Clickhouse集群性能测试（全网独家精华版）

2024-02-06 09:59:40

背景

公司使用clickhouse作为其时序分析数据库，在上线前需要对Clickhouse集群做一个性能基准测试，用于数据评估。这里我搭建了三节点的集群，集群采用三分片单副本的模式（即数据分别存储在三个Clickhouse节点上，每个Clickhouse节点都有一个单独的副本，如下图：

具体的搭建方式参考：Clickhouse集群搭建

性能测试说明

性能关注指标

clickhouse-server写性能
clickhouse-server读性能
clickhouse-server的CPU和内存占用情况

测试环境说明

1）虚拟机列表

机器名	IP	配置	部署的服务	备注
server01	192.168.21.21	8c8g	clickhouserver（cs01-01）和 clickhouserver（cs01-02）	clickhouse01-01: 实例1, 端口: tcp 9000, http 8123, 同步端口9009, 类型: 分片1, 副本1 clickhouse01-02: 实例2, 端口: tcp 9001, http 8124, 同步端口9010, 类型: 分片2, 副本2 (clickhouse2的副本)
server02	192.168.21.69	8c8g	clickhouserver（cs02-01）和 clickhouserver（cs02-02）	clickhouse02-01: 实例1, 端口: tcp 9000, http 8123, 同步端口9009, 类型: 分片2, 副本1 clickhouse02-02: 实例2, 端口: tcp 9001, http 8124, 同步端口9010, 类型: 分片3, 副本2 (clickhouse3的副本)
server03	192.168.21.6	8c8g	clickhouserver（cs03-01）和 clickhouserver（cs03-02）	clickhouse03-01: 实例1, 端口: tcp 9000, http 8123, 同步端口9009, 类型: 分片3, 副本1 clickhouse03-02: 实例2, 端口: tcp 9001, http 8124, 同步端口9010, 类型: 分片1, 副本2 (clickhouse1的副本)
发压机器	192.168.21.3	16c2g	压测机器	用于测试clickhouse-server的性能

2）测试数据表说明

server02上的cs02-01中数据表使用如下sql创建写测试表：

create database test_ck;

#创建本地复制表用于写入（使用ReplicatedMergeTree复制表）
CREATE TABLE test_ck.device_thing_data (
                time                     UInt64,
                user_id                 String,
                device_id                 String,
                source_id                 String,
                thing_id                   String,
                identifier                String,
                value_int32                Int32,
                value_float                Float32,
                value_double            Float64,
                value_string            String,
                value_enum              Enum8('0'=0,'1'=1,'2'=2,'3'=3,'4'=4,'5'=5,'6'=6,'7'=7,'8'=8),
                value_string_ex         String,
                value_array_string         Array(String),
                value_array_int32         Array(Int32),
                value_array_float         Array(Float32),
                value_array_double         Array(Float64),
                action_date                Date,
                action_time             DateTime
            ) Engine= ReplicatedMergeTree('/clickhouse/tables/01-02/device_thing_data','cluster01-02-1') PARTITION BY toYYYYMM(action_date) ORDER BY (user_id,device_id,thing_id,identifier,time,intHash64(time)) SAMPLE BY intHash64(time) SETTINGS index_granularity=8192

创建分布式表用于查询，在三台每个机器上均执行如下sql：

CREATE TABLE device_thing_data_all AS test_ck.device_thing_data ENGINE = Distributed(cluster_3s_1r, test_ck, device_thing_data, rand())

测试数据说明

1）测试原始数据从开发联调环境的clickhouse导出，保存到本地的csv文件

2）写数据测试往192.168.21.69的9000端口（cs02-01）的test_ck.device_thing_data写入，使用的sql类似如下：

self.client.execute('INSERT INTO test_ck.device_thing_data (time,user_id,device_id,source_id,thing_id,identifier,value_int32,value_float,value_double,value_string,value_enum,value_string_ex,value_array_string,value_array_int32,value_array_float,value_array_double,action_date,action_time) VALUES', data,types_check=True)

