#clickhouse

ClickHouse Release 26.7

Phiên bản ClickHouse 26.7 cải thiện tốc độ cho truy vấn GROUP BY ... ORDER BY ... LIMIT, bổ sung ba cải tiến cho JOIN, bốn cải tiến cho vector search, hỗ trợ tìm kiếm cụm từ theo vị trí, công cụ EXPLAIN ANALYZE, truy cập URL thống nhất cùng nhiều tính năng khác.

Lập trình viên cần đọc bài này để khám phá cách ClickHouse 26.7 tối ưu hóa hiệu suất cho các truy vấn phức tạp như GROUP BY + ORDER BY + LIMIT, cải thiện hiệu quả JOIN và tìm kiếm vector, giúp dự án của bạn chạy nhanh hơn và tiết kiệm chi phí khi xử lý dữ liệu lớn.

I created a playground for 110 database systems

Bài viết giới thiệu một nền tảng (playground) hỗ trợ chạy thử nghiệm trên 110 hệ thống cơ sở dữ liệu (database systems), cho phép tạo bảng, chèn dữ liệu, xóa bảng và truy vấn trên bộ dữ liệu mẫu 100 triệu bản ghi.

Là lập trình viên phát triển ứng dụng liên quan đến dữ liệu, bài viết này giúp bạn so sánh và hiểu rõ hơn về tính năng, hiệu suất và cách sử dụng của các hệ thống cơ sở dữ liệu khác nhau, từ đó chọn lựa giải pháp phù hợp nhất cho dự án của mình.

What's new in clickhousectl v0.4.0

Phiên bản clickhousectl v0.4.0 bổ sung tính năng autoscaling ngang cho dịch vụ Cloud, khám phá lược đồ ClickPipe, kiểm soát chi tiết hơn quá trình ingest dữ liệu của ClickPipe, và cho phép người dùng từ chối gửi dữ liệu sử dụng ẩn danh.

Những cập nhật mới trong clickhousectl v0.4.0 sẽ giúp bạn tự động hóa quy trình quản lý và mở rộng dịch vụ ClickHouse trên Cloud một cách hiệu quả hơn, đặc biệt là với tính năng mở rộng ngang tự động và kiểm soát chi tiết hơn cho ClickPipe, giúp tiết kiệm thời gian và công sức trong việc triển khai và tối ưu hóa hệ thống.

Choosing Between ClickStack and Grafana for ClickHouse Observability

ClickStack và Grafana đều là lựa chọn phổ biến để quan sát (observability) dữ liệu từ ClickHouse, nhưng mỗi công cụ có ưu điểm riêng tùy thuộc vào nhu cầu sử dụng. Bài viết so sánh chúng và đưa ra trường hợp nên kết hợp cả hai.

Những lập trình viên sử dụng ClickHouse để theo dõi hệ thống nên đọc bài này để so sánh hiệu quả giữa ClickStack và Grafana trong việc tích hợp, quản lý và tối ưu hóa các công cụ theo dõi dữ liệu, giúp họ lựa chọn giải pháp phù hợp với quy mô và yêu cầu của dự án.

Why every AI agent decision needs a receipt

Mỗi quyết định của AI agent cần được hỗ trợ bởi bằng chứng có cấu trúc (structured evidence packets) để đảm bảo tính đáng tin cậy, khả kiểm toán và có thể xác minh.

Lập trình viên nên đọc bài này để hiểu cách xây dựng hệ thống AI có thể minh bạch, kiểm chứng và bảo mật thông tin quyết định, giúp tránh các rủi ro về tính trung thực và trách nhiệm trong ứng dụng AI thực tế.

How Vibe.co handles billions of ad impressions with ClickHouse Cloud

Vibe.co, nền tảng quảng cáo TV kết nối bị Walmart mua lại, đã chuyển từ Postgres sang ClickHouse Cloud để xử lý hàng tỷ lượt hiển thị quảng cáo. Giải pháp này loại bỏ lớp tiền tổng hợp kém ổn định, mở rộng dữ liệu lưu trữ từ ~100 GB lên hơn 2 TB mà không cần thay đổi kiến trúc, đồng thời cung cấp 90%+ báo cáo chiến dịch cho khách hàng trong dưới 100ms.

