分布式结构
clickhouse是multi-master结构，即所有节点均是数据操作节点，每个节点均知道所有的数据片存放的节点
ES是master-slave 结构，分master节点和数据节点，数据meta信息存放于master节点
数据结构
clickhouse是列式存储并且是有序的，ES采用倒排索引的数据结构。
clickhouse没有二级索引（阿里云上的clickhouse完事了二级索引），ES提供二级索引
写入实时性
clickhouse直接写入磁盘并且只需要完成一个数据分区的写入即返回成功，后续通过异步写入其他备份分区，所以效率较高。
ES 先写入内存，然后写TransLog（每隔30分钟才刷入磁盘-可设定）。ES必须穿透性写入所有内存副本才会返回成功，所以会牺牲实时性
高并发效率
高并发效率一般以吞吐能力作为判断标准。 clickhouse一个查询都会占用一半的CPU，ES直接查询内存，所以ES的高并发处理能力更好（阿里云的clickhouse完善了二级索引从而降低了IO吞吐压力所以在高并发效率和ES旗鼓相当）。由于ES是预热数据到内存，当查询返回数据量大的时候由于产生大量的IO，反而ES处理能力会急剧下降，clickhouse并行扫描数据分片所以无论扫描多少数据块耗时都是一样的。
单并发效率
单并发效率一般以响应时间作为判断标准（即扫描效率）。
ES先查询二级索引，然后再扫描一级索引（数据和一级索引是同一个B+树节点，所有无需再次查询数据），所有ES一次查询经过2次数据扫描。
clickhouse采用的是列式存储（列存储的数据因为数据的相似度更高所以压缩比更高，IO吞吐压力相对较低）并使用SIMD实现向量化（列式存储才支持向量化查询）执行（离CPU越近访问越快）
由于clickhouse的扫描能力更加出色，所以clickhouse的单并发比ES更加出色。
计算能力
ES是汇合制模式，即各节查询top数据然后合并到查询节点再次进行top排序，由于不具备流式计算能力当返回数据量非常大的时候容易产生GC或者把节点跑死。
clickhouse利用C++写的向量化计算 加上 借住SIMD计算能力，使得查询聚合操作发挥极高的效率。
技术选型
clickhouse 是列式存储所以无法进行全文检索，所以更适合数据分析的需求。
elasticsearch更适合高并发并且查询返回结果较少的全文检索，如搜索引擎。
