🗄️ تثبيت ClickHouse — قاعدة بيانات تحليلات عمودية

انشر ClickHouse على Ubuntu بـ Docker — قاعدة بيانات OLAP عمودية مفتوحة المصدر مبنية لتشغيل استعلامات تجميعية على مليارات الصفوف في أقل من ثانية.

⚠️ راجع أي سكريبت دائمًا قبل تشغيله على سيرفرك، واختبره في بيئة تجريبية أولاً.

📦 الملفات والأكواد المطلوبة

قبل البدء، يرجى التأكد من تحميل الأكواد المطلوبة من مستودعنا على GitHub لتتمكن من تطبيق الخطوات مع الفيديو بسهولة.

سكريبت تثبيت آلي — ClickHouse جاهزة للاستعلامات التحليلية بأمر واحد.
عرض على GitHub

التثبيت السريع:

wget https://raw.githubusercontent.com/mhmdali94/Docker/main/databases/clickhouse/clickhouse-ubuntu.sh
chmod +x clickhouse-ubuntu.sh
sudo bash clickhouse-ubuntu.sh

خطوات التنفيذ

1 تحميل السكريبت

wget https://raw.githubusercontent.com/mhmdali94/Docker/main/databases/clickhouse/clickhouse-ubuntu.sh

2 منحه صلاحية التنفيذ

chmod +x clickhouse-ubuntu.sh

3 تشغيل المُثبّت

يثبّت السكريبت Docker إن لزم، ويُشغّل صورة clickhouse/clickhouse-server، مع كشف واجهة HTTP على المنفذ 8123 وتخزين البيانات في حجم محلي دائم.

sudo bash clickhouse-ubuntu.sh

4 الدخول إلى الواجهة

لا تملك ClickHouse لوحة ويب مدمجة افتراضياً — استعلمها عبر HTTP بـ curl، اتصل بواجهة سطر الأوامر clickhouse-client، أو وجّه أداة BI مثل Grafana أو Metabase إليها:

http://<your-server-ip>:8123

المنافذ المستخدمة

المنفذالغرض
8123HTTP REST API + Dashboard

نظرة عامة

ClickHouse قاعدة بيانات عمودية مفتوحة المصدر طوّرتها Yandex في الأصل (وتُصان الآن من قِبل ClickHouse, Inc.) لأغراض المعالجة التحليلية عبر الإنترنت (OLAP). بدلاً من تخزين الصفوف معاً كما تفعل قواعد البيانات العلائقية التقليدية، تخزّن كل عمود على حدة، مما يتيح لها مسح وتجميع الأعمدة التي يحتاجها الاستعلام فعلياً فقط. هذا التصميم يجعل ClickHouse قادرة على تشغيل استعلامات تجميعية — عدّ، جمع، متوسطات، مئينيات — عبر مليارات الصفوف في أقل من ثانية إلى ثوانٍ قليلة، أسرع بكثير مما صُممت له قواعد البيانات المُوجَّهة بالصفوف.

لماذا تستخدمه

توجد ClickHouse لأن قواعد البيانات التقليدية المُوجَّهة بالصفوف مثل PostgreSQL وMySQL تتباطأ بشدة عندما تمسح الاستعلامات التحليلية ملايين أو مليارات الصفوف — فهي مبنية لعمليات بحث سريعة عن صف واحد، لا لتجميع جدول كامل. التخزين العمودي في ClickHouse وتنفيذ الاستعلامات المُتَّجه (vectorized) والضغط القوي للبيانات تتيح لها مسح مجموعات بيانات ضخمة وإرجاع نتائج تجميعية في جزء بسيط من الوقت، دون الحاجة لعنقود موزّع في الأحمال المتوسطة. وهي متوافقة مع SQL، فالفرق التي تعرف SQL بالفعل يمكنها البدء بالاستعلام فوراً دون تعلّم لغة استعلام جديدة.