Những kỹ thuật tối ưu hóa quy mô lớn của Vibe.co cho ClickHouse Cloud sẽ giúp bạn hiểu cách xử lý dữ liệu thời gian thực hiệu quả, giảm chi phí và tăng tốc độ báo cáo khi làm việc với lượng dữ liệu khổng lồ.

What's New in pg_clickhouse v0.3.2: Postgres 19, TLS, Regex, and Memory

Phiên bản pg_clickhouse v0.3.2 bổ sung hỗ trợ PostgreSQL 19 Beta1, các tùy chọn kết nối TLS mới (secure, min_tls_version), cải tiến xử lý regex giữa Postgres và ClickHouse, cùng tối ưu bộ nhớ cho truy vấn HTTP không đệm và tái quét join lồng. Ngoài ra còn có tùy chọn nén native protocol, cải thiện pushdown cho regexp_match() và sửa lỗi ANY() trên mảng rỗng.

Lập trình viên cần đọc bài này để cập nhật về cải tiến mới trong pg_clickhouse v0.3.2, đặc biệt là hỗ trợ PostgreSQL 19 beta1 và các tính năng TLS nâng cao, giúp tối ưu hóa kết nối và bảo mật cho ứng dụng của họ.

Slate scopes product ideas around users, not infrastructure

Slate đã thay thế nút thắt Redis bằng Tinybird để xử lý giá theo thời gian thực và P&L cho hàng nghìn nhà đầu tư, đồng thời loại bỏ rào cản tăng trưởng.

Lập trình viên cần đọc bài này để hiểu cách chuyển đổi từ việc chờ đợi hệ thống chậm (Redis) sang giải pháp thực hiện nhanh (Tinybird) để tối ưu hóa kinh doanh với dữ liệu thời gian thực, giúp doanh nghiệp không bị giới hạn bởi cốt lõi công nghệ mà tập trung vào giá trị cho người dùng.

What is WAL backpressure, and why does ClickHouse Managed Postgres need it?

ClickHouse Managed Postgres sử dụng cơ chế backpressure dựa trên WAL (Write-Ahead Log) để điều tiết tốc độ ghi từ phía client, bảo vệ dung lượng đĩa và hỗ trợ quá trình archiver phục hồi dữ liệu.

Một lập trình viên cần đọc bài này để hiểu cách ClickHouse Managed Postgres sử dụng cơ chế WAL backpressure để tối ưu hóa quản lý dữ liệu, tránh tình trạng quá tải và bảo vệ hiệu suất khi kết hợp với PostgreSQL.

wide_events/docs/production-example.md at main · adammiribyan/wide_events

Bài viết giới thiệu wide_events, một thư viện telemetry dành cho Rails giúp theo dõi hoạt động của ứng dụng và con người thông qua cơ sở dữ liệu do bạn sở hữu.

Nếu bạn đang phát triển ứng dụng Rails và muốn tối ưu hóa hiệu suất, bảo mật, cũng như quản lý dữ liệu theo dõi tự động mà không phụ thuộc vào bên thứ ba, thì đây là ví dụ thực tế về cách sử dụng Wide Events để tích hợp telemetry hiệu quả trong môi trường sản xuất của bạn.

One Rails request, one event: production context for coding agents

Gem Rails "Wide Events" cung cấp toàn bộ ngữ cảnh sản xuất cần thiết cho coding agent chỉ trong một request.

Một lập trình viên Ruby/Rails nên đọc bài này để khám phá cách Wide Events giúp tối ưu hóa cách xử lý sự kiện trong ứng dụng sản xuất bằng cách tập trung toàn bộ ngữ cảnh sản xuất vào một gói đơn giản, giúp phát triển và debug nhanh hơn trong môi trường thực tế.

Fixed cadence to seconds: making ClickHouse Cloud autoscaling more reactive

ClickHouse Cloud đã cải tiến hệ thống autoscaling bằng cách xây dựng lại trên nền tảng controller-runtime của Kubernetes và sử dụng bảng tín hiệu (signals table) dựa trên ClickHouse, giúp tăng tốc độ phản ứng khi mở rộng dịch vụ lên chỉ vài giây thay vì phải chờ đợi vòng lặp điều chỉnh định kỳ.

