定义
ClickHouse是一个用于联机分析处理(OLAP)的列式数据库管理系统，既提供开源软件版本，也提供云服务[1]。它属于数据库管理系统而非单一数据库：用户可以在运行期间创建库表、写入数据并执行查询，无需重启服务[4]。
与面向事务处理的系统不同，OLAP场景下的查询往往要扫描数十亿甚至数万亿行，并包含聚合、字符串处理与算术运算，很多时候要求在1秒内返回结果[1]。ClickHouse的设计目标正是让这类分析查询在持续写入的原始数据上直接完成，而不必预先聚合[5]。
原理
数据库的数据组织方式分为行式与列式两种。行式系统把同一行的各列值连续存放，检索整行很快；ClickHouse采用的列式存储把每一列的值连续存放，还原单行较困难，但过滤、聚合等按列进行的操作明显更快[1]。其收益来自磁盘按块读取的机制：行式系统即使只用到少数几列，也要把整行数据从磁盘读入内存，而列式系统只需读取查询涉及的列，避免了对未使用数据的输入输出[6]。
同一列的数据类型相同、取值接近，因此压缩率较高，通常可压缩到行式存储的数分之一，这进一步缩小了读取时的数据体积[7]。为充分利用CPU，ClickHouse把数据按向量（列的一部分）成批处理，并借助SIMD指令在单条指令中同时处理多个值，从而实现向量化执行[3]。
查询执行时，SQL会被转换为由物理算子组成的有向图，并按可配置的最大工作线程数（默认为核心数）展开为彼此独立的执行通道，各通道处理互不重叠的数据范围，以尽量推迟合并[8]。
存储层面，数据以增量方式有序写入MergeTree系列表引擎，并配合稀疏索引，使按主键或范围的查找能在较短时间内完成[4]。分布式部署时，数据分布在不同分片上，每个分片可由一组副本构成，查询在各分片上并行执行，对用户是透明的[9]。
发展历程
ClickHouse的构想源于Yandex内部的实时网站分析需求。2008年前后出现了最早的代码提交，2009年作为实验性项目启动，用于验证能否在不做预聚合的情况下，对持续实时写入的原始数据即时生成分析报表[10]。研发团队当时评估过多种已有的列式方案，认为都无法满足需求，因而决定自行开发[5]。
2012年，ClickHouse首次投入生产环境使用；2014年Yandex.Metrica 2.0发布，提供了自定义报表界面，并以ClickHouse存储和处理数据[9]。此后该系统在Yandex内部多个部门推广开来，涉及搜索、电商、广告、个性化新闻与基础设施等方向[10]。
2016年6月，Yandex决定以开源方式发布ClickHouse，采用Apache 2.0许可[5]。开发团队认为这项技术只用于公司内部太过可惜，开源后其使用范围迅速扩展到全球数千家公司[2]。
2021年9月，开发团队从Yandex迁出，成立专注于该项目的公司ClickHouse, Inc.，由Alexey Milovidov担任首席技术官，Yury Izrailevsky负责产品与工程，Aaron Katz出任首席执行官，公司同时获得由Index Ventures和Benchmark领投的约5000万美元A轮融资，Yandex也参与其中[2]。
应用
ClickHouse的名字来自Click Stream与Data Warehouse的组合，最初服务于基于页面点击事件流的Web流量分析[3]。适合它的数据是结构清晰、写入后很少改动的事件流，例如点击流、广告网络与实时竞价、电商行为分析、在线游戏分析、传感器与监控数据、电信数据等[5]。
在Yandex.Metrica这一规模最大的应用中，ClickHouse支撑着原始非聚合数据的存储与即时查询；到2019年，其主集群记录数超过30万亿行，部署服务器超过600台，集群查询处理吞吐可达每秒2TB[10]。早期采用者Cloudflare用它处理互联网上相当大比例的HTTP流量，每秒记录数超过1000万条[2]。
在其他行业中，CERN的LHCb实验使用ClickHouse存储和处理约100亿个事件的元数据，每个事件包含1000多个属性[9]。常见的落地形式还包括服务器日志分析、业务指标监控，以及作为分析人员使用的内部数据仓库[9]。
局限
ClickHouse不支持完整的事务，这一点与面向事务处理的数据库存在根本差别[4]。它缺少高频、低延迟地修改或删除已有数据的能力，只能用于批量删除或修改；早期版本甚至没有UPDATE语句，写入后数据基本被视为不可变[4]。
稀疏索引使ClickHouse不适合通过主键检索单行的点查询，它面向的是包含大量行的分析型查询，而非单行读写[4]。在并发上，官方建议单个服务器每秒查询不超过约100次，因为系统为分析场景而非高并发短查询而设计[4]。
写入方面，建议每次批量写入不少于1000行，或每秒写入请求不超过1次，过小或过频的写入会影响性能[4]。此外，集群模式要求用户主动规划并定义分片、分区与副本位置等配置，相比常见的数据库系统，运维门槛更高[3]。
参见
参考资料
- 什么是 ClickHouse？ - ClickHouse Documentation [引用日期2026-10-14]
- Introducing ClickHouse, Inc [引用日期2026-10-14]
- ClickHouse_MapReduce服务 MRS-华为云 - 更新时间：2026-01-06 GMT+08:00 [引用日期2026-10-14]
- ClickHouse介绍 [引用日期2026-10-14]
- ClickHouse Meetup in Berlin [引用日期2026-10-14]
- 什么是列式数据库？ - ClickHouse Documentation [引用日期2026-10-14]
- 列式存储数据库实战：ClickHouse MergeTree引擎原理与MySQL对比分析 [引用日期2026-10-14]
- 架构概览 - ClickHouse Documentation [引用日期2026-10-14]
- ClickHouse：修订间差异 [引用日期2026-10-14]
- ClickHouse Meetup: Introduction [引用日期2026-10-14]