点一下关注吧！！！非常感谢！！持续更新！！！
目前已经更新到了：
- Hadoop（已更完）
- HDFS（已更完）
- MapReduce（已更完）
- Hive（已更完）
- Flume（已更完）
- Sqoop（已更完）
- Zookeeper（已更完）
- HBase（已更完）
- Redis （已更完）
- Kafka（已更完）
- Spark（已更完）
- Flink（已更完）
- ClickHouse（正在更新···）
章节内容
上节我们完成了如下的内容：
- MergeTree 实测案例
- ReplacingMergeTree
- SummingMergeTree
CollapsingMergeTree
简介
以增代删。
Yandex官方给出的介绍是CollapsingMergeTree会异步的删除（折叠）除了特定列的 Sign 有 1 和 -1 的值以外，其余所有字段的值都相等的成对的行。没有成对的行会被保留，该引擎可以显著的降低存储量并提高SELECT查询效率。
CollapsingMergeTree引擎有个状态列Sign，这个值为1为“状态”行，-1为“取消”行，对于数据只关心状态列为状态的数据，不关心状态列为取消的数据。
案例
创建新表
CREATE TABLE cmt_tab (
id UInt32,
sign Int8,
date Date,
name String,
point String
)
ENGINE = CollapsingMergeTree(sign)
PARTITION BY toYYYYMM(date)
ORDER BY (name, id)
SAMPLE BY id;
执行结果如下图：
插入数据
INSERT INTO cmt_tab (id, sign, date, name, point) VALUES
(1, 1, '2024-01-01', 'Alice', '10'),
(2, 1, '2024-01-01', 'Bob', '15'),
(3, 1, '2024-01-02', 'Charlie', '20'),
(4, 1, '2024-01-02', 'David', '25'),
(5, 1, '2024-01-03', 'Eve', '30');
-- Mark Alice's row as deleted
-- Mark Bob's row as deleted
INSERT INTO cmt_tab (id, sign, date, name, point) VALUES
(1, -1, '2024-01-01', 'Alice', '10'),
(2, -1, '2024-01-01', 'Bob', '15');
-- Insert Alice's updated row
-- Insert Bob's updated row
INSERT INTO cmt_tab (id, sign, date, name, point) VALUES
(1, 1, '2024-01-01', 'Alice', '12'),
(2, 1, '2024-01-01', 'Bob', '18');
运行结果如下所示：
optimize
OPTIMIZE TABLE cmt_tab;
SELECT
*
FROM
cmt_tab;
执行结果如下图所示：
使用场景
大数据中对于数据更新很难做到，比如统计一个网站或TV的用户数，更多场景都是选择用记录每个点的数据，再对数据进行聚合查询。而ClickHouse通过CollapsingMergeTree就可以实现，使得CollapsingMergeTreeTree大部分用于OLAP场景。
VersionedCollapsingMergeTree
这个引擎和CollapsingMergeTree差不多，只是对CollapsingMergeTree引擎加了一个版本，比如可以适用于非实时的在线统计，统计每个节点用户在线的业务。
其他数据源
端口冲突
我们的ClickHouse和Hadoop的9000端口冲突了，看大家是更改ClickHouse的端口，还是Hadoop的端口。
我这里选择修改ClickHouse的端口，从9000到9001。
不过如果你不做HDFS的相关实验，这块冲突不管直接跳过就好。
我这里选择修改 ClickHouse，我已经集群都修改完毕了，所以我连接方式修改为：
clickhouse-client -m --host h121.wzk.icu --port 9001 --user default --password [email protected]
HDFS
该引擎提供了集成了Apache Hadoop生态系统通过允许管理数据HDFS通过ClickHouse，这个引擎是相似的到文件和URL引擎，但提供Hadoop特定的功能。
用途介绍
ENGINE = HDFS(URI, format)
该URI参数是HDFS中整个文件的URI，该format参数指定一种可用的文件格式。执行SELECT查询时，格式必须支持输入。
示例1
添加新表
设置 HDFS_ENGINE_TABLE 表：
CREATE TABLE hdfs_engine_table(
name String,
value UInt32
) ENGINE = HDFS('hdfs://h121.wzk.icu:9000/clickhouse', 'TSV');
运行之后的截图为：
插入数据
INSERT INTO hdfs_engine_table VALUES('one', 1), ('two', 2), ('three', 3);
运行之后截图为：
查询数据
SELECT
*
FROM
hdfs_engine_table;
运行之后的截图为：
HDFS 数据查看
实施细节
- 读取和写入可以并行
- 不支持：ALTER、SELECT SAMPLE、索引、复制
MySQL
介绍
MySQL 引擎可以对存储在远程MySQL服务器上的数据执行SELECT查询。
调用参数
- host:port MySQL服务器地址
- database 数据库名称
- table 表名称
- user 数据库用户
- password 用户密码
- replace_query 将INSERT INTO查询是否替换为REPLACE_INFO的标志，如果REPLACE_QUERY=1则替换查询
- on_duplicate_clause 将ON DUPLCATE KEY UPDATE 表达式添加到INSERT查询语句中。
示例
创建新表
CREATE TABLE mysql_table2 (
`id` UInt32,
`name` String,
`age` UInt32
) ENGINE = MySQL('h122.wzk.icu:3306', 'clickhouse', 'mysql_table2', 'hive', '[email protected]')
执行结果如下图所示：
数据库配置
在数据库中，我们要建立好对应的数据库和表：
插入数据
INSERT INTO mysql_table2 VALUES(1, 'wzk', 18);
INSERT INTO mysql_table2 VALUES(2, 'icu', 18);
查询数据
SELECT
*
FROM
mysql_table2;
运行之后截图：
Kafka
Apache Kafka 是一个分布式流处理平台，广泛用于构建实时数据管道和流应用。它能够高效地处理大量的实时数据流，常用于日志收集、事件监控、实时分析等场景。ClickHouse 提供了专门的 Kafka 引擎，使其能够直接从 Kafka 中读取数据，实现实时数据流的处理与分析。
创建新表
CREATE TABLE kafka_events
(
`timestamp` DateTime,
`event_type` String,
`user_id` UInt64,
`event_data` String
)
ENGINE = Kafka
SETTINGS
kafka_broker_list = 'broker1:9092,broker2:9092',
kafka_topic_list = 'events_topic',
kafka_group_name = 'clickhouse_group',
kafka_format = 'JSONEachRow',
kafka_num_consumers = 1;
创建目标表并设置 Materialized View
为了将 Kafka 中的数据持久化到 ClickHouse 的表中，通常会创建一个目标表，并通过 Materialized View 实现自动插入。
CREATE TABLE events (
`timestamp` DateTime,
`event_type` String,
`user_id` UInt64,
`event_data` String
) ENGINE = MergeTree()
ORDER BY timestamp;
CREATE MATERIALIZED VIEW kafka_to_events
TO events
AS SELECT * FROM kafka_events;
插入数据
INSERT INTO events SELECT * FROM kafka_events;
应用场景
- 实时日志分析：通过 Kafka 收集应用日志，ClickHouse 实时消费并分析日志数据，支持快速故障排查和性能监控。
- 事件驱动的业务分析：实时跟踪用户行为事件，进行实时的用户行为分析和推荐系统。
- 实时监控与报警：将监控数据流入 Kafka，ClickHouse 处理并生成实时报警指标。