Lập trình viên muốn tối ưu hóa hệ thống phân tích dữ liệu hoặc tự động hóa quy trình cloud phải hiểu cách cải tiến phản ứng của autoscaling trong ClickHouse Cloud, từ những thay đổi nhỏ nhưng có thể làm giảm thời gian phản ứng từ phút sang giây, giúp xử lý tải trọng đột biến hiệu quả hơn.

Instrumenting my espresso machine with OpenTelemetry

Gắn cảm biến vào máy pha cà phê Gaggia bằng ESP32, sử dụng OpenTelemetry để thu thập dữ liệu (như shot cà phê hay cảm biến toàn nhà) rồi đẩy lên ClickHouse Cloud, sau đó phân tích bằng ClickStack kết hợp agent LLM để truy vấn dữ liệu linh hoạt.

Lập trình viên muốn khám phá cách tích hợp OpenTelemetry vào thiết bị IoT (như ESP32) để theo dõi và phân tích dữ liệu thực thời từ thiết bị vật lý, từ đó nâng cao khả năng debug, tối ưu hóa và xây dựng hệ thống thông minh từ các thiết bị vật lý như máy espresso.

How Fetch built its flexible agentic analytics tool on ClickHouse Cloud

Fetch phát triển FAST, một công cụ phân tích kinh doanh hội thoại chạy trên ClickHouse Cloud, giúp các nhóm không chuyên có thể truy vấn 150 tỷ dòng dữ liệu mỗi ngày bằng ngôn ngữ tự nhiên và nhận kết quả trong vài phút thay vì hàng ngày.

Lập trình viên nên đọc bài này để hiểu cách ClickHouse Cloud và agentic analytics giúp tối ưu hóa tốc độ xử lý dữ liệu lớn, từ đó áp dụng kiến thức về cơ sở dữ liệu phân tán và xử lý stream để xây dựng hệ thống phân tích hiệu quả hơn cho các dự án tương tự.

ClickHouse docs relaunch

Tài liệu ClickHouse đã được khởi động lại trên nền tảng Mintlify với cải tiến về tìm kiếm, trải nghiệm AI Ask AI, máy chủ docs MCP, điều hướng đơn giản hơn, sân chơi API tương tác và mở rộng đa ngôn ngữ, phục vụ cả người đọc lẫn các tác nhân lập trình.

Lập trình viên nên đọc vì ClickHouse Docs đã nâng cấp giao diện tìm kiếm và trợ lý AI, giúp bạn tìm kiếm thông tin hiệu quả hơn và tương tác trực tiếp với API Playground để thử nghiệm và học nhanh các tính năng mới của ClickHouse.

Postgres vs ClickHouse is the wrong question. I use both.

Postgres vs ClickHouse is the wrong question. I use both. My uptime monitor keeps config and incidents in Postgres and check results in ClickHouse. The split is one rule: does a row ever change? …

I said your ELT benchmark was probably lying. Then mine lied to me — three times.

I said your ELT benchmark was probably lying. Then mine lied to me — three times. I made my numbers runnable by strangers. The act of building that caught me being wrong about my own tool, twice in …

Benchmarking the ClickStack MCP Server with hdx-evals

A behind-the-scenes look at hdx-evals, the open-source framework we built to benchmark the ClickStack MCP server against a raw SQL baseline using deterministic synthetic incidents, sandboxed Claude agents, and blind LLM grading — and why the MCP scored hi

Better Together: Last9 + Altinity

Last9 và Altinity hợp tác cung cấp giải pháp quan sát toàn diện (metrics, logs, traces, profiles) trên nền tảng ClickHouse mã nguồn mở, chạy hoàn toàn trên cloud riêng của bạn, với chi phí dựa trên dung lượng lưu trữ thay vì lượng dữ liệu ingest, trong khi Altinity quản lý database giúp giảm tải cho đội ngũ.

