简述
ClickHouse 近两年在开源社区愈发火热，不知从何开始大家争相用它来替换 ElasticSearch，大概因为 ElasticSearch 的开销太高，在不作为搜索引擎的场景下，一定程度的暴力搜索是可以容忍的。
我们在使用 Skywalking 后发现，它对后端存储要求太高了，使用 (32C + 64G + 2T) x8 的配置，在云平台上每月好几万的开销，性能依然非常捉急，查询经常超时。前前后后优化了小半年后，最终下定决心替换成 ClickHouse。
在使用为 ClickHouse 后，机器数量减少了 50%；
查询链路列表从 5.53/s 提高到了 166/s，响应时间从 3.52s 降低到了 166ms；
查询链路详情从 5.31/s 提高到了 348/s，响应时间从 3.63s 降低到了 348ms；
链路数据存储时间从 5 天提高到了 10 天，数据量达到数百亿；
值得一提的是，在与 ES 的对比中经常会提到磁盘空间降低，其实 ClickHouse 的压缩率没有那么夸张，起码在我的实际体验两者相差不大。如果 ES 空间占用很高，那很可能是因为没在索引中开启 codec: best_compression。
ClickHouse 也并不是没有缺点，本篇文章分享下如何用 ClickHouse 作为 Skywalking 的后端存储。本文不会赘述 ClickHouse 的基本原理，需要读者对 ClickHouse 有一定了解的情况下阅读。
（由于工作量巨大，对 Skywalking 存储的改造仅限于存储链路数据，即 Segment，其余部分就抓大放小，仍使用 ElasticSearch 存储，没有进行改造）
表设计
ClickHouse 基本只能建立一种索引，即 Order By 的索引。而链路表查询条件众多，几乎每个字段都是查询条件，且包含多种排序，设计起来比较辣手。
查询条件：时间、服务名称、服务实例、链路类型、链路 ID、链路名称、响应时间、是否异常 排序条件：时间、响应时间
想要在一张表上设计出符合所有查询模式，基本是不可能的（或完全不可能），在参考了 jaeger-clickhouse 等众多设计后，更加坚定了这个结论。
尝试了数次后，最终的建表语句如下：
CREATE TABLE skywalking.segment
(
`segment_id` String,
`trace_id` String,
`service_id` LowCardinality(String),
`service_instance_id` LowCardinality(String),
`endpoint_name` String,
`endpoint_component_id` LowCardinality(String),
`start_time` DateTime64(3),
`end_time` DateTime64(3),
`latency` Int32,
`is_error` Enum8('success' = 0, 'error' = 1),
`data_binary` String,
INDEX idx_endpoint_name endpoint_name TYPE tokenbf_v1(2048, 2, 0) GRANULARITY 1,
PROJECTION p_trace_id
(
SELECT
trace_id,
groupArrayDistinct(service_id),
min(start_time) AS min_start_time,
max(start_time) AS max_start_time
GROUP BY trace_id
)
)
ENGINE = MergeTree
PARTITION BY toYYYYMMDD(start_time)
ORDER BY (start_time, service_id, endpoint_name, is_error)
TTL toDateTime(start_time) + toIntervalDay(10)
复制代码首先，在 partition 上还是使用了天作为条件。在 Order By 时，使用 时间 + 服务 + 链路名称 + 异常。为什么不是 服务 + 时间，因为在很多查询中，时间作为条件的情况比服务作为条件的频率更高，如果在服务放在前边，大部分时候 ClickHouse 需要在一个文件的不同部分去遍历，IO 会变得分散。
针对使用链路名称的查询，采用 ordre by + skip index 的方式优化。链路名称通常是接口名，而接口名在不同服务间重复的概率较小。这样在物理上，相同/相似的链路名称是排列在一起的，再使用 skip index 进一步筛选 granularity，剩余的数据很大概率是排列在一起的。这样就尽可能避免了扫描范围内的所有数据。
