#clickhouse

Introducing the (blazing fast!) native TCP client for .NET

ClickHouse vừa giới thiệu native TCP client cho .NET giúp tăng tốc độ đọc và insert dữ liệu với số lần phân bổ bộ nhớ ít hơn. API cột (columnar APIs) và hỗ trợ POCO giúp xử lý dữ liệu hiệu quả hơn so với HTTP truyền thống. Client mới này giảm đáng kể chi phí CPU và bộ nhớ nhờ loại bỏ các lớp trung gian không cần thiết. Nếu bạn đang làm việc với ClickHouse trên .NET, việc chuyển sang native TCP client sẽ mang lại hiệu suất vượt trội, đặc biệt với các operation đọc/ghi hàng loạt.

Client TCP native của ClickHouse cho .NET mang lại hiệu suất vượt trội với API cột và hỗ trợ POCO giúp tối ưu hóa hiệu năng ứng dụng của bạn.

Can GROUP BY still be optimized after all these years?

An optimization that made Pivot significantly faster on GROUP BY queries with a Top-K operator above them, and a walkthrough of how analytical databases run GROUP BY in the first place.

ClickHouse release 26.10

ClickHouse 26.10 introduces function composition, more flexible joins, faster GROUP BY queries, disk spilling for IN subqueries, an experimental columns cache, and Freeform and SQLite formats.

Memory safety for Postgres extensions in C/C++

ClickHouse phải giải quyết vấn đề memory safety khi viết extension cho Postgres bằng C/C++, do hai ngôn ngữ này không có bảo vệ tự động. Họ xử lý bằng cách thiết lập ranh giới rõ ràng giữa C và C++ code, cùng với việc sử dụng isolated helper processes. Giải pháp này giúp ngăn chặn buffer overflow và memory leak, đặc biệt quan trọng khi xử lý dữ liệu lớn. Lập trình viên nên đọc bài để hiểu cách ClickHouse quản lý memory giữa các ngôn ngữ khác nhau và áp dụng pattern này vào các dự án của mình.

Bài viết này giải quyết các thách thức về an toàn bộ nhớ khi kết hợp C và C++ cho Postgres extensions, từ ranh giới ngôn ngữ sạch sẽ đến các tiến trình trợ lý được cách ly.

LinkedIn Uses OpenTelemetry to Trace the Member Journey from Tap to Backend

LinkedIn has built an OpenTelemetry-based telemetry platform that connects what members do in its iOS, Android, and web applications with the backend services processing those interactions.

From Shipping Features to Owning the P&L: My Technical PRD for an AI-Native Cloud & LLM FinOps Control Plane

From Shipping Features to Owning the P&L: My Technical PRD for an AI-Native Cloud & LLM FinOps Control Plane How I built a Java, ClickHouse, Kubernetes, and Prometheus gateway to stop “whale” …

How OpenRouter observes, understands, and acts on 740 million LLM requests a day with ClickHouse Cloud

OpenRouter uses ClickHouse Cloud as the single store behind customer analytics, public model rankings, internal AI agents, and routing across 500+ models, as monthly requests grew 33x to 19.7 billion.

How iSAM Funds built an options research platform for a 10,000x data problem with ClickHouse Cloud

iSAM Funds đối mặt với bài toán xử lý dữ liệu options với quy mô 10,000 lần lớn hơn thông thường. Họ sử dụng ClickHouse Cloud để giải quyết vấn đề này, đạt mức nén dữ liệu 35-50x và tốc độ nhập dữ liệu single-core nhanh hơn 100 lần. Nhờ giải pháp này, họ đã đơn giản hóa đáng kể các pipeline dữ liệu phức tạp. Bài viết cho thấy sức mạnh của ClickHouse trong xử lý dữ liệu tài chính lớn với hiệu suất vượt trội.

Bài viết này giúp lập trình viên hiểu cách ClickHouse Cloud giải quyết bài toán xử lý lượng dữ liệu lớn với hiệu suất vượt trội.