Lập trình viên nên đọc bài này để khám phá cách kết hợp Last9 và Altinity giúp tối ưu hóa quản lý dữ liệu observability (đo lường) trong cloud của mình với chi phí linh hoạt, không phụ thuộc vào lượng dữ liệu nhập và không cần quản lý cơ sở dữ liệu riêng.

ClickHouse announced as Principal Partner and Front of Shirt Sponsor of Fulham Football Club

ClickHouse, công ty chuyên về phân tích dữ liệu thời gian thực, hạ tầng dữ liệu và ứng dụng AI, trở thành đối tác chính và nhà tài trợ áo đấu phía trước của Fulham FC.

Những công nghệ tiên tiến như ClickHouse không chỉ là công cụ hỗ trợ cho các đội bóng chuyên nghiệp mà còn là ví dụ thực tế về cách ứng dụng AI và dữ liệu để tối ưu hóa chiến thuật, phân tích hành vi người hâm mộ và cải thiện hiệu suất, giúp các lập trình viên hiểu rõ hơn về cách chuyển đổi dữ liệu thành quyết định chiến lược trong thế giới thực tế.

What happens after you click Run in SigNoz Traces Explorer

Sau khi nhấn "Run" trong SigNoz Traces Explorer, hệ thống không chỉ trả về một API handler và một truy vấn SELECT như mong đợi mà còn thực hiện nhiều bước xử lý ngầm định khác, bao gồm phân tích truy vấn, thu thập dữ liệu phân tán và tối ưu hóa truy vấn.

Nếu bạn muốn hiểu rõ cách SigNoz Traces Explorer xử lý và tích hợp các trace từ các gói ứng dụng đa-layer (frontend, backend, microservice), từ đó tối ưu hóa việc debug và phân tích hiệu suất thực tế của ứng dụng.

The Most Expensive ClickHouse Query Is the Restore

ClickHouse tự lưu trữ trên phần cứng rẻ tiền nhưng khi khôi phục dữ liệu từ AWS S3, chi phí đọc dữ liệu (egress) lên tới 0,09 USD/GB. Thay thế bằng dịch vụ Tigris sẽ loại bỏ phí egress, giữ nguyên tính năng gốc của ClickHouse và giúp tiết kiệm chi phí khi chạy thử nghiệm khôi phục sau thảm họa.

Lập trình viên nên đọc bài này để tiết kiệm chi phí lưu trữ và truy xuất dữ liệu lớn trên AWS S3, vì Tigris cung cấp giải pháp thay thế hiệu quả với chi phí egress thấp và khả năng quản lý tự động, giúp tối ưu hóa chi phí và bảo mật cho hệ thống tự-hosted ClickHouse.

July 2026 newsletter

Welcome to the July 2026 ClickHouse newsletter, which will round up what’s happened in real-time data warehouses over the last month.

What's the most popular number in Hacker News titles? — Max Glenister

Hai tiêu đề liên tiếp trên trang nhất Hacker News hôm qua đều chứa số 6. Điều này không có ý nghĩa gì, nhưng lại khiến não bộ "bám" lấy chi tiết vô nghĩa ấy.

Lập trình viên nên đọc bài này để khám phá cách các kỹ thuật số và xu hướng nhỏ nhặt có thể tác động đến cách họ viết, tối ưu hóa và tiếp thị dự án của mình, từ những chi tiết nhỏ đến những cơ hội sáng tạo mới.

How Bullet uses ClickHouse Cloud to give DeFi's fastest exchange real-time analytics

Bullet đã giảm độ trễ truy vấn xuống 10.000 lần và loại bỏ toàn bộ lớp phục vụ bằng cách chuyển từ Databricks sang ClickHouse Cloud, cung cấp khả năng phân tích thời gian thực cho sàn giao dịch DeFi nhanh nhất với chi phí tương đương.

Lập trình viên phát triển hệ thống phân tích thời gian thực nên đọc bài này để hiểu cách tối ưu hóa cơ sở dữ liệu với ClickHouse Cloud giúp giảm thời gian phản hồi đến mức gần tức thời mà vẫn tiết kiệm chi phí, giúp cải thiện trải nghiệm người dùng trong các ứng dụng DeFi.

