ClickHouse OLAP 加速器

分析查询卡在「全表扫 + 行存」上

日志、订单、零售流水一旦上到亿级，未分好区、排序键不对或引擎选错的库，常在 GROUP BY、TopN、按天聚合上拖到不可接受。ClickHouse 用列存、MergeTree 主键排序与分区把 I/O 压到必要数据块，但表结构、物化视图和集群路由选错，合并与写入成本会直接拖慢线上查询。

技能如何组织内容

本技能按工程师落地路径写，核心块包括：

• MergeTree 族速查：MergeTree、ReplacingMergeTree、SummingMergeTree、AggregatingMergeTree、CollapsingMergeTree 及 Distributed 各自适用的去重、预聚合、状态折叠与分片代理场景。
• 表设计：订单分析表、销售流水表的排序键、分区与指标列布局示例。
• 物化视图：类型划分与多层聚合架构，把报表热路径提前物化。
• 查询与部署：优化 Checklist、字典表 JOIN、编码压缩对比，以及硬件与核心配置建议。
• 选型对照：与 StarRocks、Doris、DuckDB 在单表扫描、多表 JOIN、写入吞吐与运维复杂度上的差异，并给出「海量明细扫描 + 聚合、实时摄入」的适用画像。

文档中的性能表（如亿级单表聚合、十亿行 TopN）用于理解在典型硬件下 SQL 形状与耗时的关系，仍需结合你自己的数据分布做压测。

适用边界

技能明确 ClickHouse 更适合单表或轻量星型（约 2～3 表 JOIN），复杂多表关联应优先字典维表或其它 OLAP。ReplacingMergeTree 等引擎的去重语义依赖后台合并，查询层若要强一致需额外设计。分布式场景要单独核对分片键、Distributed 表与三节点以上的容量规划，速查不能替代集群调参。