متى تحتاجه

  • تحتاج تشغيل استعلامات تجميعية — عدّ، جمع، تجميع بالمجموعات، مئينيات — عبر ملايين أو مليارات الصفوف في وقت شبه فوري
  • أصبحت استعلامات التحليلات أو التقارير على PostgreSQL/MySQL بطيئة جداً مع نمو بيانات الأحداث أو السجلات لديك
  • تبني لوحة تحليلات فورية، منصة تحليلات منتج، أو خلفية مراقبة (observability)
  • تحتاج تخزين والاستعلام عن كميات كبيرة من بيانات السلاسل الزمنية أو السجلات أو الأحداث بكفاءة
  • تريد قاعدة بيانات واحدة قادرة على استيعاب تدفقات بيانات عالية الحجم مع الاستمرار في خدمة استعلامات تحليلية سريعة ومخصصة

حالات الاستخدام الشائعة

  • تشغيل لوحات تحليلات فورية تعرض سلوك المستخدمين، مقاييس المبيعات، أو أحداث التطبيق
  • تخزين والاستعلام عن سجلات التطبيق أو بيانات observability بحجم يُثقل Elasticsearch على نفس العتاد
  • تشغيل تحليل SQL مخصص على بيانات نقرات المستخدمين أو مستشعرات IoT أو المعاملات المالية
  • دعم منصة تحليلات منتج تُجمّع ملايين الأحداث لأغراض التقارير
  • تجميع والاستعلام عن مقاييس السلاسل الزمنية لخطوط أنابيب المراقبة والتنبيه
  • العمل كطبقة تحليلية خلف أداة BI مثل Grafana أو Metabase أو Superset للتقارير على مستوى الشركة

الميزات الرئيسية

  • محرك تخزين عمودي (عائلة MergeTree) مُحسَّن للتجميع السريع والمسح النطاقي عبر مجموعات بيانات كبيرة
  • تنفيذ استعلامات مُتَّجه (vectorized) يعالج البيانات في دفعات باستخدام تعليمات SIMD لإنتاجية عالية
  • ضغط بيانات قوي — البيانات العمودية ذات القيم المتكررة غالباً ما تُضغط 10 أضعاف أو أكثر، مما يخفض تكاليف التخزين وI/O
  • دعم SQL كامل مع امتدادات للمصفوفات والبنى المتداخلة ودوال التجميع التقريبية
  • استيعاب بيانات فوري مع دعم الإدخال المتدفق من Kafka والملفات وقواعد بيانات أخرى
  • تنفيذ استعلامات موزّعة وتقسيم (sharding) للتوسّع خارج سيرفر واحد عندما يتطلب حجم البيانات ذلك
  • طرق عرض مُجمَّعة مسبقاً (materialized views) تُجمّع البيانات تلقائياً عند إدخال صفوف جديدة، مما يُسرّع الاستعلامات المتكررة

كيفية الاستخدام بعد التثبيت

  • اتصل عبر واجهة HTTP بـ curl (curl http://your-server-ip:8123/) أو ثبّت واجهة سطر الأوامر الأصلية clickhouse-client لتجربة SQL shell كاملة
  • أنشئ قاعدة بياناتك وجدولك الأول باستخدام محرك MergeTree، واختر مفتاحاً أساسياً واستراتيجية تقسيم (partition) مناسبة لبياناتك
  • حمّل بيانات تجريبية أو موجودة باستخدام أوامر INSERT، أو واجهة clickhouse-client، أو أداة استيراد مجمّع لملفات CSV/Parquet/JSON
  • عيّن كلمة مرور للمستخدم الافتراضي أو أنشئ مستخدماً جديداً — قد لا يكون للتثبيت الافتراضي كلمة مرور للوصول المحلي
  • اربط أداة BI مثل Grafana أو Metabase أو Superset عبر بروتوكول HTTP أو الأصلي لبناء لوحات معلومات
  • أنشئ طرق عرض مُجمَّعة مسبقاً للاستعلامات التجميعية المتكررة لتسريع أداء لوحات المعلومات
  • راقب أداء الاستعلامات باستخدام جدول system.query_log المدمج لرصد الاستعلامات البطيئة أو المكلفة