Medium

Medium đã tự triển khai SigNoz để phát hiện lỗi "killer" 3 giây trong hệ thống e-commerce phân tán, nơi vấn đề không nằm ở lượng dữ liệu thu thập mà ở khả năng phân tích hiệu quả. Tính năng Trace Funnels trong SigNoz (open-source observability) được đánh giá là hữu ích nhất để truy vết lỗi phức tạp.

Lập trình viên nên đọc bài này để hiểu cách phát hiện và khắc phục các lỗi ẩn giấu trong hệ thống phân tán—như vụ "killer silent" 3 giây trong e-commerce—và tìm hiểu cách trace funnel trong quan sát mở nguồn có thể giúp tối ưu hóa hiệu suất và trải nghiệm người dùng.

How Insider One uses ClickHouse Cloud to power real-time customer engagement at scale

Insider One migrated its Unified Customer Database (UCD) from self-managed ClickHouse on AWS to ClickHouse Cloud, achieving 50-60% average query latency reduction and up to 70-75% improvement for its largest customers. The move eliminated operational overhead from cluster tuning, freeing engineering time for product development. The UCD powers real-time segmentation, personalization, and analytics across Insider One's customer engagement platform, serving brands like Adidas and L'Oréal. ClickHouse Cloud also improved long-tail latency predictability (P50-P99 percentiles), which directly impacts user experience when building segments or launching campaigns.

Replacing the HDB: ClickHouse for historical ticker data

A hands-on walkthrough of using ClickHouse to store and query historical cryptocurrency tick data from Binance's public archive. Covers loading 16.2 billion rows of trades and quotes for five futures pairs, achieving a 19x compression ratio (191 GiB raw CSV down to ~10 GiB) using columnar storage and codecs like DoubleDelta and LowCardinality. Demonstrates practical financial queries in standard SQL: VWAP calculation, OHLC candle generation, and ASOF JOINs to match trades with contemporaneous quotes for slippage analysis. Shows how ClickHouse's primary index on (symbol, ts) allows queries to skip 99.999% of data even on a 16-billion-row dataset, keeping latency consistent. Storage cost on ClickHouse Cloud for 10 months of data works out to under $2/month.

Escaping the SIEM Cost Trap: A Data-First Architecture for Security Analytics

SOFTSWISS shares how they replaced a traditional SIEM with a data-first security analytics architecture built on ClickHouse, open-source collection (Vector), Kafka, tiered storage (SSD/HDD/S3), and detection-as-code using Sigma and SQL. The platform handles over 700,000 events per second, retains 100TB+ of security data, and delivers $300K/year in cost savings versus vendor-heavy approaches. Key design principles include enriching data on ingestion via materialized views, managing all schemas and detection logic as code, and enabling analysts to pivot from token search to analytical correlation within a single dataset. The post also honestly addresses trade-offs: SQL literacy requirements, database operational complexity, governance challenges at scale, and the need to design analyst UX on top of the raw data layer.

How Trigger.dev is using ClickHouse to scale observability for long-running AI workflows

Trigger.dev, a serverless async workflow platform for AI agents, migrated its observability stack from Postgres to ClickHouse to handle growing telemetry volumes across thousands of tenants. Postgres struggled with large analytical workloads on a single growing table, creating reliability risks and query performance issues. After evaluating alternatives including DuckDB and ParadeDB, the team chose ClickHouse for its proven OLAP performance, open-source model, and growing ecosystem among observability-focused developer tools. The migration was gradual and zero-downtime, routing new runs to ClickHouse while legacy data remained in Postgres. Results include P95 query latency of ~200ms on tens of thousands of rows, dramatically reduced storage footprint, and new product capabilities like aggregated usage metrics via materialized views that would have been impractical in Postgres.

Have you heard? Clickhouse is winning the observability wars!

