OrzClick: 国庆写个 ClickHouse 客户端

Oraoto 的个人博客 / 246 / 2 / 创建于 3年前 / 更新于 3年前

起因

我看 ClickHouse 有 C++ 客户端（clickhouse-cpp），我又用过 PHP-CPP 写扩展，于是就在国庆写了 OrzClick ，一个 PHP 用的 ClickHouse 客户端。

比较尴尬的是，我写到一半才发现 SeasClick，它也是 clickhouse-cpp 的绑定，而且是 C 写的，感觉用 PHP-CPP 我就已经输了一半呀，所以我的小目标就是性能超越 SeasClick。

性能测试

Select 结果：

使用 PDO 访问 ClickHouse 的 MySQL 接口，查询小量数据性能更好
小量数据时，OrzClick 和 SeasClick 性能相近，数据大时 OrzClick > SeasClick > MySQL 接口

Insert 结果：

OrzClick-Indexed 对标的是 SeasClick，API 最相近（可看代码：1 2），算是达到了小目标
SeasClick 和 OrzClick 都有提高插入性能的 API，SeasClick 的 startWrite-write-endWrite 性能非常好（图上的 SeasClick-Block），OrzClick 的 InsertColumnar 只有数据量大于 5 千时才能超过它（图上的 OrzClick-Columnar）

哪个 clickhouse-cpp ?

在 Github 搜索 clickhouse-cpp, 你会发现有两个相似的库：

看 LICENSE 和开发人员的评论，可以得知 ClickHouse 官方的才是 fork。简单对比了一下代码，两者底层还是一样的，只是功能特性有一点小小区别。

OrzClick 使用的是 ClickHouse/clickhouse-cpp 的 fork，而 SeasClick 是 artpaul/clickhouse-cpp 的 fork，所以大家还是同源的，性能差异就体现在使用方式和补丁了。

SeasClick 的优化

clickhouse-cpp 的数据插入接口非常简单，就一个入口方法：

void Insert(const std::string& table_name, const Block& block);

而 SeasClick 把它拆分成:

void InsertQuery(const std::string& query, SelectCallback cb);
void InsertData(const Block& block);
void InsertDataEnd();

这个拆分对性能提升、扩展实现有很大帮助：

InsertQuery 可以拿到字段的类型信息，可以简化 PHP 接口的使用，不像 OrzClick 一样需要用户指定字段类型
InsertQuery + 多次 InsertData + InsertDataEnd 可以实现连续插入，性能提升巨大（见图上的 SeasClick-Block）

OrzClick 的优化

数据访问模式

ClickHouse 是个列式存储的数据库，而它的接口也使用了同样的设计，一次 select 会返回多个 Block，Block 里有多个 Column，一个 Column 里的数据是连续存放的，Column 间是相互独立的。

应用层使用数据还是按行为主，所以这里要重新组织一下数据，把列式数据转成行式数据。 SeasClick 是按行处理，而 OrzClick 是按列处理，这是两者的主要区别之一。

                          SeasClick 遍历模式                
        Block                                              
        ┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓  
        ┃     Column A      Column B      Column C      ┃  
        ┃                                               ┃  
        ┃    ┏━━━━━━━━━┓   ┏━━━━━━━━━┓   ┏━━━━━━━━━┓    ┃  
Seas─╮──┃───>┃ 1       ┃──>┃ X       ┃──>┃ 1.2     ┃    ┃  
     │  ┃    ┣━━━━━━━━━┫   ┣━━━━━━━━━┫   ┣━━━━━━━━━┫    ┃  
     ╰──┃───>┃ 2       ┃──>┃ Y       ┃──>┃ 2.3     ┃    ┃  
        ┃    ┣━━━━━━━━━┫   ┣━━━━━━━━━┫   ┣━━━━━━━━━┫    ┃  
        ┃    ┃ 3       ┃   ┃ Z       ┃   ┃ 3.4     ┃    ┃  
        ┃    ╏         ╏   ╏         ╏   ╏         ╏    ┃  
        ┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛  