أفضل ممارسات الأمان

  • عيّن كلمة مرور قوية للمستخدم الافتراضي فوراً — قد يسمح إعداد ClickHouse الافتراضي بالوصول دون كلمة مرور من localhost
  • لا تكشف المنفذ 8123 (HTTP) أو 9000 (البروتوكول الأصلي) مباشرة للإنترنت — قيّد الوصول بجدار ناري أو ضع ClickHouse خلف VPN
  • أنشئ مستخدمين منفصلين بصلاحيات محدودة (قراءة فقط لأدوات BI، وصول كامل للمسؤولين فقط) بدلاً من استخدام المستخدم الافتراضي في كل مكان
  • فعّل TLS لبروتوكولي HTTP والأصلي إذا كان العملاء يتصلون عبر شبكة غير موثوقة، باستخدام المنفذين 8443 و9440 على التوالي
  • قيّد عناوين IP المسموح لها بالاتصال باستخدام إعداد host_regexp أو networks لكل مستخدم
  • حدّث صورة ClickHouse Docker بانتظام لتلقّي تصحيحات الأمان، خاصة لقاعدة بيانات مكشوفة لأي شبكة خارجية
  • دقّق سجلات الاستعلامات دورياً عبر system.query_log لرصد أنماط استعلام غير معتادة أو غير مصرح بها

المنافذ وإعدادات جدار الحماية

تكشف ClickHouse المنفذ 8123 لواجهة HTTP (يستخدمها curl وأدوات BI ومعظم مكتبات العميل) والمنفذ 9000 للبروتوكول الأصلي TCP الذي يستخدمه clickhouse-client وبعض المشغلات. تتوفر نسخ مشفّرة على المنفذ 8443 (HTTPS) والمنفذ 9440 (الأصلي مع TLS) إذا أُعدَّت. لا يجب كشف أي من هذه المنافذ مباشرة للإنترنت العام — إعداد ClickHouse الافتراضي غير مُحصَّن للكشف المفتوح على الإنترنت. قيّد الوصول بـ ufw أو مجموعات الأمان لمزود السحابة على سيرفرات التطبيق وأدوات BI التي تحتاجه فقط، وضع وكيلاً عكسياً بمصادقة أمام واجهة HTTP إذا احتجت وصولاً من المتصفح.

النسخ الاحتياطي والصيانة

  • استخدم أوامر BACKUP وRESTORE المدمجة في SQL لإنشاء نسخ احتياطية متسقة لقواعد البيانات والجداول دون إيقاف السيرفر
  • انسخ احتياطياً دليل البيانات (عادةً /var/lib/clickhouse) إذا لم تستخدم أوامر النسخ الاحتياطي الأصلية، مع التأكد من إيقاف السيرفر أو استخدام لقطة نظام ملفات للاتساق
  • خزّن النسخ الاحتياطية على تخزين منفصل عن القاعدة الحية — يُفضّل تخزين كائنات متوافق مع S3 الذي تدعمه ميزة النسخ الاحتياطي في ClickHouse أصلياً
  • انسخ احتياطياً مخططات جداولك (أوامر DDL) بشكل منفصل حتى تتمكن من إعادة إنشاء بنية الجدول بالضبط، بما فيها إعدادات MergeTree، على سيرفر جديد
  • اختبر استعادة نسخة احتياطية على سيرفر منفصل دورياً للتأكد أن عملية النسخ الاحتياطي تُنتج فعلاً قاعدة بيانات عاملة
  • جدول نسخاً احتياطية منتظمة لأي نسخة ClickHouse تحمل بيانات لا يمكنك إعادة توليدها بسهولة من السجلات أو الأنظمة المصدرية

الأخطاء الشائعة

  • اختيار مفتاح أساسي أو استراتيجية تقسيم ضعيفة لجداول MergeTree — هذا هو العامل الأكبر في أداء استعلامات ClickHouse ويصعب تغييره بعد تحميل كميات كبيرة من البيانات
  • تشغيل عدد كبير من أوامر INSERT الصغيرة لصف واحد بدلاً من تجميع الإدخالات — ClickHouse محسَّنة للإدخال بالجملة، والإدخالات الصغيرة المتكررة تُنشئ أجزاءً صغيرة كثيرة تضر بالأداء
  • ترك المستخدم الافتراضي دون كلمة مرور على سيرفر يمكن الوصول إليه خارج localhost
  • استخدام ClickHouse لعمليات بحث متكررة عن صف واحد أو تحديثات معاملاتية — فهي غير مصممة لأحمال OLTP وتعمل بأداء ضعيف لهذا النمط
  • تجاهل إعدادات TTL (مدة البقاء) للجداول التي تنمو بلا حدود، مما يؤدي لاستنفاد مساحة القرص مع الوقت
  • عدم ضبط حدود موارد (max_memory_usage، max_execution_time) مما قد يسمح لاستعلام تحليلي واحد خارج عن السيطرة باستهلاك كل موارد السيرفر
  • التقليل من تقدير مساحة القرص المطلوبة بعدم احتساب أن MergeTree تحتفظ مؤقتاً بأجزاء بيانات قديمة أثناء عمليات الدمج الخلفية