Charity Majors khẳng định ClickHouse đang vượt trội trong lĩnh vực quan sát (observability) nhờ lưu trữ dạng cột (columnar storage), đặc biệt khi xử lý dữ liệu lớn (10TB/ngày), trong khi các công cụ truyền thống như Elastic, LGTM hay Datadog không thể scale tuyến tính. Bà cho rằng mô hình "Observability 2.0" dựa trên dữ liệu thống nhất (traces hoặc sự kiện rộng) vượt trội so với mô hình ba trụ cột cũ, và các nhà cung cấp mới đang bỏ lỡ lợi thế này khi chỉ quảng cáo "Datadog, nhưng rẻ hơn".

Những lập trình viên cần tìm hiểu về ClickHouse để hiểu cách nó phá vỡ mô hình truyền thống của observability bằng kiến trúc lưu trữ cột hiệu quả, giúp tối ưu hóa chi phí và hiệu suất cho hệ thống theo thời gian thực.

Introducing pg_re2, fast, RE2-powered regular expressions in Postgres

pg_re2 is a new Postgres extension that brings Google's RE2 regex engine to PostgreSQL, offering 1.8x–8.6x faster regex performance compared to Postgres's native POSIX engine. The extension adds a new @~ operator, btree and GIN index support, and mirrors ClickHouse's full suite of regex functions. A key motivation is compatibility: Postgres POSIX and ClickHouse RE2 differ significantly in syntax (e.g., \b means backspace in Postgres but word boundary in ClickHouse), causing silent inconsistencies when using pg_clickhouse pushdown. By using pg_re2 functions, queries produce consistent results whether executed in Postgres or pushed down to ClickHouse. The extension is available on PGXN and GitHub, and is pre-installed on ClickHouse Managed Postgres.

Switching from PostgreSQL to ClickHouse for Improved Performance and Scalability

Momentic migrated its caching system from PostgreSQL to ClickHouse to handle explosive growth from 80,000 to 20 billion cache entries while serving over 2 million queries per day at ~250ms latency. Key architectural decisions included designing a composite primary key to leverage ClickHouse's sparse index granules, using materialized views to precompute commit timestamps for efficient lookups on main branches, and switching to INSERT-only patterns with ReplacingMergeTree for deduplication — which also allowed them to eliminate their Redis layer entirely. The migration used a shadow-query approach with dual writes to validate correctness before gradually shifting production traffic.

Postgres vs MariaDB

Postgres and MariaDB are both open-source relational databases but serve different use cases. Postgres offers a richer type system (JSONB, arrays, geometric types), stronger SQL standards compliance, and a deep extension ecosystem (PostGIS, pgvector, Citus). MariaDB excels at MySQL wire-protocol compatibility, Galera multi-master replication, and optional ColumnStore analytics. Both are row-oriented OLTP databases that struggle with large-scale analytical queries. The post compares architecture, replication, JSON handling, and performance, then recommends offloading OLAP workloads to ClickHouse via CDC (logical replication for Postgres, binary log for MariaDB). Tinybird is presented as a managed ClickHouse layer that integrates with either database for sub-second analytical query latency.

How we made ClickStack 5x faster for ClickHouse observability

The ClickStack team describes a benchmark-driven process to reduce observability query latency by more than 5× ahead of general availability. Key schema changes include: replacing the primary key with a five-minute time bucket (toStartOfFiveMinutes) to enable read_in_order optimization, dropping the redundant TimestampTime column, switching from bloom filters to deterministic text indexes on the Body and TraceId columns, enabling block_number and block_offset virtual columns for efficient single-row lookups, shipping default materialized views using AggregatingMergeTree for autocomplete/filter metadata, and introducing ALIAS columns that concatenate map key-value pairs to enable direct_read optimization on dynamic OpenTelemetry attributes. Every change was validated using ClickCannon, a custom benchmarking tool, against a realistic 640 MiB/s ingestion workload on ClickHouse Cloud.

ClickHouse Release 26.6

ClickHouse 26.6 ships 56 new features, 79 performance optimizations, and 366 bug fixes. Key highlights include hypothetical skip indexes (test index effectiveness with EXPLAIN WHATIF before building them), cascading refreshable materialized views (dependent views now trigger automatically without independent timers), ADD ENUM VALUES syntax for appending enum values without respecifying all existing ones, inline CLI documentation via the help command backed by a new system.documentation table, clickhouse-local server mode (start/stop TCP/HTTP listeners on demand), ~3x faster query startup for deeply nested queries, and experimental continuous/streaming queries (STREAM keyword) for Linux.