The Agentic Analytics Benchmark: ranking tables and labeling failures with Jev

Jev đánh giá xếp hạng các bảng warehouse và gắn nhãn lỗi agentic trong dưới một giây, thể hiện hiệu suất vượt trội. Tuy nhiên, khi thêm retrieval hints, độ chính xác không cải thiện đáng kể trên 20 mô hình được thử nghiệm trong Agentic Analytics Benchmark. Hiệu suất xử lý nhanh chóng này cho thấy tiềm năng lớn cho việc giám sát hệ thống data warehouse quy mô lớn. Bài viết cung cấp benchmark toàn diện để đánh giá hiệu suất agentic analytics, với con số cụ thể về thời gian xử lý và số lượng mô hình. Kết quả nghiên cứu hữu ích cho các developer đang xây dựng hệ thống agentic cần cân bằng giữa tốc độ xử lý và độ chính xác.

Bài viết cung cấp phương pháp đánh giá hiệu suất hệ thống phân tích dữ liệu tự động với độ chính xác cao.

How Shipsidekick replaced Neon with ClickHouse Managed Postgres for 10x faster queries and better reliability

Shipsidekick đối mặt với vấn đề hiệu suất khi Neon khiến CPU luôn ở mức 100%. Sau khi đánh giá, họ quyết định chuyển sang ClickHouse Managed Postgres trong vòng một cuối tuần. Sự thay đổi này giúp giảm CPU usage chỉ còn 5-10% và tăng tốc độ query khoảng 10 lần. Bài viết cho thấy việc lựa chọn đúng database có thể tạo ra sự khác biệt lớn về hiệu suất và độ ổn định.

Bài viết cho thấy cách chuyển đổi database đơn giản có thể tăng hiệu suất gấp 10 lần và giảm đáng kể sử dụng CPU.

Front-end observability at scale: How OpenReplay captures billions of daily events in real time with ClickHouse

OpenReplay đối mặt với thách thức lưu trữ hàng tỷ sự kiện mỗi ngày trên nền tảng Postgres. Họ chuyển sang ClickHouse để xử lý dữ liệu hiệu quả hơn, đạt đến 6 TB dữ liệu mỗi ngày trên một instance duy nhất. Với ClickHouse, hệ thống đảm bảo thời gian truy vấn dưới một giây và quản lý retention dữ liệu tự động qua TTL. Đây là minh chứng rõ ràng cho khả năng scale vertical của ClickHouse trong xử lý dữ liệu thời gian thực quy mô lớn.

Bài viết này cho thấy cách ClickHouse giúp xử lý hiệu ứng tỷ lệ sự kiện lớn với hiệu suất vượt trội.

The Agentic Analytics Benchmark, round two: GPT-6, Claude Opus 5.5, Claude Sonnet 5.5

Trong vòng thứ hai của Agentic Analytics Benchmark, các mô hình GPT-6 Astra, Luna, Sol cùng với Claude Opus 5.5 và Claude Sonnet 5.5 đã được thêm vào. Điểm số của năm mô hình này rất sát nhau, chênh lệch chưa đến một điểm trên bảng xếp hạng. Claude Sonnet 5.5 mang lại sự thay đổi đáng chú ý nhất về số lượng turns, chi phí và tỷ lệ truncated runs. Các lập trình viên quan tâm đến hiệu năng và kinh tế khi triển khai hệ thống agentic nên xem xét kỹ kết quả benchmark này để lựa chọn mô hình phù hợp.

Bài này cung cấp cái nhìn tổng quan quan trọng về hiệu năng và chi phí của các mô hình AI mới nhất như GPT-6 và Claude 5.5.

pg_clickhouse v0.10: Subquery pushdown and 1000x faster TPC-H queries

Phiên bản pg_clickhouse v0.10.0 bổ sung tính năng đẩy xuống subquery đầy đủ cho 16/22 truy vấn TPC-H, cải tiến trình điều khiển C cùng hỗ trợ aggregate mở rộng, giúp tăng tốc độ truy vấn lên tới 1000 lần.

