ClickHouse OLAP列式数据库。

• 支持完备的SQL操作
• 列式存储与数据压缩
• 向量化执行引擎
• 关系型模型(与传统数据库类似)
• 丰富的表引擎
• 并行处理
• 在线查询
• 数据分片

ClickHouse目前是基于ZooKeeper来存储元数据，包含分布式的DDL、表和数据Part信息，从元数据丰富程度来说稍弱，因为存储了大量细粒度的文件信息，导致ZooKeeper经常出现性能瓶颈.

ClickHouse依赖Zookeeper来实现数据的高可用，Zookeeper带来额外的运维复杂性的同时也有性能问题。

如果遇到Doris集群性能下降的情况，你会如何进行故障排查？

• 查看日志：首先检查FE和BE的日志文件，特别是ERROR和WARNING级别的日志，以快速定位问题。
• 监控指标：利用Doris自带的监控工具或第三方监控系统，查看集群的CPU、内存、磁盘I/O、网络带宽等关键指标，分析是否存在资源瓶颈。
• 查询分析：分析慢查询日志，找出执行效率低下的查询语句，并进行优化。
• 查看执行计划： 根据执行计划分析最耗时的stage， 进一步分析具体的原因和问题
• 集群状态：检查集群的元数据一致性、节点健康状态、数据分布情况等，确保集群正常运行。

SQL解析具体包括了五个步骤：词法分析，语法分析，生成单机逻辑计划，生成分布式逻辑计划，生成物理执行计划。

一个简单的查询SQL在Doris的解析实现:

Doris的架构主要分为三层：FE（Frontend）、BE（Backend）和存储层。
只设 FE（Frontend）、BE（Backend）两种角色、两个进程。

• FE：负责查询的解析查询请求、编译、优化、规划查询计划、调度查询执行和元数据管理等。
• BE：存储物理数据，依据 FE 生成的物理计划，分布式地执行查询， 数据的可靠性由 BE 保证，BE节点存储了数据的原始副本和多个副本，以确保数据的高可用性和容错性。
• 存储层：Doris使用列式存储来优化查询性能，数据被分割成多个Tablet，并分散存储在多个BE节点上。

Doris 的数据模型主要分为3类:

• Aggregate 聚合模型
• Uniq 唯一主键模型
• Duplicate 模型

Aggregate 聚合模型

可根据key 列聚合数据；通常用于需要汇总或聚合信息（如总数或平均值）的情况。

聚合模型需要用户在建表时显式的将列分为 Key 列和 Value 列。该模型会自动的对 Key 相同的行，在 Value 列上进行聚合操作。

当我们导入数据时，对于 Key 列相同的行（可以理解为业务主键的冲突行）会聚合成一行，而 Value 列会按照设置的 AggregationType 进行聚合。

Doris Insert Into

Insert Into 方式能够提供快速导数性能

Spark Doris Connector 支持阻塞写入

Spark Doris Connector 导入方式更具有通用性，能够解决大量数据导入的问题，导入性能相对稳定，在导入过程需要 合理控制导入速率与导入并行度 。

InterSystems Caché ® 是一个高性能的数据库，可助力全球范围的事务处理应用。
它的用途极为广泛，包括：银河系亿万颗星球的测绘，每天数十亿次股权交易的处理，以及智能电网的管理等等。

在Caché中，数据可以被建模并存储为表、对象或多维数组（层次结构）。 不同的模型可以无缝地访问数据——不需要在模型之间进行扼杀性能的映射。

最底层是多维数组存储，可暴露给用户并有成熟的语法，属于ISO和ansi的叫m语言的标准，在其上是平行的两个抽象层级：对象和sql。
也就是说有三套接口来同时瞄准一套数据和元数据，最大化开发灵活性了。
架构上的好处是，三种接口，以及脚本化的语法以及后台编译机制，最大化了灵活性和性能的平衡，提供给应用开发者非常高的重构能力和低重构成本。