A Quadrillion Rows across three Clouds: scaling LogHouse

LogHouse, nền tảng logging nội bộ của ClickHouse, đã mở rộng quy mô từ 19 PiB lên 431 PiB (1,59 triệu tỷ hàng) trên hơn 30 vùng trên ba nhà cung cấp cloud nhờ các quyết định kiến trúc như geosharding, Async Inserts, phân vùng (partitioning) linh hoạt, pipeline OTel dựa trên S3, và hệ thống bảng Distributed ba cấp (local → regional → global). Hệ thống đạt đỉnh 80 GiB/s dung lượng ghi và 190 triệu hàng/giây, đồng thời duy trì thời gian truy vấn dưới 300ms nhờ cơ chế sharding key tối ưu.

Lập trình viên cần đọc để tìm hiểu cách LogHouse của ClickHouse xử lý vấn đề scaling hàng trăm tỉ hàng dữ liệu phân tán trên nhiều cloud, từ kiến trúc phân vùng địa lý, lưu trữ hiệu quả đến tối ưu hóa truy vấn và lưu lượng nhập dữ liệu cao, giúp áp dụng cho các giải pháp log/observability của riêng mình.

Lightweight deletes for Tinybird Data Sources now in Beta

Tinybird is launching a beta for lightweight deletes on Data Sources via a new API endpoint (POST /v1/datasources/{name}/delete). Unlike the old heavy mutation approach that rewrites disk parts, the new method uses ClickHouse's native lightweight DELETE, which materializes a hidden _row_exists mask instead of copying data. This makes deletes complete in milliseconds to seconds rather than minutes or hours. The endpoint supports both synchronous and asynchronous modes, an optional partition-scoping parameter, and is useful for GDPR right-to-be-forgotten requests, removing bad ingest data, and partition-scoped cleanups.

Benchmarks and Obscurantism: A “red” line that should not be crossed

ClickHouse's product manager investigates a Databricks keynote benchmark that claimed ClickHouse 'crashed' under load during the Reyden announcement. The author attempts to reproduce the crash using TPC-H SF1 data and finds ClickHouse does not crash — it gracefully rejects queries at a configurable concurrency limit. The post argues the Databricks benchmark was opaque, used tiny datasets (fitting in iPhone memory), provided no hardware or configuration details, and was run on a product competitors cannot yet access. The author demonstrates that with proper node sizing (35 nodes for 15K QPS), ClickHouse handles the load without tuning. The broader argument is that benchmarks must be open, reproducible, and detailed to be meaningful, contrasting Databricks' approach with ClickHouse's public GitHub benchmark repository.

Real-Time Analytics: Boost your business with instant data

Bài viết giới thiệu về real-time analytics (phân tích thời gian thực) qua 5 yếu tố cốt lõi (độ tươi mới của dữ liệu, độ trễ truy vấn thấp, độ phức tạp truy vấn cao, khả năng truy vấn đồng thời, lưu trữ dữ liệu lâu dài), phân biệt với batch và streaming analytics, cùng các trường hợp sử dụng phổ biến như cá nhân hóa, phát hiện gian lận, dashboard người dùng, quản lý hàng tồn kho. Bài viết cũng đề cập thách thức (công cụ, quy mô, chi phí, cộng tác nhóm) và kiến trúc 3 lớp (data streaming, real-time databases, API layers). Ngoài ra, Tinybird được giới thiệu như một nền tảng quản lý real-time analytics dựa trên ClickHouse, hỗ trợ ingest từ Kafka/S3/HTTP Events API, pipeline biến đổi SQL và xuất API có độ trễ thấp.

Lập trình viên nên đọc bài này để hiểu cách xây dựng và tối ưu hệ thống phân tích dữ liệu thực thời từ cơ sở hạ tầng đến giải pháp API, giúp họ thiết kế giải pháp hiệu quả hơn cho ứng dụng của mình.