前言：
久闻 ClickHouse 大名，一直没有去详细了解。近期看了下 ClickHouse 相关文档，决定安装体验下。想了解 ClickHouse 的小伙伴可以一起跟着学习哦。本篇文章主要介绍 ClickHouse 安装方法及基础知识。
1. ClickHouse 简介ClickHouse 是一个用于联机分析 (OLAP) 的列式数据库管理系统 (DBMS). 由俄罗斯搜索引擎巨头 Yandex 开源. 主要用于数据分析领域, 目前国内社区火热, 各个大厂纷纷跟进大规模用于 OLAP 领域。
一起来看下 ClickHouse 官网怎么介绍它的一些特性:
快速：ClickHouse会充分利用所有可用的硬件，以尽可能快地处理每个查询。单个查询的峰值处理性能超过每秒 2 TB（解压缩后，仅使用的列）。在分布式设置中，读取是在健康副本之间自动平衡的，以避免增加延迟。容错：ClickHouse支持多主机异步复制，并且可以跨多个数据中心进行部署。所有节点都相等，这可以避免出现单点故障。单个节点或整个数据中心的停机时间不会影响系统的读写可用性。可伸缩：ClickHouse可以在垂直和水平方向上很好地缩放。 ClickHouse易于调整以在具有数百或数千个节点的群集上或在单个服务器上，甚至在小型虚拟机上执行。当前，每个单节点安装的数据量超过数万亿行或数百兆兆字节。易用：ClickHouse简单易用，开箱即用。它简化了所有数据处理：将所有结构化数据吸收到系统中，并且立即可用于构建报告。 SQL允许表达期望的结果，而无需涉及某些DBMS中可以找到的任何自定义非标准API。2. ClickHouse 安装教程ClickHouse 可以在任何具有 x86_64 ，AArch64 或 PowerPC64LE CPU 架构的 Linux ，FreeBSD 或 Mac OS X 上运行。貌似不能在 Windows 系统下安装，不过 ClickHouse 同样支持 Docker 部署，Windows 系统可以在 Docker 下安装 ClickHouse 。
根据官方文档推荐：Debian 或 Ubuntu 系统可以使用官方预编译的 deb 软件包来安装，CentOS 、RedHat 等Linux发行版可以使用官方预编译的 rpm 包 来安装，如果您的操作系统不支持安装 deb 或 rpm 包，也可以使用 tgz 软件包或直接源码编译安装。下面我们以 CentOS 系统为例，以 rpm 方式来安装下 ClickHouse。
# 查看系统版本[root@localhost ~]# more /etc/redhat-release CentOS Linux release 7.6.1810 (Core) # 检测当前CPU是否支持SSE 4.2[root@localhost ~]# grep -q sse4_2 /proc/cpuinfo && echo "SSE 4.2 supported" || echo "SSE 4.2 not supported"SSE 4.2 supported# 添加官方存储库sudo yum install yum-utilssudo rpm --import 基础语法：
# 1.创建数据库# 语法：CREATE DATABASE [IF NOT EXISTS] db_name [ON CLUSTER cluster] [ENGINE = engine(...)]# 示例：[root@localhost ~]# clickhouse-client ClickHouse client version 20.12.5.14 (official build).Connecting to localhost:9000 as user default.Connected to ClickHouse server version 20.12.5 revision 54442.localhost :) create database test;CREATE DATABASE testQuery id: c17cbf32-ab8c-45a0-8ebb-a7b0bdb88efeOk.0 rows in set. Elapsed: 0.015 sec. localhost :) use test;USE testQuery id: 4eeadf20-e8bc-4b84-a953-71cf16e133b6Ok.0 rows in set. Elapsed: 0.001 sec.# 2.创建表# 语法：CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]( name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1] [compression_codec] [TTL expr1], name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2] [compression_codec] [TTL expr2], ...) ENGINE = engine# 示例：root@localhost ~]# clickhouse-clientClickHouse client version 20.12.5.14 (official build).Connecting to localhost:9000 as user default.Connected to ClickHouse server version 20.12.5 revision 54442.localhost :) use test;USE testQuery id: 37248a4f-36ec-4ed3-a08a-c345db228c98Ok.0 rows in set. Elapsed: 0.001 sec. localhost :) create table t1 (id Int32,name String) engine=TinyLog;CREATE TABLE t1( `id` Int32, `name` String)ENGINE = TinyLogQuery id: 8296c170-72fa-4852-8447-ab548fa3b7b8Ok.0 rows in set. Elapsed: 0.230 sec. localhost :) show tables;SHOW TABLESQuery id: 7da8d2d5-e4ed-45f1-b96c-4d23924512ba┌─name─┐│ t1 │└──────┘1 rows in set. Elapsed: 0.007 sec. # TinyLog是最简单的表的引擎，用于将数据存储在磁盘上。常用于小表。# 3.插入数据# 示例：[root@localhost ~]# clickhouse-clientClickHouse client version 20.12.5.14 (official build).Connecting to localhost:9000 as user default.Connected to ClickHouse server version 20.12.5 revision 54442.localhost :) use test;USE testQuery id: 71a1de2a-17fe-4a0b-b9b6-7e934016892eOk.0 rows in set. Elapsed: 0.001 sec. localhost :) insert into t1 (id, name) values (1, 'abc'), (2, 'bbbb'),(3,'sdfg');INSERT INTO t1 (id, name) VALUESQuery id: d4982851-8b52-4158-949f-fa94cd7d8ff3Ok.3 rows in set. Elapsed: 0.002 sec. localhost :) select * from t1;SELECT *FROM t1Query id: b73f366c-702e-4bda-b519-cb087754bbad┌─id─┬─name─┐│ 1 │ abc ││ 2 │ bbbb ││ 3 │ sdfg │└────┴──────┘3 rows in set. Elapsed: 0.002 sec. 虽然 SQL 语法和关系型数据库有相似之处，但还是要摒弃已有的思维来学习 ClickHouse 。特别是数据类型、表引擎及其他特性，这些都是陌生的，学习下来还是有难度的。
参考：