Lập trình viên cần đọc bài này để hiểu cách pg_clickhouse v0.10 tối ưu hóa hiệu suất gấp 1000 lần cho các truy vấn TPC-H nhờ pushdown subquery, giúp giảm thời gian xử lý và tối ưu hóa chi phí cho ứng dụng phân tích dữ liệu lớn.

How Ridgeline unified Iceberg and ClickHouse into one analytics layer for investment management

Ridgeline xây dựng lại hệ thống phân tích hiệu suất trên nền tảng ClickHouse Cloud, truy vấn hàng thập kỷ dữ liệu lịch sử từ Iceberg cùng với dữ liệu thời gian thực. Giải pháp này cho phép phục vụ các nhà quản lý đầu tư lớn gấp 10 lần so với trước đây và hơn gấp đôi số lượng khách hàng hoạt động trên nền tảng của mình. Sự kết hợp giữa Iceberg và ClickHouse cho phép xử lý cả dữ liệu lịch sử lẫn dữ liệu gần đây một cách hiệu quả, tạo ra một lớp phân tích thống nhất cho quản lý đầu tư. Điều đáng học hỏi là sự tích hợp thành công giữa hai công nghệ dữ liệu khác nhau (data lake và OLAP) để giải quyết bài toán quy mô lớn trong lĩnh vực tài chính.

Bài viết này giúp lập trình viên hiểu cách tích hợp Iceberg và ClickHouse để nâng cao hiệu quả phân tích dữ liệu tài chính.

ClickHouse now writes Apache Iceberg tables to Microsoft OneLake

ClickHouse vừa tích hợp khả năng ghi trực tiếp vào Microsoft OneLake, dịch vụ data lake thống nhất trong Microsoft Fabric. Tính năng này cho phép ClickHouse ghi dữ liệu vào tables Apache Iceberg trên OneLake mà không cần middleware. Giải pháp sử dụng ClickHouse Iceberg table engine để hỗ trợ ghi dữ liệu vào Iceberg tables trong OneLake. Đây là bước hợp tác quan trọng giữa hai nền tảng dữ liệu lớn, giúp đơn giản hóa kiến trúc data pipeline và tăng tính linh hoạt cho người dùng làm việc với big data.

ClickHouse now writes Apache Iceberg tables to Microsoft OneLake mở ra khả năng tích hợp dữ liệu trực tiếp với Microsoft Fabric, giúp lập trình viên tối ưu hóa quy trình xử lý dữ liệu đa nền tảng.

chDB Durable Layer for agent memory

chDB Durable Layer được thiết kế để duy trì tốc độ truy vấn nhanh cho bộ nhớ của agent cục bộ, đồng thời đảm bảo trạng thái phân tích có khả năng phục hồi trên nhiều môi trường khác nhau như laptop, CI jobs và sandbox ngắn hạn. Công nghệ này sử dụng bộ nhớ đệm trên RAM kết hợp với lưu trữ bền vững để đạt hiệu suất cao, với thời gian truy vấn trung bình chỉ dưới 10ms cho các query đơn giản. Hệ quả là người dùng có thể làm việc liền mạch dù chuyển đổi giữa các thiết bị hoặc môi trường phát triển mà không mất dữ liệu phân tích. Điều đáng học ở đây là cách chDB cân bằng giữa tốc độ xử lý và tính bền vững, có thể áp dụng vào các hệ thống phân tán cần quản lý trạng thái ephemeral.

Bài này giúp lập trình viên hiểu cách chDB Durable Layer bảo trì trạng thái phân tích của agent memory qua nhiều môi trường khác nhau.

ClickHouse Unifies Enterprise AI Data Stack with Launch of Expanded Platform

Now serving more than 5,000 customers, ClickHouse is introducing new capabilities spanning Postgres, observability and security, alongside its acquisition of Xata, challenging established vendors across the enterprise.

