DoubleCloud 即将关闭。使用限时免费迁移服务迁移到 ClickHouse。立即联系我们 ->->

用例

解锁更快的查询和处理更高并发性的能力。无论您处理多少数据。

开始您的免费 Cloud 试用版

实时分析

为交互式应用程序和仪表板提供支持，这些应用程序和仪表板可实时分析和聚合大量数据。在毫秒内运行复杂的内部分析，而不是几分钟或几小时。全球各地的公司依靠它每天处理数百亿个新事件。

机器学习和生成式 AI

执行快速高效的向量搜索。从任何提供商处即插即用生成式 AI 模型。使用闪电般的快速聚合来为 PB 级规模的模型训练提供支持。您的机器学习工作负载的中心数据存储。

商业智能

交互式地对您的数据进行切片和切块以进行分析、报告和构建内部应用程序。用于更好地了解业务使用情况、用户行为、广告效果、市场动态等。将您的工作负载从传统的仓库和湖泊中卸载，以实现大规模的速度和效率。

日志、事件和跟踪

自信地监控您的日志、事件、跟踪和其他时间序列数据。检测异常、欺诈、网络或基础设施问题等。在规模上用于每秒摄取数百万条记录，作为可信的基于 SQL 的可观察性存储。

比较

ClickHouse 在为实时和历史数据上运行的工作负载提供支持方面表现出色。

相比之下，传统的仓库和事务数据库缺乏性能和成本效率，这些效率使它们无法在大规模上适应分析工作负载。

使用 ClickHouse，您将以极低的成本获得无与伦比的性能和对数据的可见性。

ClickHouse vs Snowflake

2x

更快的查询速度

38%

压缩率提高 38%

3-5x

成本降低 3-5 倍

"使用 Snowflake 时，我们使用的是标准计划，小型计算，成本几乎是 ClickHouse Cloud 的六倍。"

ClickHouse vs PostgreSQL

1000x

查询速度快 1000 倍

-50%

磁盘空间减少 50%

5x

成本节省 5 倍

"在 ClickHouse 中是瞬时的，而在 Postgres 中则是永远的。"

ClickHouse vs BigQuery

10x

性能提升 10 倍

30x

压缩率提高 30 倍

10x

运营支出降低 10 倍

"我们不想费心提前计算要购买多少 BQ 槽位，真是太头疼了！"

ClickHouse vs Redshift

5x

查询性能提升 5 倍

75%

成本降低 75%

20x

并发性提高 20 倍

"迁移到 ClickHouse 后，我们基本上能够将 (Redshift) 的账单削减一半。"

当我们进入 LLM 可观测性和分析领域时，我们决定使用 ClickHouse 而不是 Postgres 来支持 LangSmith。LangChain 的 CTO Ankush

ClickHouse 帮助我们高效可靠地分析数万亿次互联网请求的日志，以识别恶意流量并为客户提供丰富的分析结果。

现在，我们的客户可以在不到一秒的时间内搜索数月的浏览器和服务器端日志数据，这得益于 ClickHouse 背后的技术。

ClickHouse 非常适合用作我们机器学习模型的大数据存储

我们每天存储大约 30 亿个事件（行），速率约为每分钟 200 万个事件。我们还必须提供一些非常复杂的数据可视化，这些可视化在很大程度上依赖于过滤海量数据并在合理的时间范围内计算复杂聚合，以保证用户体验。

在索尼娱乐电视，我们每天将数千万个 CDN 记录导入 ClickHouse Cloud，并在其中运行数百万个查询。这使我们的运营团队能够实时监控内容的交付，并在问题出现时立即分析/调查潜在问题。ClickHouse Cloud 帮助我们优化成本并确保服务的可用性和弹性。

QRadar Log Insights 使用 ClickHouse，一种现代的开源 OLAP 数据仓库，可以以亚秒级速度导入、自动索引、搜索和分析大型数据集。您可以从导入的数据中获得近乎实时的可视化和见解。

该平台每秒从数千个跨区域的服务中导入数百万个日志，存储数 PB 的数据，并每秒为仪表板和程序提供数百个查询。

ClickHouse 是一种快速且高性能的分析数据库，在 Instacart 广泛用于为其他用例提供支持，例如关键零售商和广告仪表板、计算 A/B 测试结果以及机器学习信号。

我们在决定使用 ClickHouse 之前评估了十多个不同的大数据系统。

ClickHouse 的性能超过所有其他面向列的数据库管理系统。

我们从客户的手机和其他更传统的来源收集数万个数据点。ClickHouse 用作处理所有这些短信并提取用于评分和欺诈模型的有价值信息的一种方式。

从 Elasticsearch 迁移到 ClickHouse 是一段漫长的旅程，但这是我们做过的最好的技术决策之一。

在 Lyft，我们每天在 ClickHouse 中导入数千万行并执行数百万个读取查询，并且数据量还在不断增长。按月计算，这意味着读取和写入超过 25 TB 的数据。

Cognitiv 使用 ClickHouse 为其机器学习离线特征存储提供支持，因为它速度快且资源效率高。“训练这些模型需要巨大的计算能力，并且能够快速有效地处理和分析大量数据。作为一家拥有大型数据集的小型公司，成本对我们很重要，”Cognitiv 的 Jason 解释说。“ClickHouse 速度快，但它的真正价值在于让我们能够更好地利用资源。基本上，我们不需要花费那么多钱来解决相同的问题。”

“通过利用专家模型和嵌入，我们检测到网页中的实质性变化，并识别具有相似特征的网页之间的联系。”