【发布时间】：2019-05-27 04:04:45
【问题描述】：
是否可以将 clickhouse 用作键值存储，是否定期覆盖数据但很少读取？如果可以，我应该使用什么引擎？
【问题讨论】：
标签： key-value-store clickhouse
【发布时间】：2019-05-27 04:04:45
【问题描述】：
ClickHouse 不是为该用例而构建的，它故意在其文档的主页中说明了这一点。
何时不使用 ClickHouse
- 事务性工作负载 (OLTP)
- 高请求率的键值访问
- Blob 或文档存储
- 过度标准化的数据
但是，如果 QPS 较低，您仍然可以获得良好的点查询延迟分数。 ClickHouse 还提供了多种字典，可以更好地作为外部键值存储。还有一个StorageJoin引擎，支持joinGet功能，类似于redis的HGET操作。在此PR 之后，您可以覆盖StorageJoin 中的现有密钥。
更新
PR 已合并。这是一个孤立的例子。
首先按如下方式填充 StorageJoin 表：
CREATE TABLE my_fancy_kv_store (s String, x Array(UInt8), k UInt64)
ENGINE = Join(ANY, LEFT, s);
INSERT INTO my_fancy_kv_store VALUES ('abc', [0], 1), ('def', [1, 2], 2);
那你就可以把它当成字典（key-value）了：
SELECT joinGet('my_fancy_kv_store', 'x', 'abc');
SELECT joinGet('my_fancy_kv_store', 'k', 'def');
【讨论】：
-
如果可以，我应该使用什么引擎？
-
不，我不知道。如果你提供一个孤立的例子，我会接受。
EmbeddedRocksDB 表引擎是最近添加的，可以提供帮助。
更多可以在这里找到：https://kb.altinity.com/engines/altinity-kb-embeddedrocksdb-and-dictionary
在我的测试中，与 MergeTree 相比，我发现 EmbeddedRocksDB 处理的 QPS 提高了 10-20 倍，响应速度提高了 10-100 倍。
它可能因用例而异，但它足以让我不必费心寻找单独的Redis / RocksDB / DynamoDB 安装（因为在 CH 中拥有 KV 存储有助于跨 MT 和 EmbeddedRocksDB 加入，我真的不需要扩展达到redis / DDB的限制）
【讨论】：