ClickHouse 是2016年開源的用于實時數(shù)據(jù)分析的一款高性能列式分布式數(shù)據(jù)庫，支持向量化計算引擎、多核并行計算、高壓縮比等功能，在分析型數(shù)據(jù)庫中單表查詢速度是最快的。2020年開始在滴滴內(nèi)部大規(guī)模地推廣和應(yīng)用，服務(wù)網(wǎng)約車和日志檢索等核心平臺和業(yè)務(wù)。本文主要介紹滴滴日志檢索場景從 ES 遷移到 CK 的技術(shù)探索。

背景

此前，滴滴日志主要存儲于 ES 中。然而，ES 的分詞、倒排和正排等功能導(dǎo)致其寫入吞吐量存在明顯瓶頸。此外，ES 需要存儲原始文本、倒排索引和正排索引，這增加了存儲成本，并對內(nèi)存有較高要求。隨著滴滴數(shù)據(jù)量的不斷增長，ES 的性能已無法滿足當(dāng)前需求。

在追求降低成本和提高效率的背景下，我們開始尋求新的存儲解決方案。經(jīng)過研究，我們決定采用 CK 作為滴滴內(nèi)部日志的存儲支持。據(jù)了解，京東、攜程、B站等多家公司在業(yè)界的實踐中也在嘗試用 CK 構(gòu)建日志存儲系統(tǒng)。

挑戰(zhàn)

面臨的挑戰(zhàn)主要來自下面三個方面：

數(shù)據(jù)量大：每天會產(chǎn)生 PB 級別的日志數(shù)據(jù)，存儲系統(tǒng)需要穩(wěn)定地支撐 PB 級數(shù)據(jù)的實時寫入和存儲。

查詢場景多：在一個時間段內(nèi)的等值查詢、模糊查詢及排序場景等，查詢需要掃描的數(shù)據(jù)量較大且查詢都需要在秒級返回。

QPS 高：在 PB 級的數(shù)據(jù)量下，對 Trace 查詢同時要滿足高 QPS 的要求。

為什么選 Clickhouse

大數(shù)據(jù)量：CK 的分布式架構(gòu)支持動態(tài)擴縮容，可支撐海量數(shù)據(jù)存儲。

寫入性能：CK 的 MergeTree 表的寫入速度在200MB/s，具有很高吞吐，寫入基本沒有瓶頸。

查詢性能：CK 支持分區(qū)索引和排序索引，具有很高的檢索效率，單機每秒可掃描數(shù)百萬行的數(shù)據(jù)。

存儲成本：CK 基于列式存儲，數(shù)據(jù)壓縮比很高，同時基于HDFS做冷熱分離，能夠進一步地降低存儲成本。

架構(gòu)升級

舊的存儲架構(gòu)下需要將日志數(shù)據(jù)雙寫到 ES 和 HDFS 兩個存儲上，由ES提供實時的查詢，Spark 來分析 HDFS 上的數(shù)據(jù)。這種設(shè)計要求用戶維護兩條獨立的寫入鏈路，導(dǎo)致資源消耗翻倍，且操作復(fù)雜性增加。

在新升級的存儲架構(gòu)中，CK 取代了 ES 的角色，分別設(shè)有 Log 集群和 Trace 集群。Log 集群專門存儲明細日志數(shù)據(jù)，而 Trace 集群則專注于存儲 trace 數(shù)據(jù)。這兩個集群在物理上相互隔離，有效避免了 log 的高消耗查詢（如 like 查詢）對 trace 的高 QPS 查詢產(chǎn)生干擾。此外，獨立的 Trace 集群有助于防止trace數(shù)據(jù)過度分散。

日志數(shù)據(jù)通過 Flink 直接寫入 Log 集群，并通過 Trace 物化視圖從 log 中提取 trace 數(shù)據(jù)，然后利用分布式表的異步寫入功能同步至 Trace 集群。這一過程不僅實現(xiàn)了 log 與 trace 數(shù)據(jù)的分離，還允許 Log 集群的后臺線程定期將冷數(shù)據(jù)同步到 HDFS 中。

新架構(gòu)僅涉及單一寫入鏈路，所有關(guān)于 log 數(shù)據(jù)冷存儲至 HDFS 以及 log 與 trace 分離的處理均由 CK 完成，從而為用戶屏蔽了底層細節(jié)，簡化了操作流程。

