OLAP方案与其他常见方案（如OLTP或Key-Value访问）有很大不同。所以，如果你想获得不错的表现，尝试使用OLTP或Key-ValueDB来处理分析查询是没有意义的。例如，如果您尝试使用MongoDB或Elliptics进行分析，与OLAP数据库相比，您的性能会很差。

面向列的数据库更适合于OLAP方案（对于大多数查询，处理速度至少提高了100倍），原因如下：

1. 对于I/O, 进行碎片化存储
2. 对于CPU由于执行查询需要处理大量的行，因此它有助于为整个向量调度所有操作，而不是单独的行，或者实现查询引擎，这样就几乎没有调度成本。如果你不这样做，任何半象限的磁盘子系统(half-decent disk subsystem)，查询解释器不可避免地中断(阻塞)CPU。将数据存储在列中并在可能的情况下按列处理是有意义的。
3. 对于分析查询，只需要读取少量的列。在面向列的数据库中，您只能读取所需的数据。例如，如果您需要100列中的5列，则I/O可能会减少20倍。
4. 由于数据是以数据包的形式读取的，因此压缩比较容易。列中的数据也更容易压缩。这进一步减少了I/O量。
5. 由于减少的I/O，更多的数据适合在系统缓存中。

安装

使用

高性能技巧

参考链接

1. 什么是ClickHouse
2. ClickHouse到底是什么？凭啥这么牛逼！
3. 行式和列式存储说明以及OLAP特点介绍
4. clickhouse的安装和使用（单机+集群）
5. ClickHouse深度解析
6. ClickHouse - LowCardinality 数据类型的神秘之旅
7. 深入理解ClickHouse-本地表和分布式表
8. ClickHouse - 多卷存储扩大存储容量（生产环境必备）
9. 深入理解ClickHouse-本地表和分布式表
10. ClickHouse 新特性 Live View 体验
11. ClickHouse - 创建漂亮的 Grafana 仪表盘
12. clickhouse的索引结构和查询优化
13. A MAGICAL MYSTERY TOUR OF THE LOWCARDINALITY DATA TYPE
14. Use of LowCardinality and/or INDEX to speed up query performance #4796
15. Building Infrastructure for ClickHouse Performance
16. Should You Use ClickHouse as a Main Operational Database?
17. https://www.slideshare.net/Altinity/clickhouse-query-performance-tips-and-tricks-by-robert-hodges-altinity-ceo
18. https://blog.csdn.net/zhangpeterx/article/details/96494877
19. CLICKHOUSE-COPIER IN PRACTICE