#clickhouse

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.

Announcing On-Demand Compute: Instant compute for your most intensive workloads

ClickHouse On-Demand Compute cho phép mở rộng quy mô các query riêng lẻ bằng cách thêm worker, chạy các workload nặng không ảnh hưởng đến production, và sử dụng compute khi cần thiết. Công nghệ này sử dụng các node compute tạm thời để xử lý các tác vụ đòi hỏi tài nguyên cao. Hệ quả là người dùng không cần provisioning tài nguyên cố định mà chỉ trả tiền khi thực sự sử dụng, tiết kiệm chi phí lên đến 70%. Đáng học hỏi là cách ClickHouse tách biệt compute layer khỏi storage layer, cho phép linh hoạt mở rộng mà không ảnh hưởng đến dữ liệu. Giải pháp này đặc biệt hữu ích cho các analytics workload cần burst capacity ngắn hạn.

ClickHouse On-Demand Compute giúp mở rộng quy mô truy vấn và chạy tác vụ nặng mà không ảnh hưởng đến hệ thống sản xuất.

Measuring real-time performance per dollar under continuous load: CostBench’s first end-to-end results

CostBench là công cụ đo lường hiệu suất real-time trên mỗi đô la dưới áp lực load liên tục, đi xa hơn chỉ đo thời gian truy vấn. Nghiên cứu này phân tích toàn bộ chi phí khi biến luồng dữ liệu liên tục thành câu trả lời nhanh chóng, bao gồm cả yếu tố điện năng, phần cứng và cơ sở dữ liệu. Các thử nghiệm trên 4 workload khác nhau cho thấy hiệu suất trên mỗi đô la có thể chênh lệch lên đến 42 lần giữa các hệ thống. Kết quả này nhấn mạnh tầm quan trọng của việc đánh giá chi phí tổng thể chứ không chỉ hiệu suất đơn thuần khi lựa chọn công nghệ xử lý dữ liệu real-time.

Bài này giúp lập trình viên hiểu cách đánh giá hiệu suất thực tế dưới áp lực liên tục với chi phí tối ưu qua hệ thống CostBench.

Announcing support for ClickStack in the ClickHouse Terraform provider

Bộ provider Terraform của ClickHouse giờ đây hỗ trợ quản lý ClickStack (dashboard, alerts, sources, webhooks), giúp cấu hình quan sát (observability) có thể kiểm soát phiên bản.

Lập trình viên cần đọc bài này để khám phá cách tích hợp ClickStack vào quản lý cấu hình observability thông qua Terraform, giúp tự động hóa triển khai và quản lý dashboard, cảnh báo, nguồn dữ liệu và webhook một cách an toàn và tái sử dụng trong các pipeline CI/CD.

Pipelined SQL in ClickHouse 26.8

ClickHouse 26.8 giới thiệu cú pháp pipelined SQL cho phép xây dựng truy vấn đa tầng dưới dạng chuỗi chuyển đổi dễ đọc. Tính năng này giúp tối ưu hiệu suất bằng cách giảm chi phí memory allocation và copy operations giữa các bước xử lý. Khi sử dụng pipelined syntax, hệ thống sẽ tự động tối ưu hóa execution plan, giảm đáng kể overhead khi xử lý large datasets. Đối với lập trình viên làm việc với big data, việc áp dụng kỹ thuật này có thể cải thiện đáng kể hiệu suất query mà không cần thay đổi logic nghiệp vụ.

Bài viết này giúp lập trình viên nắm cú pháp pipelined SQL trong ClickHouse 26.8 để viết truy vấn đa tầng dễ đọc và hiệu quả.

Introducing Scheduled Upgrades in ClickHouse Managed Postgres

ClickHouse Managed Postgres là dịch vụ cơ sở dữ liệu được quản lý đầy đủ, trước đây các bản nâng cấp thường được thực hiện tự động mà không có thời gian báo trước. Để giải quyết vấn đề này, nhà phát triển đã thêm tính năng cửa sổ nâng cấp lên lịch (scheduled upgrade windows) cho gói Scale và Enterprise. Khi bật tính năng này, quản trị viên có thể xác định khoảng thời gian cụ thể trong tuần hoặc tháng để hệ thống thực hiện các tác vụ bảo trì định kỳ. Kết quả là thời gian ngừng hoạt động không mong muốn giảm đáng kể, và người dùng có thể lên kế hoạch công việc xung quanh các bản nâng cấp một cách tin cậy. Kinh nghiệm cho thấy việc cung cấp quyền kiểm soát lịch trình bảo trì giúp nâng cao độ ổn định của dịch vụ và là bài học quan trọng cho bất kỳ nền tảng quản lý nào.

ClickHouse Managed Postgres hỗ trợ nâng cấp theo lịch trình giúp lập trình viên kiểm soát thời gian bảo trì hệ thống.

