《ClickHouse性能之巅：从架构设计解读性能之谜》滴普科技合伙人兼首席架构师/资深ClickHouse专家撰写，从

（1）作者经验丰富：作者是滴普科技合伙人兼首席架构师，在ClickHouse方面积累了大量的实战经验。
（2）重在授人以渔：通过剖析ClickHouse底层引擎的架构设计来解密ClickHouse高性能背后的底层逻辑。
（3）同时授人以渔：结合ClickHouse的应用场景，总结了大量的使用技巧和性能优化方法。
（4）近10位专家联袂推荐：滴普科技联合创始人杨磊、京东云数据库研发负责人高新刚、ClickHouse 中国社区创始人郭炜等近10位专家强烈推荐。

这是一本通过分析ClickHouse底层引擎架构来解读ClickHouse极--致性能的底层逻辑的著作，同时还总结了ClickHouse在各种适用场景中的使用技巧和性能调优方法，让读者知其然，也能知其所以然。
全书一共12章，分为两个部分：
第1部分 架构篇（第1-7章）
简要地介绍了数据仓库的核心技术和思路，系统讲解了ClickHouse的查询性能优势、适用场景、架构设计和运作过程，深入地剖析了ClickHouse的存储引擎架构、计算引擎架构以及决定ClickHouse性能的关键因素，还将ClickHouse与其他数仓架构进行了深度对比，不仅阐明了ClickHouse查询速度快的底层逻辑，也推导出了ClickHouse的适用场景。
第2部分 实战篇（第8-12章）
针对ClickHouse的适用场景，讲解了它的各种使用技巧以及存算分离架构、分布式架构等云计算时代的全新架构，更重要的是，从数据结构、内存、磁盘、网络、CPU、查询等方面全面总结了ClickHouse的性能优化方法和原则。