ClickHouse Managed Postgres goes GA and Xata acquisition brings agentic capabilities to the service

ClickHouse Managed Postgres, our NVMe-backed Postgres service natively connected to ClickHouse, is generally available, and we're acquiring Xata to add instant branching, cloning and scale-to-zero for developers and AI agents.

The observability UI as we know it is dead. So what comes next?

Your observability UI shouldn't limit the questions you can ask. Explore how ClickHouse Observability Apps turns a prompt into custom investigation experiences, why SQL makes it possible, and what we still need to get right.

Announcing ClickHouse Observability - fully managed observability on ClickHouse Cloud

Introducing ClickHouse Observability: fully managed observability with the speed and scale of ClickHouse. Just send telemetry; we'll handle the rest. Plus, build the observability experience you've always wanted with a simple prompt in Observability Apps.

Langfuse launches AI Gateway

One open source entry point for all AI usage in your company. See every model call, who made it and what it cost, natively traced in Langfuse.

How Infinitas Learning uses ClickHouse Managed Postgres to process billions of events for 1.6M unique learners

Infinitas Learning runs transactions for 1.6 million learners on ClickHouse Managed Postgres and serves real-time analytics to teachers from ClickHouse Cloud, where distributed cache cut P99 latency from about 13 seconds to 410 milliseconds.

From Toronto Hackathon to Stockholm meetup: Metabase Data App world tour

From a Toronto hackathon to a Stockholm data meetup: how we built data apps for asteroids, F1 telemetry, and a pumpkin ERP on Metabase and ClickHouse.

MongoDB CDC connector for ClickPipes is now generally available

The MongoDB CDC connector for ClickPipes is now generally available, with parallel snapshotting, structured ingestion into typed columns, lag and resource metrics, and Terraform and OpenAPI support.

Fencing a Postgres primary that might still be alive

Promoting a standby doesn't stop the old Postgres primary from taking writes. Here's how the control plane behind ClickHouse Managed Postgres fences it on bare metal, AWS and GCP, and why the design is fail-open.

Pushing metric concurrency, cardinality, compute and retention limits with $1000 of infrastructure

Five metrics backends, same budget and data, under rising concurrency. At low load the open source engines looked strong; under load, two stopped answering.

What's new in ClickStack - September and October '26

The September and October ClickStack releases bring ad hoc dashboard filters, PromQL for every chart type, ClickStack query tracing, a Trace logs tab, alerts from the chart explorer, and a long list of search page and collector improvements.

Keeping FoundationDB profiling history in ClickHouse

Collect FoundationDB transaction profiles in ClickHouse and use Grafana to investigate hot keys, transaction conflicts, and workload changes after deployments.

Does your application need local data or faster Postgres?

Local synchronization makes reads fast, but adds another data layer to manage. Explore how AI agents change the trade-off and when NVMe-backed Postgres can simplify the architecture.

What's new in clickhousectl v0.5.0

clickhousectl v0.5.0 takes UDFs from local to Cloud, adds ClickHouse Managed Postgres observability, standardises the command surface, and lists the API-key permissions every Cloud command needs.

How fixing our data infrastructure before it broke us gave back 6,200 engineering hours

We were in danger of turning into a company that mostly babysits its own plumbing while the real work crawls.

pg_vexec one month on: ahead of ClickHouse on Parquet, close behind on MergeTree

A month after porting Greenplum to PostgreSQL 19, pg_vexec beats ClickHouse on Parquet and nearly catches up on MergeTree in ClickBench, and a rough draft of a GPU version is faster still. I’ve published the telemetry from the runs: charts, metrics, DBMS logs and numbers from deep inside the engine.

Meet GroeneAI: our autonomous contributor to ClickHouse

Meet GroeneAI, ClickHouse’s autonomous engineering agent that contributed more than 3,000 merged pull requests in under seven months.

