ClickHouse 实战（从入门到精通）

1. ClickHouse入门：从零开始搭建分析平台

第一次接触ClickHouse时，我被它的性能震撼到了。当时我们需要分析上亿条用户行为日志，传统数据库查询需要几分钟，而ClickHouse只需几秒钟。这种列式数据库确实是为分析场景而生。

ClickHouse最擅长的就是处理海量数据的实时分析。想象一下，你有一个电商网站，每天产生数百万条订单记录。使用传统数据库，要统计"过去30天销量TOP10的商品"可能需要等待很久。而ClickHouse可以在秒级返回结果，这让实时决策成为可能。

安装ClickHouse非常简单，以Ubuntu系统为例：

bash复制# 添加官方仓库
sudo apt-get install -y apt-transport-https ca-certificates dirmngr
sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv E0C56BD4

# 安装服务端和客户端
sudo apt-get update
sudo apt-get install -y clickhouse-server clickhouse-client

# 启动服务
sudo service clickhouse-server start

安装完成后，你可以立即用客户端连接：

bash复制clickhouse-client

在客户端里，我们可以创建第一个测试表：

sql复制CREATE TABLE test.tutorial
(
    id UInt32,
    name String,
    event_time DateTime
)
ENGINE = MergeTree()
ORDER BY (event_time, id);

这个简单的例子展示了ClickHouse的基本能力。MergeTree是ClickHouse最常用的表引擎，特别适合时间序列数据。ORDER BY子句定义了主键索引，这对查询性能至关重要。

2. 实战电商数据分析：表设计与数据导入

让我们通过一个电商订单分析的实战案例，深入理解ClickHouse的应用。假设我们需要分析以下指标：

• 每日/每周/每月销售额
• 热销商品排行
• 用户购买行为分析

首先设计订单表结构：

sql复制CREATE TABLE ecommerce.orders
(
    order_id UInt64,
    user_id UInt64,
    product_id UInt64,
    quantity UInt32,
    price Decimal(10,2),
    order_time DateTime,
    payment_method String,
    city String,
    province String
)
ENGINE = MergeTree()
PARTITION BY toYYYYMM(order_time)
ORDER BY (order_time, city, product_id);

这里有几个关键设计点：

1. 使用MergeTree引擎，适合分析场景
2. 按月份分区(partition)，便于管理大数据量
3. 排序键(order_time, city, product_id)优化了常见查询

数据导入有多种方式，最常用的是CSV导入：

bash复制clickhouse-client --query "INSERT INTO ecommer