第 7 章 · 写入与读取最佳实践

交互式演示：批量大小 vs 写入耗时 / async_insert 工作流 / FORMAT 性能矩阵

批量大小如何影响写入耗时与 Part 数

拖动滑块改变 batch_size（每次 INSERT 的行数）和总写入行数，观察「耗时」与「磁盘 Part 数」的变化。模型基于 ClickHouse 真实经验值：每次 INSERT 流水线常数约 3 ms，每行处理约 3 µs，单 Part 容量软上限 ~ 100 万行。

batch_size 10000

总行数 1,000,000

写入耗时

—

越小越好

写入吞吐

—

行/秒

生成 Part 数

—

≤ 300 才安全

服务端状态

—

阈值告警

提示：经验法则是 batch_size ≥ 100,000，每秒不超过 1~2 次 INSERT。

点击「客户端发送 INSERT」按钮，每次发送 1 条数据，看它如何进入 query buffer，并在达到阈值后整批 flush 成一个 Part。

阈值：10 MB 或 200 ms

已发送行数：0

buffer：0 bytes / 10485760 bytes ｜距上次 flush 0 ms

达到 async_insert_max_data_size 或 async_insert_busy_timeout_ms 就 flush

已落盘 Part：0

关键点：客户端只要 wait_for_async_insert=0 就会立刻拿到 ack，实际数据还在 buffer 里。当服务端 crash 时这部分会丢失，所以重要业务请用 wait_for_async_insert=1。

模式	客户端阻塞？	1 条数据何时落盘	crash 是否丢	典型延迟
同步逐条 INSERT	是	立即	否	10~50 ms / 条
批量 INSERT	是	批结束时	否	批结束 (秒级)
async_insert (wait=1)	是	flush 时	否	200 ms ~ 几秒
async_insert (wait=0)	否	flush 时	是	~1 ms (ack)
Buffer 引擎	是	触发条件时	是	1 ms (内存写)

同样 1000 万行（5 列：DateTime+UInt64+String+Float64+String）的写入耗时与文件大小对比。点击卡片查看典型用法。