استكشاف الأخطاء وإصلاحها

  • تعذّر الاتصال بالسيرفر — تحقق من تشغيل الحاوية بـ docker ps، راجع docker logs clickhouse-server، وتأكد أن المنفذين 8123/9000 غير محظورين بالجدار الناري
  • استعلامات بطيئة رغم سمعة ClickHouse بالسرعة — راجع استراتيجية المفتاح الأساسي والتقسيم، وتحقق من خطة تنفيذ الاستعلام بـ EXPLAIN
  • أخطاء نفاد الذاكرة في استعلامات تجميعية كبيرة — ارفع max_memory_usage لكل استعلام أو استخدم دوال تجميع تقريبية لتقليل ضغط الذاكرة
  • أخطاء أجزاء كثيرة جداً / دمج — يعني هذا عادةً أن الإدخالات تحدث بتكرار عالٍ في دفعات صغيرة؛ اجعل الإدخالات أقل تكراراً وبصفوف أكثر في كل دفعة
  • استخدام قرص ينمو بشكل غير متوقع — تحقق من جداول بلا سياسة TTL، أو أجزاء بيانات قديمة بانتظار الدمج والتنظيف الخلفي
  • أخطاء مصادقة من أدوات BI — تأكد أن للمستخدم كلمة المرور الصحيحة وأن إعداد users.xml أو المستخدمين المبني على SQL يسمح بالاتصال من عنوان IP الخاص بأداة BI
  • البيانات لا تظهر بعد الإدخال — تدمج ClickHouse البيانات بشكل غير متزامن في الخلفية؛ استعلم بـ FINAL أو انتظر عمليات الدمج الخلفية إذا احتجت نتائج تجميعية متسقة فوراً

البدائل

Apache Druid وApache Pinot كلاهما مبنيان خصيصاً للتحليلات الفورية بزمن استجابة أقل من ثانية، لكنهما يتطلبان تعقيداً تشغيلياً أكبر (Zookeeper، أنواع عُقد متعددة) من نسخة ClickHouse واحدة. TimescaleDB يوسّع PostgreSQL لأحمال السلاسل الزمنية وهو خيار جيد إذا أردت البقاء ضمن منظومة Postgres، رغم أنه لا يضاهي سرعة استعلامات ClickHouse التجميعية الخام على نطاق واسع. DuckDB قاعدة بيانات تحليلية مضمّنة ممتازة للتحليل على جهاز واحد لملفات محلية، لكنها ليست مبنية كسيرفر متعدد المستخدمين كما ClickHouse. BigQuery وSnowflake يقدّمان تحليلات عمودية مشابهة كخدمات سحابية مُدارة بالكامل، مقابل تكلفة مستمرة وارتباط بمزود واحد بدلاً من التعقيد التشغيلي. للاستضافة الذاتية والتحليلات المتوافقة مع SQL بسرعة استعلام عالية جداً وبصمة تشغيلية معقولة، تبقى ClickHouse من أقوى الخيارات مفتوحة المصدر.

متى لا تستخدمه

ClickHouse ليست الأداة الصحيحة إذا احتجت سلوكاً معاملاتياً (OLTP) — إدخالات وتحديثات وحذف متكرر لصف واحد بضمانات اتساق قوية — لأنها تفتقر للقفل التقليدي على مستوى الصف وهي مُحسَّنة للعمليات بالجملة بدلاً من ذلك. إذا كانت مجموعة بياناتك صغيرة (بضعة ملايين صف أو أقل) وزمن استجابة الاستعلام جيد بالفعل على PostgreSQL أو MySQL، فإن إضافة ClickHouse عبء تشغيلي غير ضروري. قد تجد الفرق التي تفتقر لخبرة تشغيل قواعد بيانات داخلية أن ضبط MergeTree وإدارة العنقود (للانتشارات الأكبر) أكثر تطلباً من خدمة تحليلات مُدارة. إذا احتجت معاملات ACID عبر جداول متعددة لبيانات حساسة للأعمال (طلبات، مدفوعات، مخزون)، التزم بقاعدة بيانات علائقية تقليدية واستخدم ClickHouse فقط للطبقة التحليلية التي تقرأ منها.