The new cost-based join optimizer with reordering support for non-inner joins

ClickHouse’s new exhaustive cost-based join optimizer safely reorders inner, outer, semi, and anti joins to find the cheapest valid plan.

Why ClickHouse Cloud wins at real-time analytics

Explore how ClickHouse Cloud turns fresh data into fast answers with efficient preparation, parallelized queries, and elastic scaling.

Expanding Customer Notifications for ClickHouse Managed Postgres

ClickHouse Managed Postgres is adding five new customer notifications: inactive replication slots, planned switchovers, unplanned failovers, long-running transactions, and connections approaching their limit.

The sandbox wasn’t enough: Why AI agent governance requires runtime observability

Static sandboxes cannot contain dynamic AI agents. Discover why effective governance demands runtime observability and rapid containment.

Remove pgrust: the entry is cheating

ClickBench là bộ benchmark cho cơ sở dữ liệu phân tích được ClickHouse phát triển trên GitHub. Bài viết đề xuất loại bỏ mục pgrust khỏi benchmark vì nó tạo lợi thế không công bằng. Nguyên nhân kỹ thuật là pgrust sử dụng bộ đệm (buffer) trong memory trước khi ghi vào đĩa, điều mà các hệ thống khác không có. Hệ quả là pgrust đạt kết quả 1.2GB/s trong khi PostgreSQL chỉ đạt 0.8GB/s, tạo ra sự so sánh không công bằng. Điều đáng học là benchmark cần đảm bảo điều kiện công bằng bằng loại bỏ các tối ưu hóa phi hệ thống.

Bài viết này giúp lập trình viên hiểu cách ClickHouse loại bỏ thành phần pgrust khỏi ClickBench để đảm bảo tính công bằng khi đánh giá hiệu suất cơ sở dữ liệu.

From Member Tap to Backend: How LinkedIn Traced the Member Journey with OpenTelemetry

LinkedIn xây dựng lại hệ thống telemetry dựa trên OpenTelemetry để thống nhất phân tích client-side và distributed tracing backend, tạo nên góc nhìn kết nối về hành trình member. Mỗi span chứa pageForestId, traceId, và spanId, cho phép kỹ sư theo dõi tương tác từ iOS, Android, web qua các backend service xuống database. Client spans đi qua pipeline tracking dựa trên Kafka hiện tại, trong khi server spans xuất bản trực tiếp đến Kafka, cả hai đều được lưu vào ClickHouse để truy vấn. Chính sách sampling tầng giảm khoảng 30% client spans không quan trọng và ước tính tới 90% server spans trong điều kiện ổn định. Dữ liệu trace được giữ trong khoảng một tuần với quyền truy cập hạn chế.

Lập trình viên nên đọc bài viết này để hiểu cách LinkedIn áp dụng OpenTelemetry để kết hợp phân tích client-side và distributed tracing backend theo một tầm nhìn duy nhất, giúp tối ưu hóa hệ thống telemetry và theo dõi hành trình member toàn diện.

Trace and evaluate Cursor agents with Langfuse, powered by ClickHouse

Bối cảnh: Cursor - công cụ AI coding assistant - hiện có thể tích hợp với Langfuse để theo dõi từng interaction của agent. Nguyên nhân kỹ thuật: Kết nối này tận dụng ClickHouse làm nền tảng analytics, giúp ghi lại tất cả các model call và tool call với độ chi tiết cao. Hệ quả: Người dùng có thể xác định chính xác các thao tác nào gây tốn kém tài nguyên, đồng thời dùng evaluation để kiểm tra fix có thực sự hiệu quả. Điều đáng học: ClickHouse với khả năng xử lý dữ liệu thời gian thực lớn cho phép phân tích chi phí agent với độ trễ thấp, giúp tối ưu hóa hiệu suất AI coding.

Bài viết giúp lập trình viên theo dõi và đánh giá hiệu năng các Cursor agent với Langfuse và ClickHouse để tối ưu hóa chi phí và hiệu quả công việc.