针对最重要的 traceId 查询就比较麻烦，因为查询可以不带任何条件（包括时间），使用 traceId 实际上是跨时间的。而 traceId 已经没办法再塞到索引的任何位置了，在尝试过各种二级索引后，效果依然非常不理想，可以说基本没什么效果。
最后我使用了当时还是 beta 特性的 Projection，其可以简单理解为表中表（实际在物理上也是这样存储的），即针对 partition 中的数据使用另一种结构存储。Projection 在 ClickHouse 中通常用来做 materialized view（物化视图）使用，相比后者优点是可以自动选择，以及生命周期受控于 partition。
而在这里我使用 projection 存储了 traceId 对应的 最大起始时间、最小起始时间、去重的服务名称列表，再拿得到的结果回源查表。最终的效果还可以接受，这也是为什么前边压测的结果中，查询链路详情的响应时间基本是查询列表的两倍，因为查了两遍 ：)
而这套设计方式也有不完美的地方，有两点：
- 响应时间排序没有优化。查询列表时，如果筛选条件不足会非常慢。
- traceId 对应大量数据或时间跨度非常大时，会非常慢。有时候因为程序问题，或时间较长的延迟任务，会出现这种情况。
刨除这两点不完美，整体使用下来还是很顺畅的，打开链路页面从转个十秒钟，到秒开。在后台使用 ClickHouse 分析服务的链路构成，响应时间，甚至定时扫描设定告警等，都是额外提供的能力。数据的可见延迟也有很大改善，在 ES 中为了提高写入性能，一般 60s 左右才能查询到，在 ClickHouse 中链路从上报到落地只要 5 秒。
ClickHouse 优化与踩坑
相比于 ElasticSearch 成熟的集群管理能力，ClickHouse 还是比较难伺候的。
写入
客户端使用了官方的 JDBC，用 CSV 组装数据导入，尽量节省内存。但是这个 JDBC 实现还是有一定的限制，比如没办法压缩数据包，导致内存占用居高不下。这一点后来在其他项目上使用时有优化，后边开文另谈。
大规模写入时，发现 partition 数量居高不下，导致查询最近的数据反而很慢。于是引入了 CHProxy 作为代理，采用写入本地表，读取分布式表的方式，partition 数量大大降低。
分布式命令
分布式命令（on cluster)是个一言难尽的东西，有时候觉得很方便，有时候又会出很多问题。如分布式命令会在 zookeeper 里堆积，一旦某个命令在一个节点上未执行/执行失败，会卡死后续的所有命令。如 create database xxx on cluster yyy 几乎必定失败。
集群中加入了新的节点，该节点会执行历史的 on cluster 命令，此时很容易失败导致节点启动不成功，需要手动到 zk 中清理历史命令。
Merge Partition 问题
ClickHouse 对 partition 管理有一套策略，可参考 ClickHouse内核分析-MergeTree的Merge和Mutation机制 ，参数比较难调，基本上没什么介入的空间。有时候看它已经堆积很多了，但它就是不紧不慢。针对较大 part 也不会再进一步 merge，于是还得在凌晨跑个定时任务，将头一天的 part 合并为一个（optimize table #table_name partition #partition_name final），没办法通过配置解决。 还出现过比较诡异的现象，某个节点出现了 too many part 写入拒绝，上去一看 merge 任务在跑，但仔细看没有一个任务在真正执行，每个都是进度跑到一半就归零从头开始。结果导致 part 数只增不减。
查阅一番无果，日志中也没有任何提示。最终猜测是因为内存不足，merge 跑到一半申请不到内存，导致任务失败只得从头开始。尤其是在 merge 任务较多的情况下，会相互挤占内存，接连失败。在该节点查询执行一条 group by 命令，果然执行失败提示内存不足（在其他节点可以正常执行）。最后减少了配置中的 background_size，增大了一点内存占用，重启后问题解决。
结语
ClickHouse 是一个很有启发的软件，但也并不是万能的，归根结底更适合分析而不是点查。场景不对硬拗的话，很容易变成你伺候它而不是它伺候你。
目前我们在实践使用 ClickHouse 作为日志存储平台，代替 ElasticSearch（又来）和云平台日志服务，将实现模式无关、存算分离、租户隔离、快速分析等功能，届时会再分享一些经验。