هل تحتاج مساعدة احترافية؟

توفر PrismaTechWork خدمات بنية تحتية شاملة — من النشر الأولي وتصليب الأمان إلى المراقبة المستمرة والنسخ الاحتياطي التلقائي والدعم المخصص. سواء كنت تحتاج إعداد سيرفر واحد أو شبكة متعددة المواقع، يضمن فريقنا بناء بنيتك التحتية بشكل صحيح وتأمينها بالشكل المناسب وصيانتها باستمرار.

  • التثبيت وتجهيز السيرفر
  • الإعداد المتقدم وإعداد التوجيه
  • تصليب الأمان وتحسين جدار الحماية
  • إعداد شهادات SSL/TLS مع Let's Encrypt
  • ربط النطاق المخصص والوكيل العكسي
  • جدولة النسخ الاحتياطي التلقائي والتعافي من الكوارث
  • المراقبة الفورية وتنبيهات الجاهزية
  • الترحيل من المنصات القائمة
  • استكشاف مشكلات الاتصال والأداء وإصلاحها
  • سكريبتات أتمتة مخصصة وعقود دعم مستمر
تواصل مع PrismaTechWork

الأسئلة الشائعة

هل ClickHouse بديل عن PostgreSQL أو MySQL؟

لا. ClickHouse مبنية للاستعلامات التحليلية (OLAP) — التجميع عبر مجموعات بيانات كبيرة — وليس لأحمال معاملاتية (OLTP) مثل معالجة الطلبات أو إدارة حسابات المستخدمين. معظم الفرق تُشغّل ClickHouse جنباً إلى جنب مع قاعدة بيانات تقليدية، مستخدمة ClickHouse خصيصاً للتحليلات والتقارير بينما يتولى PostgreSQL أو MySQL البيانات المعاملاتية.

هل تدعم ClickHouse SQL القياسي؟

نعم، مع امتدادات. تدعم ClickHouse معظم صيغة SQL القياسية لـ SELECT وJOIN وGROUP BY ودوال النافذة، بالإضافة لامتدادات خاصة بها للمصفوفات والأنواع المتداخلة ودوال التجميع التقريبية (مثل uniq() للعدّ التقريبي السريع للقيم الفريدة) التي ليست جزءاً من SQL القياسي لكنها شائعة في الأحمال التحليلية.

كم أسرع ClickHouse من قاعدة بيانات تقليدية في التحليلات؟

يعتمد الأمر كثيراً على الاستعلام ومجموعة البيانات، لكن ClickHouse عادةً ما تُشغّل الاستعلامات التجميعية أسرع بـ 10 إلى 100 ضعف من قواعد البيانات المُوجَّهة بالصفوف على نفس العتاد بمجرد أن يصل حجم الجدول لعشرات الملايين من الصفوف أو أكثر، لأنها تقرأ فقط الأعمدة التي يحتاجها الاستعلام بدلاً من صفوف كاملة.

هل يمكن تشغيل ClickHouse كسيرفر واحد، أم تحتاج عنقوداً؟

يتعامل سيرفر ClickHouse واحد مع أحمال كبيرة بشكل مفاجئ — العديد من الانتشارات الإنتاجية تعمل بعقدة واحدة لمجموعات بيانات تصل لمئات الملايين أو مليارات قليلة من الصفوف. يصبح التجميع بالتقسيم والتكرار مفيداً بمجرد الوصول لحدود قرص أو ذاكرة أو إنتاجية استعلام سيرفر واحد.

هل تدعم ClickHouse UPDATE وDELETE؟

نعم، لكن بشكل مختلف عن قاعدة بيانات معاملاتية. تدعم ClickHouse ALTER TABLE ... UPDATE وDELETE كطفرات (mutations) غير متزامنة تعيد كتابة البيانات في الخلفية بدلاً من عمليات فورية على مستوى الصف، لذا فهي مخصصة للتصحيحات العرضية والحذف بطراز GDPR، لا للتحديثات المعاملاتية عالية التكرار.