                          OrzClick 遍历模式             
        Block                         
        ┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓     
        ┃     Column A      Column B      Column C      ┃     
     ╭───────────────────╮─────────────╮                ┃     
Orz ─╯──┃─╮  ┏━━━━━━━━━┓ │ ┏━━━━━━━━━┓ │ ┏━━━━━━━━━┓    ┃     
        ┃ │  ┃ 1       ┃ │ ┃ X       ┃ │ ┃ 1.2     ┃    ┃     
        ┃ │  ┣━━━━━━━━━┫ │ ┣━━━━━━━━━┫ │ ┣━━━━━━━━━┫    ┃     
        ┃ │  ┃ 2       ┃ │ ┃ Y       ┃ │ ┃ 2.3     ┃    ┃     
        ┃ │  ┣━━━━━━━━━┫ │ ┣━━━━━━━━━┫ │ ┣━━━━━━━━━┫    ┃     
        ┃ V  ┃ 3       ┃ V ┃ Z       ┃ V ┃ 3.4     ┃    ┃     
        ┃    ╏         ╏   ╏         ╏   ╏         ╏    ┃     
        ┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛

SeasClick 的实现类似这样：

for (auto i = 0; i < block.GetRowCount(); i++) {         // 外层按行遍历
    for (auto j = 0; j < block.GetColumnCount(); j++) {  // 行内再按列遍历
        switch (block[i]->GetType().GetCode()) {         // 每一列类型都不同，要相应处理
            case clickhouse::Type::Int8:
                add_assoc_long_ex(result, key, len, block[i]->As<clickhouse::ColumnInt8>()->At(j));
            break;
            case ...// 其他类型类似
        }
    }
}

OrzClick 的实现类似这样：

for (auto i = 0; i < block.GetColumnCount(); i++) { //  外层按列遍历
    switch (block[i]->GetType().GetCode()) {        // 每一列类型都不同，要相应处理
        case clickhouse::Type::Int8:
            auto col =  block[i]->As<clickhouse::ColumnInt8>();
            for (auto j = 0; j < block.GetRowCount(); j++) { // 列内再按行遍历
                add_assoc_long_ex(result, key, col->At(j));
            }
        break;
        case ...// 其他类型类似
    }
}

对比一下可以看到 SeasClick 的内层循环会有大量的 switch 分支跳转，而 OrzClick
在外层判断了类型，内层循环非常紧湊，没有多余的分支。

用 perf stat 分析一下，SeasClick 分支数（branches）、分支预测错误数（branch-misses）都在 OrzClick 的 2 倍以上：

# perf stat php select-orzclick.php 1000 1000

 Performance counter stats for 'php select-orzclick.php 1000 1000':

        496.85 msec task-clock:u              #    0.340 CPUs utilized
             0      context-switches:u        #    0.000 K/sec
             0      cpu-migrations:u          #    0.000 K/sec
         1,977      page-faults:u             #    0.004 M/sec
 1,761,248,425      cycles:u                  #    3.545 GHz
 2,601,973,475      instructions:u            #    1.48  insn per cycle
   487,402,260      branches:u                #  980.986 M/sec
     2,879,008      branch-misses:u           #    0.59% of all branches

# perf stat php select-seasclick.php 1000 1000

 Performance counter stats for 'php select-seasclick.php 1000 1000':

        896.48 msec task-clock:u              #    0.482 CPUs utilized
             0      context-switches:u        #    0.000 K/sec
             0      cpu-migrations:u          #    0.000 K/sec
         1,962      page-faults:u             #    0.002 M/sec
 3,316,728,038      cycles:u                  #    3.700 GHz
 6,019,365,862      instructions:u            #    1.81  insn per cycle
 1,316,036,409      branches:u                # 1468.000 M/sec           (2.7x)
    10,073,424      branch-misses:u           #    0.77% of all branches (3.4x)

