ClickHouse в системах сбора статистики::Журнал СА 3.2017
www.samag.ru
Журнал «БИТ. Бизнес&Информационные технологии»      
Поиск   
              
 www.samag.ru    Web  0 товаров , сумма 0 руб.
E-mail
Пароль  
 Запомнить меня
Регистрация | Забыли пароль?
Журнал "Системный администратор"
Журнал «БИТ»
Подписка
Архив номеров
Где купить
Наука и технологии
Авторам
Рекламодателям
Контакты
   

  Опросы
  Статьи

Работа с Debian  

О Linux с любовью или Debian: через знание к любви

Конечно, одним лишь перечислением замечательных качеств любовь к Linux не возникнет. Для

 Читать далее...

Опрос  

Защита личных и клиентских данных: как мошенники используют ИИ и как защититься?

По данным RED Security, общее число кибератак на российские компании в 2024

 Читать далее...

Опрос  

Облачные инструменты для разработчиков

Эксперты ИТ-отрасли отвечают на вопросы «Системного администратора» > Как с помощью облака сделать

 Читать далее...

Опрос  

Рынок мобильных приложений: что будет актуальным в 2025 году?

Эксперты ИТ-отрасли отвечают на вопросы «Системного администратора» > Ваши прогнозы: чего ожидать от

 Читать далее...

Рынок труда  

Как успешно пройти все этапы собеседования на ИТ-должность?

По оценкам государства, дефицит ИТ-специалистов составляет от 740 тысяч до 1 миллиона

 Читать далее...

1001 и 1 книга  
19.03.2018г.
Просмотров: 7596
Комментарии: 0
Машинное обучение с использованием библиотеки Н2О

 Читать далее...

12.03.2018г.
Просмотров: 7855
Комментарии: 0
Особенности киберпреступлений в России: инструменты нападения и защита информации

 Читать далее...

12.03.2018г.
Просмотров: 5215
Комментарии: 0
Глубокое обучение с точки зрения практика

 Читать далее...

12.03.2018г.
Просмотров: 3346
Комментарии: 0
Изучаем pandas

 Читать далее...

12.03.2018г.
Просмотров: 4139
Комментарии: 0
Программирование на языке Rust (Цветное издание)

 Читать далее...

19.12.2017г.
Просмотров: 4151
Комментарии: 0
Глубокое обучение

 Читать далее...

19.12.2017г.
Просмотров: 6648
Комментарии: 0
Анализ социальных медиа на Python

 Читать далее...

19.12.2017г.
Просмотров: 3488
Комментарии: 0
Основы блокчейна

 Читать далее...

19.12.2017г.
Просмотров: 3767
Комментарии: 0
Java 9. Полный обзор нововведений

 Читать далее...

16.02.2017г.
Просмотров: 7642
Комментарии: 0
Опоздавших не бывает, или книга о стеке

 Читать далее...

17.05.2016г.
Просмотров: 11005
Комментарии: 0
Теория вычислений для программистов

 Читать далее...

30.03.2015г.
Просмотров: 12729
Комментарии: 0
От математики к обобщенному программированию

 Читать далее...

18.02.2014г.
Просмотров: 14511
Комментарии: 0
Рецензия на книгу «Читаем Тьюринга»

 Читать далее...

13.02.2014г.
Просмотров: 9450
Комментарии: 0
Читайте, размышляйте, действуйте

 Читать далее...

12.02.2014г.
Просмотров: 7415
Комментарии: 0
Рисуем наши мысли

 Читать далее...

10.02.2014г.
Просмотров: 5697
Комментарии: 4
Страна в цифрах

 Читать далее...

18.12.2013г.
Просмотров: 4902
Комментарии: 0
Большие данные меняют нашу жизнь

 Читать далее...

18.12.2013г.
Просмотров: 3755
Комментарии: 0
Компьютерные технологии – корень зла для точки роста

 Читать далее...

04.12.2013г.
Просмотров: 3436
Комментарии: 0
Паутина в облаках

 Читать далее...

03.12.2013г.
Просмотров: 3667
Комментарии: 1
Рецензия на книгу «MongoDB в действии»

 Читать далее...

Друзья сайта  

 ClickHouse в системах сбора статистики

Архив номеров / 2017 / Выпуск №3 (172) / ClickHouse в системах сбора статистики

Рубрика: Базы данных /  Инструменты

Александр Календарев АЛЕКСАНДР КАЛЕНДАРЕВ, OTG, руководитель группы (ТимЛид), akalend@mail.ru

ClickHouse в системах сбора статистики

Еще не прошло и полгода, как компания Yandex открыла исходный код cвоей аналитической БД ClickHouse, а сегодня на GitHub она уже завоевала 1500+ лайков. Попытаемся разобраться, зачем нужна БД и как ей пользоваться, на примере системы сбора статистики

Возможности ClickHouse

ClickHouse [1] была разработана в рамках проекта Яндекс.Метрики, являющегося второй по величине в мире системой веб-аналитики. ClickHouse принадлежит семейству колоночных СУБД. Система хранения данных колоночных СУБД предполагает хранение данных не по записям (одна запись одна строка), как это реализовано у классических СУБД типа Oracle, MS SQL Server, MySQL, PostgreSQL и т.д., а по колонкам, т.е. у колоночных БД данные привязываются к значениям колонки, которая является первичным ключом.