考慮到成本和日志數(shù)據(jù)特點，Log 集群和 Trace 集群均采用單副本部署模式。其中，最大的 Log 集群有300多個節(jié)點，Trace 集群有40多個節(jié)點。

存儲設(shè)計

存儲設(shè)計是提升性能最關(guān)鍵的部分，只有經(jīng)過優(yōu)化的存儲設(shè)計才能充分發(fā)揮 CK 強大的檢索性能。借鑒時序數(shù)據(jù)庫的理念，我們將 logTime 調(diào)整為以小時為單位進行取整，并在存儲過程中按照小時順序排列數(shù)據(jù)。這樣，在進行其他排序鍵查詢時，可以快速定位到所需的數(shù)據(jù)塊。例如，查詢一個小時內(nèi)數(shù)據(jù)時，最多只需讀取兩個索引塊，這對于處理海量日志檢索至關(guān)重要。

以下是我們根據(jù)日志查詢特性和 CK 執(zhí)行邏輯制定的存儲設(shè)計方案，包括 Log 表、Trace 表和 Trace 索引表：

Log 表

Log 表旨在為明細日志提供存儲和查詢服務(wù)，它位于 Log 集群中，并由 Flink 直接從 Pulsar 消費數(shù)據(jù)后寫入。每個日志服務(wù)都對應(yīng)一張 Log 表，因此整個 Log 集群可能包含數(shù)千張 Log 表。其中，最大的表每天可能會生成 PB 級別的數(shù)據(jù)。鑒于 Log 集群面臨表數(shù)量眾多、單表數(shù)據(jù)量大以及需要進行冷熱數(shù)據(jù)分離等挑戰(zhàn)，以下是針對 Log 表的設(shè)計思路：

CREATE TABLE ck_bamai_stream.cn_bmauto_local
(
    `logTime` Int64 DEFAULT 0, -- log打印的時間
    `logTimeHour` DateTime MATERIALIZED toStartOfHour(toDateTime(logTime / 1000)), -- 將logTime向小時取整
    `odinLeaf` String DEFAULT '',
    `uri` LowCardinality(String) DEFAULT '',
    `traceid` String DEFAULT '',
    `cspanid` String DEFAULT '',
    `dltag` String DEFAULT '',
    `spanid` String DEFAULT '',
    `message` String DEFAULT '',
    `otherColumn` Map,
    `_sys_insert_time` DateTime MATERIALIZED now()
)
ENGINE = MergeTree
PARTITION BY toYYYYMMDD(logTimeHour)
ORDER BY (logTimeHour,odinLeaf,uri,traceid)
TTL _sys_insert_time + toIntervalDay(7),_sys_insert_time + toIntervalDay(3) TO VOLUME 'hdfs'
SETTINGSindex_granularity=8192,min_bytes_for_wide_part=31457280

分區(qū)鍵：根據(jù)查詢特點，幾乎所有的 sql 都只會查1小時的數(shù)據(jù)，但這里只能按天分區(qū)，小時分區(qū)導(dǎo)致 Part 過多及 HDFS 小文件過多的問題。

排序鍵：為了快速定位到某一個小時的數(shù)據(jù)，基于 logTime 向小時取整物化了一個新的字段 logTimeHour，將 logTimeHour 作為第一排序鍵，這樣就能將數(shù)據(jù)范圍鎖定在小時級別，由于大部分查詢都會指定上 odinLeaf、uri、traceid，依據(jù)基數(shù)從小到大分別將其作為第二、三、四排序鍵，這樣查詢某個 traceid 的數(shù)據(jù)只需要讀取少量的索引塊，經(jīng)過上述的設(shè)計所有的等值查詢都能達到毫秒級。

Map 列：引入了 Map 類型，實現(xiàn)動態(tài)的 Scheme，將不需要用來過濾的列統(tǒng)統(tǒng)放入 Map 中，這樣能有效減少 Part 的文件數(shù)，避免 HDFS 上出現(xiàn)大量小文件。

Trace 表

Trace 表是用來提供 trace 相關(guān)的查詢，這類查詢對 QPS 要求很高，創(chuàng)建在 Trace 集群。數(shù)據(jù)來源于從 Log 表中提取的 trace 記錄。Trace 表只會有一張，所有的 Log 表都會將 trace 記錄提取到這張 Trace 表，實現(xiàn)的方式是 Log 表通過物化視圖觸發(fā)器跨集群將數(shù)據(jù)寫到 Trace 表中。