赞誉<br />序1<br />序2<br />自序<br />前言<br />第一部分  架构篇<br />第1章  数据仓库的核心技术  3<br />1.1  OLAP和OLTP的本质区别  4<br />1.1.1  数据三范式  4<br />1.1.2  规范化的意义  6<br />1.1.3  规范化的局限  7<br />1.1.4  数仓建模的本质  7<br />1.1.5  OLAP和OLTP的底层数据模型  8<br />1.1.6  维度建模  8<br />1.2  典型大数据数仓技术及其核心思路  10<br />1.2.1  Hive  10<br />1.2.2  HBase  11<br />1.2.3  Kylin  12<br />1.2.4  其他数仓  13<br />1.3  传统数仓的缺陷  13<br />1.3.1  效率低  13<br />1.3.2  延迟高  14<br />1.3.3  成本高  14<br />1.4  ClickHouse查询性能的优势  15<br />1.4.1  向量化引擎  15<br />1.4.2  高效的数据压缩  16<br />1.4.3  高效的I/O优化  17<br />1.5  本章小结  18<br />第2章  ClickHouse简介  19<br />2.1  ClickHouse的4个标签  19<br />2.1.1  性能强大  19<br />2.1.2  单机处理能力强  20<br />2.1.3  成本低  21<br />2.1.4  不支持事务  21<br />2.2  ClickHouse的3个适用场景  22<br />2.2.1  BI报表的交互式分析  22<br />2.2.2  互联网日志分析  22<br />2.2.3  广告营销  23<br />2.3  本章小结  24<br />第3章  ClickHouse架构概览  25<br />3.1  ClickHouse架构简介  26<br />3.2  ClickHouse的核心抽象  27<br />3.2.1  列和字段  27<br />3.2.2  数据类型  28<br />3.2.3  块  32<br />3.2.4  表  33<br />3.3  ClickHouse的运作过程  35<br />3.3.1  数据插入过程  35<br />3.3.2  数据查询过程  35<br />3.3.3  数据更新和数据删除过程  36<br />3.4  本章小结  37<br />第4章  MergeTree存储引擎架构  39<br />4.1  MergeTree存储引擎的三大特点  40<br />4.2  MergeTree的数据组织  41<br />4.2.1  块  41<br />4.2.2  数据堆放方式  41<br />4.3  MergeTree的文件组织  43<br />4.3.1  数据文件、元数据文件、索引文件和其他文件  45<br />4.3.2  分区  47<br />4.3.3  数据库和表  48<br />4.4  索引  49<br />4.4.1  主键索引  49<br />4.4.2  标记  49<br />4.5  与事务数据库存储引擎的对比  50<br />4.6  存储引擎如何影响查询速度  52<br />4.6.1  预排序  52<br />4.6.2  列存  52<br />4.6.3  压缩  53<br />4.7  MergeTree存储引擎的工作过程  53<br />4.7.1  数据库、数据表的创建过程  54<br />4.7.2  数据插入过程  54<br />4.7.3  分区合并和删除过程  54<br />4.7.4  数据读取过程  56<br />4.8  本章小结  59<br />第5章  ClickHouse计算引擎架构  61<br />5.1  ClickHouse计算引擎的架构简介与设计思想  61<br />5.1.1  整体架构  62<br />5.1.2  SQL解析器  62<br />5.1.3  解释器  63<br />5.1.4  执行器  63<br />5.1.5  设计思想  64<br />5.2  火山模型  65<br />5.2.1  火山模型概述  65<br />5.2.2  火山模型的原理  66<br />5.2.3  火山模型的优点与缺点  67<br />5.3  向量化引擎  67<br />5.3.1  向量化引擎的实现方式  68<br />5.3.2  ClickHouse中的向量化算子  69<br />5.3.3  向量化引擎的前提  70<br />5.4  计算引擎如何影响查询速度  72<br />5.4.1  ClickHouse查询速度快的前提  72<br />5.4.2  ClickHouse查询速度快的本质  74<br />5.5  本章小结  74<br />第6章  ClickHouse与其他数仓架构的对比  75<br />6.1  ClickHouse与Hive的对比  75<br />6.1.1  Hive的数据文件  76<br />6.1.2  Hive的存储系统  82<br />6.1.3  Hive计算引擎与ClickHouse计算引擎的差异  84<br />6.1.4  ClickHouse比Hive查询速度快的原因  85<br />6.2  ClickHouse与HBase的对比  86<br />6.2.1  HBase的数据模型  86<br />6.2.2  HBase的存储系统与ClickHouse的异同  87<br />6.2.3  HBase的适用场景及ClickHouse不适合的原因  87<br />6.3  ClickHouse与Kylin的对比  88<br />6.3.1  Kylin的架构  88<br />6.3.2  Kylin解决性能问题的思路  88<br />6.3.3  Kylin方案的缺陷  89<br />6.3.4  ClickHouse的方案  89<br />6.4  本章小结  91<br />第7章  深度思考：决定外在能力的因素  93<br />7.1  从架构层面分析ClickHouse  93<br />7.1.1  ClickHouse速度快的前提  93<br />7.1.2  对ClickHouse的一些误解  94<br />7.2  结构决定功能  95<br />7.2.1  方法论  96<br />7.2.2  意义  97<br />7.2.3  不要过度设计  98<br />7.3  从ClickHouse的设计来理解  99<br />7.3.1  结构决定能力的上限  99<br />7.3.2  结构决定应用层算法  99<br />7.4  本章小结  100<br />第二部分  实战篇<br />第8章  ClickHouse使用技巧  105<br />8.1  数据导入、导出技巧  105<br />8.1.1  外部文件导入、导出技巧  105<br />8.1.2  灵活使用集成表引擎导入、导出数据  109<br />8.2  建表技巧  117<br />8.2.1  表引擎选择技巧  118<br />8.2.2  分区键选择技巧  120<br />8.2.3  数据结构选择技巧  120<br />8.2.4  分区技巧  121<br />8.3  高级技巧  121<br />8.3.1  物化视图  121<br />8.3.2  投影  122<br />8.3.3  位图  122<br />8.3.4  变更数据捕获  123<br />8.4  常见报错及处理方法  123<br />8.5  本章小结  124<br />第9章  ClickHouse实现用户画像系统  125<br />9.1  用户画像概述  125<br />9.1.1  用户画像系统介绍  125<br />9.1.2  用户画像系统的需求描述  127<br />9.1.3  用户画像系统的需求分析  127<br />9.1.4  用户画像系统的架构  128<br />9.2  用户画像系统的关键技术实现  129<br />9.2.1  技术选型  129<br />9.2.2  分析阶段  130<br />9.2.3  运营阶段  136<br />9.3  基于ClickHouse的用户画像系统的优点  137<br />9.4  本章小结  139<br />第10章  ClickHouse的存算分离架构  141<br />10.1  存算分离架构背景  141<br />10.1.1  相关概述  141<br />10.1.2  存算分离的典型架构  142<br />10.1.3  存算分离的意义  143<br />10.1.4  存算分离的局限  145<br />10.2  ClickHouse中的存算分离  147<br />10.2.1  实现方式  147<br />10.2.2  注意事项  150<br />10.3  存算分离架构给ClickHouse带来的优势  151<br />10.4  本章小结  152<br />第11章  ClickHouse的分布式架构  153<br />11.1  架构特点及对比  153<br />11.1.1  ClickHouse分布式架构的优点  154<br />11.1.2  ClickHouse分布式架构的缺点  155<br />11.1.3  ClickHouse与Hadoop的分布式架构对比  156<br />11.2  基本概念  156<br />11.2.1  集群  157<br />11.2.2  副本  158<br />11.2.3  分片  159<br />11.3  ClickHouse的复制表引擎  160<br />11.3.1  创建复制表  160<br />11.3.2  复制表复制  161<br />11.3.3  复制表查询  161<br />11.4  ClickHouse分布式表引擎  162<br />11.4.1  创建分布式表  162<br />11.4.2  分布式表查询原理  163<br />11.4.3  分布式表的数据写入方案  165<br />11.4.4  分布式表中副本的处理方式  165<br />11.5  本章小结  166<br />第12章  ClickHouse性能优化  167<br />12.1  性能优化的原则  167<br />12.2  数据结构优化  168<br />12.3  内存优化  171<br />12.4  磁盘优化  171<br />12.5  网络优化  173<br />12.6  CPU优化  173<br />12.7  查询优化  174<br />12.8  数据迁移优化  176<br />12.9  本章小结  177