Ниже представлен пример построчного хранения данных:

host timestamp p1 p2
127.0.0.1 1488621674 2 a
127.0.0.2 1488621674 5 a
127.0.0.21 1488621675 1 f
127.0.0.27 1488621675 5 b

Эти же данные хранятся поколоночно в следующем порядке:

host
127.0.0.1
127.0.0.2
127.0.0.21
127.0.0.27
 
p1
2
5
1
5
 
timestamp
1488621674
1488621674
1488621675
1488621675

Примеры колоночных БД: Cassandra, Hbase, MonetDB, Vertica, Paraccel, Sybase IQ, Exasol, Infobright, InfiniDB, LucidDB, SAP HANA, Google Dremel, Google PowerDrill, Druid, kdb+ ит.п.

Разный порядок хранения данных лучше подходит для разных сценариев работы СУБД. Не существует серебряной пули, одинаково хорошо подходящей под существенно различные нужды пользователей. Чем больше нагрузка на систему, тем более важной становится специализация под данный сценарий работы. Специфика колоночных БД такова, что они очень быстры на запись, что очень важно для систем, разработанных под большие нагрузки.

Для онлайн-обработки аналитических запросов предполагается следующий сценарий работы:

  • подавляющее большинство запросов на чтение;
  • данные обновляются достаточно большими пакетами (> 1000 строк), а не по одной строке;
  • данные могут не обновляются вообще;
  • данные добавляются в БД, но не изменяются;
  • при чтении вынимается достаточно большое количество строк из БД, но только небольшое подмножество столбцов;
  • таблицы являются «широкими», т.е. содержат большое количество столбцов;
  • запросы идут сравнительно редко (обычно не более сотни в секунду на сервер);
  • при выполнении простых запросов допустимы небольшие задержки;
  • значения в столбцах небольшие: числа и короткие строки (до 64 байт);
  • требуется высокая пропускная способность при обработке одного запроса;
  • транзакции отсутствуют;
  • низкие требования к консистентности данных;
  • в запросе одна большая таблица, все таблицы, кроме одной, маленькие;
  • результат выполнения запроса существенно меньше исходных данных, т.е. данные фильтруются или агрегируются;
  • результат выполнения помещается в оперативку на одном сервере.

Если в ваших проектах требуется система с вышеперечисленными критериями, то эта система для вас.

Если бы мне пришлось вновь заняться архитектурой разработки систем учета партнерских программ, то мой выбор остановился бы на ClickHouse. Кратко рассмотрим, что собой представляет «партнерка». Есть множество рекламодателей, которым необходимо продать свой товар. Есть большое множество владельцев веб-сайтов, которые размещают на своих сайтах JS-код партнерской программы. Есть множество пользователей, которые посещают эти сайты, кликают по баннерам, показывающимся JS-кодом «партнерки», и приобретают товары или услуги. Все эти клики, посещения или покупки учитываются партнерской системой и владельцы веб-сайтов получают свою комиссию.

Рассмотрим «партнерку» с технической точки зрения. При переходе с сайта партнера (владельца веб-сайта) на «партнерку» необходимо учесть клик, в котором содержится информация: с какого сайта (site_id) был осуществлен переход, номер баннера (banner_id), по которому кликнул пользователь, и учетный номер партнерской программы (partner_id), по которой идет учет и выплачиваются гонорары и комиссии.

Для сбора статистики необходимо учесть по кликам следующие данные:

  • site_id – сайт, с которого осуществлен переход, передается в url;
  • webmaster_id – ID владельца сайта, вычисляется из site_id;
  • banner_id – номер баннера, с которого осуществлен переход, передается в url;
  • partner_id – номер партнерской программы, передается в url;
  • client_id – ID рекламодателя, вычисляется из partner_id.
  • timestamp – время осуществления клика;
  • ua – User Agent;
  • ip – IP-адрес;
  • latitude, lontitude – геокоординаты пользователя.

Как это работает: при переходе на «партнерку» по ссылке с баннера из быстрого key-value-хранилища в основном используют Redis, по ключу site_id:partner_id извлекается недостающая информация: webmaster_id, client_id, адрес перехода, учитывается клик, которому присваивается уникальный номер, формируется адрес перехода и осуществляется сам переход по url, в котором передается некая информация, включающая click_id. К сожалению, в рамках данного материала мы не рассматриваем алгоритмы показа баннера, учитывающие интересы пользователя.

Если пользователь приобрел товары или услуги, то партнер (рекламодатель) делает так называемый кэллбэк, в котором указывает номер заказа, сумму или величину комиссии (определяется типом партнерской программы). Эта информация также учитывается, но уже в таблице лидов.

Статью целиком читайте в журнале «Системный администратор», №1-2 за 2017 г. на страницах 56-59.

PDF-версию данного номера можно приобрести в нашем магазине.


  1. https://clickhouse.yandex/reference_ru.html – официальная документация.
  2. https://github.com/yandex/ClickHouse – открытый код проекта.
  3. https://hub.docker.com/r/yandex/clickhouse-server – doc clicks_3shardsker-образ ClickHouse-сервера.
  4. https://hub.docker.com/r/yandex/clickhouse-client – docker-образ ClickHouse-клиента.
  5. http://www.cs.umb.edu/~poneil/lsmtree.pdf – слабо структурированное дерево LSM.
  6. https://github.com/8bitov/clickhouse-php-client – PHP-клиент.
  7. https://github.com/smi2/phpClickHouse – еще один PHP-клиент.
  8. https://habrahabr.ru/company/yandex/blog/303282 – статья на «Хабре» в блоге компании Yandex про ClickHouse.

Комментарии отсутствуют

Добавить комментарий

Комментарии могут оставлять только зарегистрированные пользователи

               Copyright © Системный администратор

Яндекс.Метрика
Tel.: (499) 277-12-45
E-mail: sa@samag.ru