一、文档存储的需要

很多的开发者都应用过mongodb，在mongodb中数据记录是以文档的模式存在的(相似于一种多级嵌套SQL的模式)。比方上面的JSON数据结构：dev_ip示意某一台服务器的ip、location字段寄存经纬度、meminfo.total和meminfo.userd别离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

存储文档须要应用到Map这种数据类型，在某些比拟旧的版本中，Map数据类型还是实验性的，不能间接应用。如果想应用，须要执行set allow_experimental_map_type = 1;。
而后咱们能够依照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能够是任意的根底数据类型，或者也能够是数组类型。如果是数组类型就造成了多维数组，Cickhouse对多维数组的反对无限，所以不倡议应用多维数组。数组外面所有的T元素的数据类型必须是一样的，否则会抛出异样。

三、数据入库

在linux环境下，咱们能够将JSON数据保留为一个文档，命名如：dev_meminfo.json。而后应用上面的命令行，实现文档JSON数据的入库。jq的作用是将JSON数组及Map从构造中剥离进去，从而合乎JSONEachRow要求的输出格局。

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

或者咱们能够间接应用INSERT语句来实现数据的单条插入，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、查问数据

select * 的形式查问数据：

#  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}

应用字段名称形式查问数据，须要留神的是Ciickhouse的数组的下标是从0开始的，这与咱们传统编程开发中的标准是不统一的。

# 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      23.2123.46.5.112    39.916144       116.392582      64      27.8

五、总结

咱们看到clickhouse能够代替mongodb进行类JSON文档数据的存储，而且反对SQL查问统计分析，这一点是比拟吸引人的。我只是介绍了简略的查问，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(笔者本人尚未验证，请关注我的专栏后续文章)。然而也不是说clickhouse能够代替mongodb的所有利用场景，至多面向用户的并发申请的场景clickhouse是不满足的，因为clickhouse的定位是数据仓库，次要是面向数据分析OLAP场景，而不是面向用户高并发的联机事务处理OLTP。

举荐浏览

《clickhouse专栏》