点一下关注吧！！！非常感谢！！持续更新！！！
目前已经更新到了：
Hadoop（已更完）
HDFS（已更完）
MapReduce（已更完）
Hive（已更完）
Flume（已更完）
Sqoop（已更完）
Zookeeper（已更完）
HBase（已更完）
Redis （已更完）
Kafka（已更完）
Spark（已更完）
Flink（已更完）
ClickHouse（正在更新···）
章节内容
上节我们完成了如下的内容：
MergeTree 实测案例
ReplacingMergeTree
SummingMergeTree
CollapsingMergeTree
简介
以增代删。
Yandex官方给出的介绍是CollapsingMergeTree会异步的删除（折叠）除了特定列的 Sign 有 1 和 -1 的值以外，其余所有字段的值都相等的成对的行。没有成对的行会被保留，该引擎可以显著的降低存储量并提高SELECT查询效率。
CollapsingMergeTree引擎有个状态列Sign，这个值为1为“状态”行，-1为“取消”行，对于数据只关心状态列为状态的数据，不关心状态列为取消的数据。
案例
创建新表
CREATE TABLE cmt_tab ( id UInt32, sign Int8, date Date, name String, point String ) ENGINE = CollapsingMergeTree(sign) PARTITION BY toYYYYMM(date) ORDER BY (name, id) SAMPLE BY id;
执行结果如下图：
插入数据
INSERT INTO cmt_tab (id, sign, date, name, point) VALUES (1, 1, '2024-01-01', 'Alice', '10'), (2, 1, '2024-01-01', 'Bob', '15'), (3, 1, '2024-01-02', 'Charlie', '20'), (4, 1, '2024-01-02', 'David', '25'), (5, 1, '2024-01-03', 'Eve', '30'); -- Mark Alice's row as deleted -- Mark Bob's row as deleted INSERT INTO cmt_tab (id, sign, date, name, point) VALUES (1, -1, '2024-01-01', 'Alice', '10'), (2, -1, '2024-01-01', 'Bob', '15'); -- Insert Alice's updated row -- Insert Bob's updated row INSERT INTO cmt_tab (id, sign, date, name, point) VALUES (1, 1, '2024-01-01', 'Alice', '12'), (2, 1, '2024-01-01', 'Bob', '18');
运行结果如下所示：
optimize
OPTIMIZE TABLE cmt_tab; SELECT * FROM cmt_tab;
执行结果如下图所示：
使用场景
大数据中对于数据更新很难做到，比如统计一个网站或TV的用户数，更多场景都是选择用记录每个点的数据，再对数据进行聚合查询。而ClickHouse通过CollapsingMergeTree就可以实现，使得CollapsingMergeTreeTree大部分用于OLAP场景。
VersionedCollapsingMergeTree
这个引擎和CollapsingMergeTree差不多，只是对CollapsingMergeTree引擎加了一个版本，比如可以适用于非实时的在线统计，统计每个节点用户在线的业务。
其他数据源
端口冲突
我们的ClickHouse和Hadoop的9000端口冲突了，看大家是更改ClickHouse的端口，还是Hadoop的端口。
我这里选择修改ClickHouse的端口，从9000到9001。
不过如果你不做HDFS的相关实验，这块冲突不管直接跳过就好。
我这里选择修改 ClickHouse，我已经集群都修改完毕了，所以我连接方式修改为：
clickhouse-client -m --host h121.wzk.icu --port 9001 --user default --password clickhouse@wzk.icu
HDFS
该引擎提供了集成了Apache Hadoop生态系统通过允许管理数据HDFS通过ClickHouse，这个引擎是相似的到文件和URL引擎，但提供Hadoop特定的功能。
用途介绍
ENGINE = HDFS(URI, format)
该URI参数是HDFS中整个文件的URI，该format参数指定一种可用的文件格式。执行SELECT查询时，格式必须支持输入。
示例1
添加新表
设置 HDFS_ENGINE_TABLE 表：
CREATE TABLE hdfs_engine_table( name String, value UInt32 ) ENGINE = HDFS('hdfs://h121.wzk.icu:9000/clickhouse', 'TSV');
运行之后的截图为：
插入数据
INSERT INTO hdfs_engine_table VALUES('one', 1), ('two', 2), ('three', 3);
运行之后截图为：
查询数据
SELECT * FROM hdfs_engine_table;
运行之后的截图为：
HDFS 数据查看
实施细节
读取和写入可以并行
不支持：ALTER、SELECT SAMPLE、索引、复制
MySQL
介绍
MySQL 引擎可以对存储在远程MySQL服务器上的数据执行SELECT查询。
调用参数
host:port MySQL服务器地址
database 数据库名称
table 表名称
user 数据库用户
password 用户密码
replace_query 将INSERT INTO查询是否替换为REPLACE_INFO的标志，如果REPLACE_QUERY=1则替换查询
on_duplicate_clause 将ON DUPLCATE KEY UPDATE 表达式添加到INSERT查询语句中。
示例
创建新表
CREATE TABLE mysql_table2 ( `id` UInt32, `name` String, `age` UInt32 ) ENGINE = MySQL('h122.wzk.icu:3306', 'clickhouse', 'mysql_table2', 'hive', 'hive@wzk.icu')
执行结果如下图所示：
数据库配置
在数据库中，我们要建立好对应的数据库和表：
插入数据
INSERT INTO mysql_table2 VALUES(1, 'wzk', 18); INSERT INTO mysql_table2 VALUES(2, 'icu', 18);
查询数据
SELECT * FROM mysql_table2;
运行之后截图：
Kafka
Apache Kafka 是一个分布式流处理平台，广泛用于构建实时数据管道和流应用。它能够高效地处理大量的实时数据流，常用于日志收集、事件监控、实时分析等场景。ClickHouse 提供了专门的 Kafka 引擎，使其能够直接从 Kafka 中读取数据，实现实时数据流的处理与分析。
创建新表
CREATE TABLE kafka_events ( `timestamp` DateTime, `event_type` String, `user_id` UInt64, `event_data` String ) ENGINE = Kafka SETTINGS kafka_broker_list = 'broker1:9092,broker2:9092', kafka_topic_list = 'events_topic', kafka_group_name = 'clickhouse_group', kafka_format = 'JSONEachRow', kafka_num_consumers = 1;
创建目标表并设置 Materialized View
为了将 Kafka 中的数据持久化到 ClickHouse 的表中，通常会创建一个目标表，并通过 Materialized View 实现自动插入。
CREATE TABLE events ( `timestamp` DateTime, `event_type` String, `user_id` UInt64, `event_data` String ) ENGINE = MergeTree() ORDER BY timestamp; CREATE MATERIALIZED VIEW kafka_to_events TO events AS SELECT * FROM kafka_events;
插入数据
INSERT INTO events SELECT * FROM kafka_events;
应用场景
实时日志分析：通过 Kafka 收集应用日志，ClickHouse 实时消费并分析日志数据，支持快速故障排查和性能监控。
事件驱动的业务分析：实时跟踪用户行为事件，进行实时的用户行为分析和推荐系统。
实时监控与报警：将监控数据流入 Kafka，ClickHouse 处理并生成实时报警指标。
