数据仓库系列：StarRocks的简单试用及与clickhouse的对比-Toy模板网

这篇具有很好参考价值的文章主要介绍了数据仓库系列：StarRocks的简单试用及与clickhouse的对比。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1. 搭建测试环境

docker pull  starrocks/allin1-ubuntu:2.5.4
docker run -p 9030:9030 -p 8030:8030 -p 8040:8040 -itd starrocks/allin1-ubuntu:2.5.4
docker ps

2. 简单测试

2.1. 使用mysql client连接

mysql -P 9030 -h 127.0.0.1 -u root --prompt="StarRocks > "

#创建用户
CREATE USER tom@'%' IDENTIFIED BY '123456';
GRANT ALL ON *.* TO 'tom'@'%' ;

数据仓库系列：StarRocks的简单试用及与clickhouse的对比

2.2. 测试SQL

# 创建数据库
CREATE DATABASE test;

# 使用数据库
USE test;

# 创建表
CREATE TABLE IF NOT EXISTS sr_member (
    sr_id            INT,
    name             STRING,
    city_code        INT,
    reg_date         DATE,
    verified         BOOLEAN
)
PARTITION BY RANGE(reg_date)
(
    PARTITION p1 VALUES [('2022-03-13'), ('2022-03-14')),
    PARTITION p2 VALUES [('2022-03-14'), ('2022-03-15')),
    PARTITION p3 VALUES [('2022-03-15'), ('2022-03-16')),
    PARTITION p4 VALUES [('2022-03-16'), ('2022-03-17')),
    PARTITION p5 VALUES [('2022-03-17'), ('2022-03-18'))
)
DISTRIBUTED BY HASH(city_code)
PROPERTIES(
    "replication_num" = "1"
);

# 插入数据
INSERT INTO sr_member VALUES (001,"tom",100000,"2022-03-13",true), (002,"johndoe",210000,"2022-03-14",false), (003,"maruko",200000,"2022-03-14",true), (004,"ronaldo",100000,"2022-03-15",false), (005,"pavlov",210000,"2022-03-16",false), (006,"mohammed",300000,"2022-03-17",true);

INSERT INTO sr_member WITH LABEL insertDemo VALUES (0010,"张三",100000,"2022-03-13",true), (0012,"李四",210000,"2022-03-14",false);

# 查询数据
SELECT sr_id, name FROM sr_member;
SELECT sr_id, name FROM sr_member PARTITION (p2);
SELECT sr_id, name FROM sr_member PARTITION (p1,p2);

3. 与clickhouse的区别

3.1. 整体区别

StarRocks 与 ClickHouse 是两款基于 MPP 架构的列式数据库管理系统，都可以提供高性能的 OLAP 分析能力。但是它们在功能、性能和使用场景上也有一些区别。总结如下：

StarRocks 与 ClickHouse 最大的区别就在于对于 join 的处理上。 ClickHouse 虽然提供了 join 的语义，但使用上对大表关联的能力支撑较弱，复杂的关联查询经常会引起 OOM。 StarRocks 有更强的 join 能力，可以支持更复杂的查询。 StarRocks 还提供了基于代价的优化器（CBO），可以自动优化 join 的顺序和类型。
ClickHouse 更适用于大宽表的场景，可以考虑将需要进行关联的表打平成宽表，放入 ClickHouse 中。 StarRocks 对于星型或雪花模型的兼容度更好，可以建立星型或雪花模型应对维度数据的变更。
StarRocks 可以支持数千用户同时进行分析查询，在部分场景下，高并发能力能够达到万级。 ClickHouse 对高并发的业务并不友好，建议针对大量短查询的分析型场景每秒最多查询100次。
StarRocks 支持秒级的数据导入和实时更新，提供准实时的服务能力。 ClickHouse 的数据导入和更新相对较慢，更适合静态数据的分析。
StarRocks 兼容 MySQL 协议和生态，可以使用 MySQL 的客户端和工具访问 StarRocks。 ClickHouse 不完全兼容 MySQL 协议和生态，需要使用专门的客户端和工具访问 ClickHouse。