ClickHouse 2026年10月通讯：26.9与CostBench

你好，欢迎阅读又一期 ClickHouse 新闻通讯！

本月带来 CostBench 系列的两篇新作，Tom Schreiber 和 Lionel Palacin 让 BigQuery 和 Databricks 在实时分析工作负载上一较高下。

26.9 版本为 LIMIT 子句新增了边界条件，让日志分析更加容易，还新增了用于限时凭证的 CREATE TOKEN 语句。

此外，可执行用户定义函数现已在 ClickHouse Cloud 上全面可用，我们还有关于内存安全和在本地 NVMe 存储上运行的 Postgres 深度解析。

本月社区成员：Hoang Minh V

本月精选社区成员是 Hoang Minh V，shyftplan 的高级软件开发人员。

Hoang 是慕尼黑工业大学校友，自五月以来已有 100 多个拉取请求被合并进 ClickHouse，其中 48 个进入了 26.9 版本。

他在 26.9 中的大部分工作都投入到了 PromQL 和 TimeSeries 引擎。他为带有空 by() 修饰符的 PromQL 聚合添加了快速路径，例如 sum by() (m)，该路径跳过了对每个输入序列的标签转换。他还加速了 TimeSeries 读取和 timeSeries*ToGrid 聚合函数，阻止了 PromQL 将连续的 NaN 样本计为变化，并添加了对分组修饰符中带引号标签名称的支持。

在 PromQL 之外，他让 LIMIT BY 在常量分组键达到其限制后停止读取输入，并修复了数组、字符串和 URL 函数中十几个以上的边界情况。

➡️ 在 LinkedIn 上与 Hoang 联系

26.9 版本

ClickHouse 26.9 版本扩展了 LIMIT 子句，新增了 AFTER 和 UNTIL 边界条件，它们根据有序结果中的值来开始和停止输出。

这一功能让日志分析变得容易得多，因为我们现在可以在单个查询中检索每个服务器错误及其之后的请求。

此版本还为仅追加物化视图添加了增量刷新，为限时凭证添加了 CREATE TOKEN，以及可以溢写到磁盘的 DISTINCT，还有更多！

➡️ 阅读发布文章

为什么我在我的网站分析工具中使用 ClickHouse

Philip 解释了他为什么为 Lienks——他注重隐私的网站分析工具——选择 ClickHouse。PostgreSQL 存储应用数据，例如用户、工作区和账单，而页面浏览量和自定义事件存储在 ClickHouse 中。

Philip 指出，PostgreSQL 能够处理 Lienks 当前的规模，但他一开始就选择了 ClickHouse，因为他希望扩展到数十亿事件，并希望到时不必迁移。

➡️ 阅读博客文章

为什么 Databricks 在实时分析方面无法与 ClickHouse Cloud 匹敌

上个月，Tom Schreiber 和 Lionel Palacin 介绍了 CostBench，这是一个衡量跨云数据仓库实时分析端到端性能和成本的基准测试。他们随后展示了 Snowflake 在实时分析方面无法与 ClickHouse Cloud 匹敌。

本月，他们让 Databricks 接受考验，在查询运行的同时摄取 1132 亿条股市报价。ClickHouse Cloud 每美元提供的端到端性能高出 752 倍。

ClickHouse 使用增量物化视图在插入时保持其预聚合数据最新，而 Databricks 将这项工作分散在摄取、异步聚类和物化视图刷新中。因此，Databricks 的准备成本为 695.60 美元，而 ClickHouse 为 28.69 美元。

➡️ 阅读博客文章

为什么 BigQuery 在实时分析方面无法与 ClickHouse Cloud 匹敌

Tom 和 Lionel 还对 BigQuery 运行了 CostBench，在查询运行的同时摄取 1132 亿条报价。

在 BigQuery 的容量定价下，ClickHouse Cloud 每美元性能高出 438 倍；在按需定价下高出 512 倍。

ClickHouse 在插入时对数据进行排序和预聚合，而 BigQuery 将追赶工作留到查询时。总查询运行时间：ClickHouse 为 58.29 秒，BigQuery 为 49.36 分钟。

➡️ 阅读博客文章