Trace 表的難點在于查詢速度快且 QPS 高，以下是 Trace 表的設(shè)計思路：

CREATE TABLE ck_bamai_stream.trace_view
(
    `traceid` String,
    `spanid` String,
    `clientHost` String,
    `logTimeHour` DateTime,
    `cspanid` AggregateFunction(groupUniqArray, String),
    `appName` SimpleAggregateFunction(any, String),
    `logTimeMin` SimpleAggregateFunction(min, Int64),
    `logTimeMax` SimpleAggregateFunction(max, Int64),
    `dltag` AggregateFunction(groupUniqArray, String),
    `uri` AggregateFunction(groupUniqArray, String),
    `errno` AggregateFunction(groupUniqArray, String),
    `odinLeaf` SimpleAggregateFunction(any, String),
    `extractLevel` SimpleAggregateFunction(any, String)
)
ENGINE = AggregatingMergeTree
PARTITION BY toYYYYMMDD(logTimeHour)
ORDER BY (logTimeHour, traceid, spanid, clientHost)
TTL logTimeHour + toIntervalDay(7)
SETTINGS index_granularity = 1024

AggregatingMergeTree：Trace 表采用了聚合表引擎，會按 traceid 進行聚合，能很大程度的聚合 trace 數(shù)據(jù)，壓縮比在5:1，能極大地提升 Trace 表的檢索速度。

分區(qū)鍵和排序鍵：與 Log 的設(shè)計類似。

index_granularity：這個參數(shù)是用來控制稀疏索引的粒度，默認是8192，減小這個參數(shù)是為了減少數(shù)據(jù)塊中無效的數(shù)據(jù)掃描，加快 traceid 的檢索速度。

Trace 索引表

Trace 索引表的主要作用是加快 order_id、driver_id、driver_phone 等字段查詢 traceid 的速度。為此，我們給需要加速的字段創(chuàng)建了一個聚合物化視圖，以提高查詢速度。數(shù)據(jù)則是通過為 Log 表創(chuàng)建相應(yīng)的物化視圖觸發(fā)器，將數(shù)據(jù)提取到 Trace 索引表中。

以下是建立 Trace 索引表的語句：

CREATE TABLE orderid_traceid_index_view
(
    `order_id` String,
    `traceid` String,
    `logTimeHour` DateTime
)
ENGINE = AggregatingMergeTree
PARTITION BY logTimeHour
ORDER BY (order_id, traceid)
TTL logTimeHour + toIntervalDay(7)
SETTINGS index_granularity = 1024

存儲設(shè)計的核心目標(biāo)是提升查詢性能。接下來，我將介紹從 ES 遷移至 CK 過程中，在這一架構(gòu)下所面臨的穩(wěn)定性問題及其解決方法。

穩(wěn)定性之路

支撐日志場景對 CK 來說是非常大的挑戰(zhàn)，面臨龐大的寫入流量及超大集群規(guī)模，經(jīng)過一年的建設(shè)，我們能夠穩(wěn)定的支撐重點節(jié)假日的流量高峰，下面的篇幅主要是介紹了在支撐日志場景過程中，遇到的一些問題。

大集群小表數(shù)據(jù)碎片化問題

在 Log 集群中，90%的 Log 表流量低于10MB/s。若將所有表的數(shù)據(jù)都寫入數(shù)百個節(jié)點，會導(dǎo)致大量小表數(shù)據(jù)碎片化問題。這不僅影響查詢性能，還會對整個集群性能產(chǎn)生負面影響，并為冷數(shù)據(jù)存儲到 HDFS 帶來大量小文件問題。

為解決大規(guī)模集群帶來的問題，我們根據(jù)表的流量大小動態(tài)分配寫入節(jié)點。每個表分配的寫入節(jié)點數(shù)量介于2到集群最大節(jié)點數(shù)之間，均勻分布在整個集群中。Flink 通過接口獲取表的寫入節(jié)點列表，并將數(shù)據(jù)寫入相應(yīng)的 CK 節(jié)點，有效解決了大規(guī)模集群數(shù)據(jù)分散的問題。

