1. 背景

目前，在数据仓库领域，Hadoop已经是行业标准。包括 HDFS、MapReduce、Hive、Hbase、Impala、Spark 等等 非常多的组件，这些组件各司其职，相得益彰。但是，Hadoop生态的技术组件显得臃肿和复杂、且时效性也不强。
在这个背景下，Click House有了自己的用武之地。

OLAP（多维数据分析）是一个很成熟的技术了。 常见的OLAP的架构包含三类：

ROLAP(Relational OLAP,关系型OLAP)
MOLAP(Multidimensional OLAP,多维型OLAP)
HOLAP(Hybrid OLAP,混合架构的OLAP)

ROLAP是传统关系型数据模型建模，直接使用SQL语句对数据进行GROUP BY聚合。这种方式最为简洁、灵活。但是问题也显而易见，就是数据量大时，查询过程将耗时巨大。
MOLAP是以空间换时间的优化方式，类似于Kylin这类产品，预计算Cube，实现毫秒级的查询反馈。而这种方式问题也很明显，如果维度较多很容易造成数据膨胀爆炸，消耗大量的计算和存储资源。同时，数据在修改时，需要消耗大量精力做数据同步。
HOLAP是混合使用上边两种方式。
通过分析发现，上边几种方式都有自己的弱点，能否解决呢 ？ ClickHouse就在解决这两个问题时应运而生。