【clickhouse专栏】对标mongodb存储类JSON数据文档统计分析

一、文档存储的需求

很多的开发者都使用过mongodb，在mongodb中数据记录是以文档的形式存在的(类似于一种多级嵌套SQL的形式)。比如下面的JSON数据结构：dev_ip表示某一台服务器的ip、location字段存放经纬度、meminfo.total和meminfo.userd分别代表内存总量和使用量。

[{
  "dev_ip": "123.46.5.111",
  "location": [39.916527, 116.397128],
  "meminfo": {
    "total": 64,
    "used": 23.2
  }
},
{
  "dev_ip": "123.46.5.112",
  "location": [39.916144, 116.392582],
  "meminfo": {
    "total": 64,
    "used": 27.8
  }
}]

二、建表

存储文档需要使用到Map这种数据类型，在某些比较旧的版本中，Map数据类型还是实验性的，不能直接使用。如果想使用，需要执行set allow_experimental_map_type = 1;。
然后我们可以按照JSON的数据结构来建表，location是数组Array数据类型，meminfo是Map数据类型。

CREATE TABLE dev_meminfo (
  dev_ip String,  
  location Array(Float64),
  meminfo Map(String, Float32)
)
ENGINE = MergeTree()
ORDER BY dev_ip;

clickhouse提供了数组类型Array(T)，数组类型由多个T元素组成。T可以是任意的基础数据类型，或者也可以是数组类型。如果是数组类型就形成了多维数组，Cickhouse对多维数组的支持有限，所以不建议使用多维数组。数组里面所有的T元素的数据类型必须是一样的，否则会抛出异常。

三、数据入库

在linux环境下，我们可以将JSON数据保存为一个文档，命名如：dev_meminfo.json。然后使用下面的命令行，完成文档JSON数据的入库。jq的作用是将JSON数组及Map从结构中剥离出来，从而符合JSONEachRow要求的输入格式。

cat dev_meminfo.json |jq -c .[] | clickhouse-client --database acaidb -m -u acai --password '<你的密码>'  \
--query="INSERT INTO dev_meminfo FORMAT JSONEachRow"

或者我们可以直接使用INSERT语句来完成数据的单条插入，如下：

INSERT  INTO dev_meminfo FORMAT JSONEachRow {"dev_ip": "123.46.5.112", "location": [39.916144, 116.392582],"meminfo": {"total": 64,"used": 27.8}};

四、查询数据

select * 的方式查询数据：

#  clickhouse-client --database acaidb -m -u acai --password '4rfv$RFV'  --query="SELECT * FROM dev_meminfo"
123.46.5.111    [39.916527,116.397128]  {'total':64,'used':23.2}
123.46.5.112    [39.916144,116.392582]  {'total':64,'used':27.8}

使用字段名称方式查询数据，需要注意的是Ciickhouse的数组的下标是从0开始的，这与我们传统编程开发中的规范是不一致的。

# clickhouse-client --database acaidb -m -u acai --password '4rfv$RFV'  --query="SELECT dev_ip,location[1],location[2],meminfo['total'],meminfo['used'] FROM dev_meminfo"
123.46.5.111    39.916527       116.397128      64      23.2
123.46.5.112    39.916144       116.392582      64      27.8

五、总结

我们看到clickhouse可以代替mongodb进行类JSON文档数据的存储，而且支持SQL查询统计分析，这一点是比较吸引人的。我只是介绍了简单的查询，其实针对各种统计分析场景，clickhouse提供了超级多的统计分析函数、窗口函数等等，当然针对数组的数据类型也有很多的统计分析函数。
更为值得注意的是：笔者看到一些测评文章，clickhouse的的统计分析性能是mongodb的近百倍之多(笔者自己尚未验证，请关注我的专栏后续文章)。但是也不是说clickhouse可以代替mongodb的所有应用场景，至少面向用户的并发请求的场景clickhouse是不满足的，因为clickhouse的定位是数据仓库，主要是面向数据分析OLAP场景，而不是面向用户高并发的联机事务处理OLTP。