寫入限流及寫入性能提升

在滴滴日志場景中，晚高峰和節(jié)假日的流量往往會大幅增加。為避免高峰期流量過大導(dǎo)致集群崩潰，我們在 Flink 上實現(xiàn)了寫入限流功能。該功能可動態(tài)調(diào)整每張表寫入集群的流量大小。當(dāng)流量超過集群上限時，我們可以迅速降低非關(guān)鍵表的寫入流量，減輕集群壓力，確保重保表的寫入和查詢不受影響。

同時為了提升把脈的寫入性能，我們基于 CK 原生 TCP 協(xié)議開發(fā)了 Native-connector。相比于 HTTP 協(xié)議，Native-connector 的網(wǎng)絡(luò)開銷更小。此外，我們還自定義了數(shù)據(jù)類型的序列化機制，使其比之前的 Parquet 類型更高效。啟用 Native-connector 后，寫入延遲率從之前的20%降至5%，整體寫入性能提升了1.2倍。

HDFS 冷熱分離的性能問題

用 HDFS 來存儲冷數(shù)據(jù)，在使用的過程中出現(xiàn)以下問題：

服務(wù)重啟變得特別慢且 Sys cpu 被打滿，原因是在服務(wù)重啟的過程中需要并發(fā)的加載 HDFS 上 Part 的元數(shù)據(jù)，而 libhdfs3 庫并發(fā)讀 HDFS 的性能非常差，每當(dāng)讀到文件末尾都會拋出異常打印堆棧，產(chǎn)生了大量的系統(tǒng)調(diào)用。

當(dāng)寫入歷史分區(qū)的數(shù)據(jù)時，數(shù)據(jù)不會落盤，而是直接往 HDFS 上寫，寫入性能很差，并且直接寫到 HDFS 的數(shù)據(jù)還需要拉回本地 merge，進一步降低了 merge 的性能。

本地的 Part 路徑和 HDFS 的路徑是通過 uuid 來映射的，所有表的數(shù)據(jù)都是存儲在 HDFS 的同一路徑下，導(dǎo)致達到了 HDFS 目錄文件數(shù) 100w 的限制。

HDFS 上的 Part 文件路徑映射關(guān)系是存儲在本地的，如果出現(xiàn)節(jié)點故障，那么文件路徑映射關(guān)系將會丟失，HDFS 上的數(shù)據(jù)丟失且無法被刪除。

為此我們對 HDFS 冷熱分離功能進行了比較大的改造來解決上面的問題，解決 libhdfs3 庫并發(fā)讀 HDFS 的問題并在本地緩存 HDFS 的 Part 元數(shù)據(jù)文件，服務(wù)的啟動速度由原來的1小時到1分鐘。

同時禁止歷史數(shù)據(jù)直接寫 HDFS ，必須先寫本地，merge 之后再上傳到 HDFS ，最后對 HDFS 的存儲路徑進行改造。由原來數(shù)據(jù)只存儲在一個目錄下改為按cluster/shard/database/table/ 進行劃分，并按表級別備份本地的路徑映射關(guān)系到 HDFS。這樣一來，當(dāng)節(jié)點故障時，可以通過該備份恢復(fù) HDFS 的數(shù)據(jù)。

收益

在日志場景中，我們已經(jīng)成功完成了從 ES 到 CK 的遷移。目前，CK 的日志集群規(guī)模已超過400個物理節(jié)點，寫入峰值流量達到40+GB/s，每日查詢量約為1500萬次，支持的 QPS 峰值約為200。相較于 ES，CK 的機器成本降低了30%。

查詢速度相比 ES 提高了約4倍。下圖展示了 bamailog 集群和 bamaitrace 集群的 P99 查詢耗時情況，基本都在1秒以內(nèi)。

總結(jié)

將日志從 ES 遷移至 CK 不僅可以顯著降低存儲成本，還能提供更快的查詢體驗。經(jīng)過一年多的建設(shè)和優(yōu)化，系統(tǒng)的穩(wěn)定性和性能都有了顯著提升。然而，在處理模糊查詢時，集群的資源消耗仍然較大。未來，我們將繼續(xù)探索二級索引、zstd 壓縮以及存算分離等技術(shù)手段，以進一步提升日志檢索性能。

審核編輯：黃飛