3）读数据测试和写数据clickhouse-server实例一致，表使用device_thing_data_all，使用的sql类似如下：

self.client.execute('select count(1) from (select time,user_id,device_id,source_id,thing_id,identifier,value_int32,value_float,value_double,value_string,value_enum,value_string_ex,value_array_string,value_array_int32,value_array_float,value_array_double,action_date,action_time from device_thing_data_all limit %d) t1' % self.bulksize)

测试工具

测试工具使用python和shell编写，python使用clickhouse的客户端，shell使用parallel实现多进程

测试场景与性能数据

1）写入测试，对集群的(cs02-01)的复制表的写入测试

每次批量数据条数	客户端连接数	耗时（秒）	插入总行数	TPS（records/sec)	clickhouse的CPU占用	clickhouse内存占用(m)	备注
10	1	12.319155	10000	811.744020	43%	1.8%（约160M)	/bin/bash start_clickhouse_perf.sh --mode=1 --clientnum=1 --bulksize=10 --times=1000
100	3	25.015171	300000	12026.095374	72%	1.8%（约160M)	/bin/bash start_clickhouse_perf.sh --mode=1 --clientnum=3 --bulksize=100 --times=1000
1000	3	61.579590	1500000	24496.428544	18.3%	1.9%（约160M)	/bin/bash start_clickhouse_perf.sh --mode=1 --clientnum=3 --bulksize=1000 --times=500
1000	6	64.323068	3000000	47051.112386	35.2%	1.9%（约160M)	/bin/bash start_clickhouse_perf.sh --mode=1 --clientnum=6 --bulksize=1000 --times=500
10000	6	222.632641	12000000	54542.892502	9.3%	2.4%（约160M)	/bin/bash start_clickhouse_perf.sh --mode=1 --clientnum=6 --bulksize=1000 --times=500

2）读取测试，对集群的(cs02-01)的分布式表的读取测试

每次批量数据条数	客户端连接数	耗时（秒）	插入总行数	TPS（records/sec)	clickhouse的CPU占用	clickhouse内存占用(m)	备注
1000	1	11.610356	1000000	86130.004332	69.4%	2.1%（约160M)	/bin/bash start_clickhouse_perf.sh --mode=0 --clientnum=1 --bulksize=1000 --times=1000
1000	3	12.897658	3000000	233129.085885	200.1%	2.1%（约160M)	/bin/bash start_clickhouse_perf.sh --mode=0 --clientnum=3 --bulksize=1000 --times=1000
10000	3	12.971161	30000000	2322824.513353	207%	2.1%（约160M)	/bin/bash start_clickhouse_perf.sh --mode=0 --clientnum=3 --bulksize=10000 --times=1000
10000	6	16.298867	60000000	3705072.680627	353.5%	2.1%（约160M)	/bin/bash start_clickhouse_perf.sh --mode=0 --clientnum=6 --bulksize=10000 --times=1000
100000	6	19.740923	600000000	30605253.774755	461%	2.2%（约160M)	/bin/bash start_clickhouse_perf.sh --mode=0 --clientnum=6 --bulksize=100000 --times=1000

3）写入数据量测试

写入1亿条记录到clickhouse单实例中，最后硬盘上的数据大小约为450M左右。

最后

可以看出，Clickhouse的单批次读写的记录越多，性能越好；尽量使用多线程进行读写，这样能够最大化利用Clickhouse的性能。

博主：测试生财（一个不为996而996的测开码农）

座右铭：专注测试开发与自动化运维，努力读书思考写作，为内卷的人生奠定财务*。

内容范畴：技术提升，职场杂谈，事业发展，阅读写作，投资理财，健康人生。

csdn：https://blog.csdn.net/ccgshigao

博客园：https://www.cnblogs.com/qa-freeroad/

51cto：https://blog.51cto.com/14900374

在码农的苦闷岁月里，期待我们一起成长，欢迎关注，感谢拍砖！

码农公寓

背景