用户案例

“ClickHouse 在 Instana 和 QRadar 中都扮演着关键组件的关键角色。IBM 已在其各种产品中部署了数百台 ClickHouse 服务器。”

“有一种新技术的感觉，一切都感觉很顺利。我们可以足够快地将数据导入进去吗？可以。我们可以以响应式 UI 的方式查询数据吗？可以。成本会让我们破产吗？不会。”

“在 Sony LIV，我们将数千万个视频流事件摄取到 ClickHouse Cloud 中，并运行查询以生成用于分析的复杂仪表板。这使我们的运营团队能够实时监控、警报和排除客户的 QOS 和 QOE 故障。ClickHouse Cloud 帮助我们优化了成本，并确保我们服务的高可用性和弹性。”

“ClickHouse 帮助我们高效可靠地分析数万亿互联网请求的日志，以识别恶意流量并为客户提供丰富的分析。”

“迁移到 ClickHouse 后，我们能够将 (Redshift) 账单减半 ... 每个页面加载都更快了”

"ClickHouse Cloud 对我们来说非常棒。我们能够在我们所有的环境（开发、测试、暂存、生产，等等）中一键创建可重现的 ClickHouse 实例。" "Clickhouse Cloud 具有出色的监控和自动更新功能，因此您永远不会被困在过时三年的数据库版本中。" Chris Lawrence，高级软件工程师

"在与 Snowflake、Firebolt、Amazon Redshift、Amazon Aurora (Postgres) 进行比较后，我们发现对于我们的特定工作负载，ClickHouse Cloud 提供了最佳性能和最佳性价比。更主观的标准（每个服务中实现的差异使得直接比较变得困难），例如监控、HA/DR、扩展等，ClickHouse Cloud 的得分也很高。" Jonathan Hill，工程副总裁

"ClickHouse 支持 OpenTelemetry，这对于追踪性能非常棒。它使我们能够深入了解 ClickHouse，不仅可以捕获流经我们分布式系统的流程，还可以跟踪这些调用在 ClickHouse 中的执行方式，从而使我们获得清晰的可见性。" Joshua Hildred，IBM Instana 软件开发人员

"使用 ClickHouse Cloud，我们目前正在处理大约 10 亿条记录，并且我们保持了与以前使用小得多的数据集的设置中相同的亚秒级性能基准。" Navaneet Krishna，首席数据分析师

"ClickHouse 是世界上最快的数据库。你无法反驳这一点。" Aditya Patadia，联合创始人兼 CEO

“使用 ClickHouse，以前需要几天几夜的工作，现在可以很快完成。” Cayden Meyer，创始人兼 CEO

“我们知道，迁移到像 ClickHouse 这样的数据库将使我们的系统性能更高、可扩展性更强，而不会让我们破产。” Larry Finn，首席工程师

"我们将分析查询的时间从分钟级缩短到秒级，而且几乎没有进行任何优化工作。" Jason Anderson，数据主管

“ClickHouse [不需要] 任何维护。我们摄取大量数据，它超级高效，而且比其他解决方案便宜得多。它满足了所有要求。” Chris Bisnett，Huntress 联合创始人兼 CTO

“我们如此兴奋地使用 ClickHouse 的原因之一是它比其他数据库快得多。” “ClickHouse 允许我们为客户提供非常快速的分析，这令人兴奋，也是我们使用早期数据库选项无法获得的。” Manav Kohli，联合创始人兼 CTO

“正如 Charity Majors 所说，‘可观测性不仅仅是了解错误和中断；而是主动了解我们的软件以及用户如何体验它。’ 多亏了 ClickHouse，我们能够通过收集和高效查询原始数据来实现这一点。” Sean Gillespie，Staff 软件工程师

我们喜欢使用 ClickHouse。该产品很棒，架构非常容易设置，而且低延迟和可扩展性令人惊叹。” ~ Lukas Biewald，Weights & Biases CEO

"ClickHouse 处理大量并发查询而不会降低性能的能力是另一个巨大优势。与 Rockset 不同，在 Rockset 中，查询限制阻碍了 Sree 的工作并导致了令人沮丧的瓶颈，ClickHouse 允许团队随着 Lens Protocol 的增长扩展其 ML 运营。"

“目标是从头开始构建一个新系统，不仅要扩展 beehiiv 的数据平台，理想情况下还要扩展整个业务，”Eric 说。

“我们是一家尝试摄取尽可能多的数据以做出优化决策的公司，这可能会导致成本上升，”Marco 说。“ClickHouse Cloud 使该过程非常高效，而且价格点要低得多，我们实际上可以期待将更多数据摄取到我们的系统中，同时使成本保持在相对较低的水平。”

“在 Coinhall，高效管理大量的区块链数据对于我们面向消费者的交易平台至关重要。最初，我们使用 BigQuery，但随着我们数据的增长，其成本和性能问题也随之增加。在探索了几种替代方案后，我们发现 ClickHouse 是明显的赢家。ClickHouse 的性能明显优于我们测试过的其他数据库，如 Snowflake、Rockset 和 SingleStore，并实现了 40 倍的成本节省。”