所以在 select 测试中，数据量少的时候 OrzClick 只比 SeasClick 略好，但数据量大了性能差距就拉开了。

当然也有退化到 OrzClick 不利的情况，就是 ClickHouse 返回多个Block，但每个 Block 都只有一行，目前只发现 Memory 引擎有这种情况。

TCP_NODELAY

在测试的时候，发现少量数据反而更慢，就是一字节的区别：

$ time php insert-orzclick.php 8170 100

real    0m3.894s
user    0m0.030s
sys 0m0.061s

$ time php insert-orzclick.php 8171 100

real    0m0.422s
user    0m0.050s
sys 0m0.022s

看 ClickHouse 日志，处理少量数据反而时多用了 40ms 左右的时间（大佬们看到 40 ms 就大概猜到了吧）。

对比两者的火焰图，虽然执行的总时间不同，但是各种函数的比例是接近的，大头都是 _zend_hash_find_known_hash:

难道问题真在 PHP？我移除掉 clickhouse-cpp 的调用，发现两种情况执行时间基本相同，这也就排除掉 PHP 的可能性，问题应该出在 clickhouse-cpp。

再用 strace 跟踪，发现数据少的时候是只有一个 send 系统调用，多的时候会分成两个：

# 8170
sendto(3, "\2\0\1\0\2\377\377\377\377\0\1\352?\2u8"..., 8192, MSG_NOSIGNAL, NULL, 0) = 8192

# 8171
sendto(3, "\2\0\1\0\2\377\377\377\377\0\1\353?\2u8"..., 22, MSG_NOSIGNAL, NULL, 0) = 22
sendto(3, "\1\2\3\4\5\6\7\10\t\n\v\f\r\16\17\20"..., 8171, MSG_NOSIGNAL, NULL, 0) = 8171

8170 和 8171 这个临界点，发现和 clickhouse-cpp 的缓冲区大小 8192 很接近。于是我试着调整 clickhouse-cpp 缓冲区大小，的确会影响 send 的次数，但只是临界点有点变化，不能解决问题。

至此基本可以确定是内核和协议栈的影响，于是想有那些配置可能影响发送、接收延迟，然后就想到了 TCP_NODELAY，于是我提了个 PR，给 clickhouse-cpp 加上了 TCP_NODELAY 选项（PR在2020-01-10合并），测试性能终于稳定了。

后来我又尝试用 Off-CPU 火焰图，只能看到在 recv 时有等待，还不能直接看出原因，这种问题没经验真不易处理（虽然搜索 TCP 40ms 就有结果）。

PHP-CPP 损耗

PHP-CPP 封装了 Zend API，开发扩展基本可以不考虑 Zend 引擎低层（zval、HashTable 等等），非常方便，代价就是更多额外操作和性能损耗。

优化方式非常暴力，直接修改 PHP-CPP，暴露出被封装的 zval，然后直接用 Zend API 操作。过程就是先用 PHP-CPP 写，然后用火焰图发现热点，然后替换成 Zend API。

例如在 nestedForeach 方法里，需要获取数组的值，如果用 PHP-CPP 的 Value::get() 最后会复制一次：

Value::Value(struct _zval_struct *val, bool ref)
{
    // do we have to force a reference?
    if (!ref)
    {
        // we don't, simply duplicate the value
        ZVAL_DUP(_val, val);
    }

批量插入的时候，就会有不必要的数组复制。所以这里改成 zend_hash_find 拿到 *zval，然后直接遍历：

zval *item;
auto column = zend_hash_find(Z_ARRVAL_P(data._val), key);
auto ht = Z_ARRVAL_P(column);

ZEND_HASH_FOREACH_VAL(ht, item) {
    callback(item);
}
ZEND_HASH_FOREACH_END();