一、核心特性

1. MPP架构

2. 完备的DBMS功能

• DDL
• DML
• 权限控制
• 数据备份和恢复
• 分布式管理

3. 列式存储和数据压缩

        同一个列的数据类型相同，相似度较高，相比行式存储压缩效率更高。

4. 向量化执行引擎

        向量化执行，就是利用寄存器硬件层面的特性，为上层应用程序的性能带来指数级的提升。为了实现向量化执行，需要利用CPU的SIMD（Single Instruction Multiple Data，即单挑指令操作多条数据）命令，它通过数据并行来提高性能，原理就是CPU寄存器层面实现数据的并行操作。

5. 支持sql查询

        使用关系型模型描述数据，类似传统数据库概念，如数据库、表、视图、函数等。

6. 支持多种表引擎（类似MySql）

        将存储引擎部分进行抽象，把存储引擎作为一层独立的接口，与MySql类似。

        目前有合并树、内存、日志、接口、外部存储和其他 6大类20多种表引擎，可以根据实际场景进行选择

7. 多线程、分布式

        向量化执行是通过数据级并行的方式提升性能，多线程处理是通过线程并行的方式实现性能提升。

        ClickHouse在数据存取方面，既支持分区（纵向扩展，增加分区，利用多线程技术），也支持分片（横向扩展，增加节点，利用分布式技术）。

8. 多主架构

        Hadoop生态系统技术都采用了Master-Slave主从架构，而ClickHouse则采用Multi-Master多主架构，集群中每个节点角色对等，客户端访问任意一个节点都能达到相同的效果。

9. 支持实时查询

        即使是复杂查询的场景，也能做到极快响应，且无需对数据进行预加工处理，ClickHouse优势明显：

• 商用软件价格昂贵
• SparkSQL和Hive无法保障90%的查询在1秒内返回，海量数据的复杂查询可能需要分钟级别的响应时间
• Elasticsearch在处理亿级数据聚合时，会显得力不从心       

 10. 支持分布式查询

• 支持分片
• 分片依赖集群，每个集群由1个或多个分片组成，每个分片对应ClickHouse的1台服务器节点，分片的数量取决于节点数量
• 提供了本地表（Local Table）和分布式表（Distribute Table）概念
  • 一张本地表相当于一份数据分片
  • 分布式表本身不存储数据，它是本地表的访问代理，借助分布式表，能够代理访问多个数据分片，从而实现分布式查询

二、架构设计

2.1 Column与Field

        Column和Field是ClickHouse数据最基础的映射单元。ClickHouse按列存储数据，内存中一列数据由一个Column对象表示。大多数情况下，ClickHouse都会以整列的方式操作数据，如果操作某列具体的数值，则需要使用Field对象，即Field对象代表一个值。

        Column对象采用泛华设计思路，对象分为接口和实现两部分。接口定义对数据进行各种运算的方法；在IColumn接口对象中，定义了对数据进行各种关系运算的方法，如插入数据、分页、过滤等。

        Field对象使用聚合的设计模式，在Field对象内部聚合了Null、UInt64、String和Array等13种数据类型及相应的处理逻辑。

2.2 DataType

        DataType负责数据的序列化和反序列化，但是不负责数据的读取，数据通过Column和Field对象读取。IDataType接口定义的方法，及相应的接口对象，其中序列化和反序列化接口成对出现，可以覆盖二进制、文本、JSON、XML、CSV、Protobuf等多种格式类型。

2.3 Block与Block流

        虽然Column和Field组成了数据的基本映射单元，但是实际操作中，还缺少了一些必要信息，如数据的类型和列名称，于是ClockHouse设计了Block对象，Block对象可以看作是数据表的子集。

        Block对象的本质是由数据对象（Column）、数据类型（DataType）和列名称组成，Column提供数据的读取能力，DataType提供数据的序列化和反序列化的能力，Block在他们的基础上做进一步的抽象和封装，仅通过Block对象就可以完成一系列的操作。

        Block流基于Block，其操作有两组顶层接口：

• IBlockInputStream - 负责数据的读取和关系运算，大致分为三类：
  • 用于处理定义的DDL操作
  • 处理关系运算的操作，如limit、join、Agg等
  • 支持不同表引擎，如BlockInputStream、MergeTreeBaseSelectBlockInputStream等
• IBlockOutputStream - 负责将数据输出到下一环节，最终将数据写入目的地                

2.4 Table

        底层设计中并没有所谓的Table对象，它直接使用IStorage接口指代数据表。

        IStorage接口定义了DDL、read、write方法，分别负责数据的定义、查询和写入。在数据查询时，IStorage负责根据AST（抽象语法树）查询语句的要求，返回指定列的原始数据，然后交给Interpreter做进一步处理。

        表引擎是ClickHouse的一个显著特性，IStorage接口指代数据表，因此不同的表引擎对应的有不同的IStorage子类实现，如IStorageSystemOneBlock、StorageMergeTree等。

2.5 Parser与Interpreter

        Parser - 分析器，负责创建AST抽象语法树对象；

• 不同的sql会由不同的Parser实现类解析，如负责解析DDL的ParserRenameQuery、ParserDropQuery，腐恶解析INSERT的ParserInsertQuery等。                        

        Interpreter - 解释器，负责解释AST，并创建下一步查询的执行管道。

• 类似Service服务层，祈祷串联整个查询过程的作用，根据解释器类型聚合相应资源，解析AST对象，执行业务逻辑，最终返回IBlock对象，一线程的形式建立起一个查询执行管道。

        它们与IStorage一起串联整个数据查询过程。IStorage负责根据AST的指示要求，返回指定的原始数据，通过Block对象完成一系列的操作。

2.6 Functions与Aggregate Functions

        ClickHouse主要提供两类函数：普通函数和聚合函数。

        普通函数由IFunction接口定义，主要做一些数据转换之类的操作；

        聚合函数由IAggregateFunction接口定义，聚合函数有状态，而且其状态支持序列化和反序列化，能够在分布式节点之间传输，从而实现增量运算。