“该系统能够在不到 325 GB 的磁盘空间中存储超过 100 亿行跨越四年的数据”

“查询性能非常快。我简直不敢相信。我不得不回去几次，以确保我是在正确地查询它。”

“当您对 AI 产品进行交互式分析时，工程师不能运行某些东西，然后等待五分钟”

“ClickHouse 已被证明是一个游戏规则改变者，推动我们在管理数据基础设施方面实现更高的效率和效力。”

“ClickHouse 看起来很适合他们支持 1000 万会员记录，每个记录有 100 个字段的使用场景：我们需要存储 10 亿行数据。”

“采用 ClickHouse 增强了我们的数据分析能力，有效地且具有成本效益地支持了我们内部团队不断增长的需求。”

OpenMeter 团队开发了一个可扩展、稳健的计量系统，能够处理每秒数百万个计费事件，构建于 ClickHouse Cloud 之上。

Trip.com 从 Elasticsearch 迁移并使用 ClickHouse 构建了 50PB 日志解决方案。存储空间节省超过 50%，使现有的 Elasticsearch 服务器能够支持数据量增加 4 倍，这要归功于 ClickHouse。查询速度比 ElasticSearch 快 4 到 30 倍，P90 小于 300 毫秒，P99 小于 1.5 秒。

“我们希望能够处理各种不同的数据管道和代码任务。最终目标是实现开发人员、数据工程师、平台工程师和软件工程师需要的任何部署和触发模式，”这就是 ClickHouse 成为 Prefect 不可或缺的一部分的原因

在本次演讲中 -- 于 2023 年 4 月 26 日在 ClickHouse NYC 聚会上发表 -- Brooke McKim（Vantage 联合创始人兼 CTO）分享了他们从 Redshift 到 ClickHouse Cloud 的旅程。

Vantage 首席技术官 Brooke McKim 在 2024 年 3 月的 NYC 聚会上分享了充分利用 ClickHouse 性能的技巧和窍门。

“随着我们越来越受欢迎，我们开始每分钟摄取数百万个事件。我们最初的仅 Postgres 堆栈（在早期为我们提供了很好的服务）已经不够用了。”

“好处是立竿见影的，数据处理速度更快，分析更准确，这让我能够充满信心地做出战略决策。ClickHouse 为我公司的增长和成功开辟了新的视野，将我们的执行愿景提升到前所未有的水平。”

“在最终选择 ClickHouse 之前，我们评估了十几个不同的 Big Data 系统。在 ClickHouse 提供的灵活性方面，没有哪个系统能与 ClickHouse 相提并论。”

“使用 ClickHouse，数据管道逻辑得到简化，并且仅处理写入的“流式传输”方面，而不是所有这些复杂性。因此，ClickHouse 实现了更简单的写入设计模式，就像任何其他新时代的 Data Lake 系统（如 Hudi 等）一样，但具有更简单的开发者体验。”

“我们使用 ClickHouse Cloud 监控数百万个实时 Web 性能数据点，以确保我们始终变得更快。该平台提供快速可靠的数据管理，同时也被证明具有成本效益且用户友好。”

“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。”

“通过在不同时间间隔编排 dbt 执行，我们还可以利用 ClickHouse 进行内部 BI 用例。我们发现这种设置非常实用，因为我们可以灵活地创建客户数据的新分析视图，而无需将其从我们的生产运营系统中移出。”

“使用 Snowflake，我们使用的是标准计划、小型计算，成本几乎是 ClickHouse Cloud 的六倍。我们获得了几秒钟的查询时间和没有物化视图。使用 ClickHouse Cloud 的生产实例，我们获得了亚秒级的查询时间以及物化视图。切换的决定对我们来说是不二之选。”

“当我们测试使用 ClickHouse 运行相同报告需要多少时间时，人们感到惊讶。我们运行相同的数据，眨眼间，我们就得到了结果。”

“ClickHouse 以基础设施成本的一小部分非常高效地解决了我们的大部分问题。这对我们来说是一个更大的优势”

“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 SMS 消息并提取用于评分和欺诈模型的有价值信息的方式。”

“在测试 Hadoop 和 Spark 后，我们选择了 ClickHouse”

“我们在 ClickHouse 中聚合用户历史记录，并将其用作训练和推理的数据存储。即使读取数千万行，性能也非常出色，并且在训练新模型时不是瓶颈。”

“ClickHouse 非常适合作为我们 ML 模型的大数据存储。”

“ClickHouse 的性能超越了所有其他面向列的数据库管理系统。它每台服务器每秒处理数十亿行和数十 GB 的数据”

“将日志从 Elasticsearch 迁移到 ClickHouse 不仅显着降低了存储成本，还为我们提供了更快的查询体验。”

“在根据我们的标准对每个数据库进行后评估后（指标范围从查询性能到成本），ClickHouse 成为无可争议的领跑者。它在各个方面都表现出色，甚至在某些领域令人惊讶，并且被证明更具成本效益。”