodes 具有管理角色,负责监督历史节点之间的数据分布。它们关于加载或删除哪些段的决定基于特定的可配置规则。在部署方面,Druid 设置通常只需要一个活动协调器节点,并在备用节点上进行故障转移场景。
  • Overlord Nodes 指示摄取任务的分配,将它们引导至中间管理器或索引器节点。它们的部署与协调器节点的部署类似,通常有一个活动的 overlord 和一个用于冗余的备份。
  • MiddleManager 和 Indexer Nodes 是 Druid 中数据摄取的主力。虽然 MiddleManagers 启动用于数据摄取的短期任务,但 indexers 专为长期任务而设计。鉴于它们的密集操作,这些节点需要高 CPU 和内存资源。它们的扩展性很灵活,允许根据数据摄取量进行水平扩展。
  • Deep Storage 是一个组件,充当 Druid 的持久存储单元。Druid 与各种 blob 存储解决方案集成,例如 HDFS、S3 和 Google Cloud Storage。
  • Metadata Storage 是关于段、任务和配置的关键元数据的存储库。Druid 与流行的数据库兼容,用于此目的,包括 MySQL、PostgreSQL 和 Derby。

免费时序数据库指南

获取对备选方案和选择您的数据库的关键要求的全面审查。

ClickHouse 功能

实时分析

ClickHouse 专为实时分析而设计,可以低延迟处理大量数据,提供快速的查询性能和实时洞察。

数据压缩

ClickHouse 的列式存储格式实现了高效的数据压缩,减少了存储需求并提高了查询性能。

物化视图

ClickHouse 支持物化视图,物化视图可以通过预计算和存储查询结果作为表来显着提高查询性能。

Apache Druid 功能

数据摄取

Apache Druid 支持实时和批量数据摄取,允许它处理来自各种来源的数据,例如 Kafka、Hadoop 或本地文件。凭借对数据分区、复制和汇总的内置支持,Druid 确保了高可用性和高效存储。

可扩展性和性能

Druid 旨在水平扩展,为大规模部署提供支持,同时最大限度地减少性能下降。其独特的架构允许快速高效的查询,使其适用于需要低延迟分析的使用案例。

列式存储

Druid 以列式格式存储数据,与基于行的存储系统相比,可以实现更好的压缩和更快的查询性能。列式存储还允许 Druid 通过仅访问相关列来优化查询。

时间优化索引

Druid 的索引服务创建具有基于时间的分区的段,从而优化了时序数据的数据存储和检索。此功能显着提高了基于时间的查询的查询性能。数据汇总

Druid 的数据汇总功能在摄取期间聚合原始数据,从而减少了存储需求并提高了查询性能。此功能对于涉及高基数数据或大量相似数据点的使用案例尤其有利。


ClickHouse 使用案例

大规模数据分析

ClickHouse 的高性能查询引擎和列式存储格式使其适用于大规模数据分析和商业智能应用程序。

实时报告

ClickHouse 的实时分析能力使组织能够生成实时报告和仪表板,为决策提供最新的见解。

日志和事件数据分析

ClickHouse 实时处理大量数据的能力使其成为日志和事件数据分析的合适选择,例如分析 Web 服务器日志或应用程序事件。

Apache Druid 使用案例

地理空间分析

Apache Druid 提供对地理空间数据和查询的支持,使其适用于涉及基于位置的数据的使用案例,例如跟踪资产的移动、分析用户位置或监控事件的分布。其高效处理大量地理空间数据的能力使户能够根据位置信息获得见解并做出数据驱动的决策。

机器学习和人工智能

Druid 的高性能数据处理能力可用于机器学习和人工智能工作流程中的预处理和特征提取。其对实时数据摄取和低延迟查询的支持使其适用于需要实时预测或洞察的使用案例,例如推荐系统或预测性维护。

实时分析

Apache Druid 的低延迟查询和实时数据摄取能力使其成为实时分析使用案例的理想解决方案,例如监控应用程序性能、用户行为或业务指标。


ClickHouse 定价模型

ClickHouse 是一个开源数据库,可以部署在您自己的硬件上。ClickHouse 的开发者最近还创建了 ClickHouse Cloud,这是一个用于部署 ClickHouse 的托管服务。

Apache Druid 定价模型

Apache Druid 是一个开源项目,因此,它可以自行托管,无需许可费用。但是,选择自行托管 Druid 的组织在部署和运营 Druid 时将产生与基础设施、管理和支持相关的费用。这些成本将取决于组织的具体要求和选择的基础设施,无论是在本地还是在云端。

对于那些喜欢托管解决方案的人来说,有一些云服务提供 Apache Druid 作为托管服务,例如 Imply Cloud。借助托管服务,提供商处理基础设施、管理和支持,从而简化了 Druid 的部署和运营。这些托管服务的定价将因提供商和选择的服务层级而异,其中可能包括数据存储、查询容量和数据摄取率等因素。