销售数据，是反映市场趋势、消费者行为以及产品表现的重要指标，也是企业做出精准决策的关键依据。因此，对销售数据进行全面利用、高效分析与合规管理，在企业经营中占据着重要地位。
为了更高效、安全地使用销售数据，某公司引入了开源ClickHouse作为数据分析引擎，将分散的销售数据统一到一套可视化分析平台中，并采用鉴权ACL模式来精细化管理企业内部员工的看数、用数权限。
但实际上，该公司销售数据平台在引入鉴权ACL后，出现了性能不足、用户体验受损的状况。其一，ClikHouse的性能难以满足复杂且量级巨大的查询需求，使得集群复杂恶化；其二，ClickHouse集群的CPU使用率长期处于打满状态对用户体验造成影响。
为了解决以上问题，在复杂查询领域具备显著优势且完全兼容ClickHouse的ByteHouse成为该公司迁移首选。
据了解，ByteHouse支持优化器和MPP执行模型，能够较好地支持复杂join与聚合计算的场景。其中，ByteHouse 的优化器在RBO与CBO方向上分别进行了大量的自研优化，并且实现了动态 Filter 下推、物化视图改写、计划复用以及结果复用等高阶优化能力。从而能够根据表的结构、索引等信息生成最优的查询执行计划，提高查询执行效率，减少资源消耗，整体上提升了ByteHouse在复杂场景下的查询性能。
在ByteHouse的支持下，目前该公司在销售数据的非ACL查询和ACL查询两个方向上，都实现了查询效率的显著提升。以ACL查询的60M广告客户DI场景为例，查询效率已经从优化前的16秒大幅缩短至如今的1秒，效率提升高达16倍。
图：抽取该公司销售平台某数据集测试结果
作为新一代云原生数仓产品，ByteHouse在离线、在线复杂分析性能、便捷弹性扩缩容、全场景分析引擎等核心能力上持续优化，并已在互联网、游戏、金融、气象等领域广泛应用。未来，ByteHouse持续以卓越的数据分析能力，为更多业务系统赋能，助力企业数智化转型升级。
本文转载自快科技，转载目的在于传递更多信息，并不代表本站赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请联系快科技通知我方删除，我方将在收到通知后第一时间删除内容！本文只提供参考并不构成任何投资及应用建议。本站拥有对此声明的最终解释权。