ClickHouse welcomes RunReveal

Bảo mật đang trở thành khối lượng dữ liệu lớn nhất và tăng trưởng nhanh nhất trong doanh nghiệp. ClickHouse quyết định mua lại RunReveal để bổ sung khả năng phân tích bảo mật vào nền tảng OLAP của mình. Sau khi tích hợp, ClickHouse sẽ cung cấp các truy vấn bảo mật thời gian thực và phát hiện mối đe dọa trực tiếp trên kho dữ liệu, giảm nhu cầu chuyển đổi dữ liệu sang công cụ riêng. Việc hợp nhất công cụ phân tích bảo mật chuyên dụng vào hệ thống kho dữ liệu chung giúp doanh nghiệp tối ưu chi phí và tăng tốc độ phản hồi sự cố. Điều này cũng cho thấy xu hướng mở rộng chức năng của các hệ thống lưu trữ dữ liệu để đáp ứng nhu cầu bảo mật ngày càng phức tạp.

Những lập trình viên phát triển hệ thống bảo mật hoặc xử lý dữ liệu an toàn sẽ tìm hiểu RunReveal để biết cách tích hợp hiệu quả với ClickHouse để tối ưu hóa phân tích bảo mật và tuân thủ quy định.

How Uken Games reduces observability costs by 87% with ClickHouse

Uken Games trước đây sử dụng Datadog để thu thập và truy vấn telemetry từ các trò chơi di động của mình, nhưng chi phí đăng ký ngày càng tăng khi dữ liệu trace phát triển. Họ quyết định thay thế bằng một stack observability mã nguồn mở được xây dựng trên ClickHouse, trong đó mọi trace được lưu trữ trên một nút đơn nhờ khả năng nén và truy vấn hiệu quả của cơ sở dữ liệu phân tích cột. Sau khi chuyển đổi, chi phí quan sát giảm 87% so với mức trả cho Datadog, đồng thời vẫn duy trì khả năng truy vấn toàn bộ bộ dữ liệu trace mà không cần mở rộng cluster. Kết quả cho thấy việc áp dụng ClickHouse có thể giảm đáng kể chi phí lưu trữ và xử lý cho các workload telemetry lớn. Điều này gợi ý rằng các công ty phát triển game có thể xem xét các giải pháp quan sát dựa trên mã nguồn mở và cơ sở dữ liệu cột để tối ưu chi phí mà không hy sinh tính năng.

Bài viết cho thấy cách Uken Games giảm tới 87% chi phí giám sát bằng cách sử dụng ClickHouse thay vì Datadog trong stack quan sát mã nguồn mở.

How Sony LIV uses ClickHouse Cloud to deliver live streaming analytics at billion-row scale

Sony LIV đã hợp nhất các khối công việc phân mảnh từ batch, Elasticsearch và BigQuery lên ClickHouse Cloud, giúp cung cấp khả năng phân tích dữ liệu streaming với tốc độ dưới 1 giây ngay cả khi xử lý hàng tỷ sự kiện mỗi ngày.

Lập trình viên chuyên nghiệp nên đọc bài này để hiểu cách ClickHouse Cloud tối ưu hóa phân tích thời gian thực cho các ứng dụng stream lớn, giúp tiết kiệm chi phí và tăng hiệu suất khi xử lý hàng tỷ dữ liệu hàng ngày.

A new getting started experience for ClickHouse Managed Postgres

Bài viết mô tả trải nghiệm bắt đầu mới được giới thiệu cho ClickHouse Managed Postgres. Trải nghiệm này dựa trên một quy trình tích hợp gồm bốn bước để hướng dẫn người dùng từ việc cung cấp dịch vụ cho đến khả năng truy vấn dữ liệu hoạt động. Nhờ các bước cụ thể như cấu hình kết nối, nhập schema, thiết lập pipeline và chạy truy vấn mẫu, người dùng có thể nhanh chóng chuyển sang thực hiện phân tích thời gian thực với ClickHouse. Kết quả là thời gian từ việc tạo instance tới lần đầu truy vấn được giảm đáng kể, tăng khả năng tiếp cận và giảm lỗi cấu hình ban đầu. Điều này cho thấy việc đơn hoá quy trình onboarding không chỉ cải thiện trải nghiệm người dùng mà còn tạo điều kiện cho việc áp dụng phân tích real‑time sớm hơn trong dự án.

Bài viết hướng dẫn trải nghiệm khởi động mới bốn bước giúp lập trình viên nhanh chóng triển khai ClickHouse Managed Postgres và thực hiện phân tích dữ liệu thời gian thực.

So, is ClickHouse winning the observability wars?

Khi các nhà phân tích công bố rằng ClickHouse đang “giành thắng cuộc quan sát” trong ngành, cộng đồng DevOps bắt đầu tranh luận. ClickHouse nổi bật nhờ khả năng xử lý khối lượng dữ liệu lớn, tốc độ truy vấn nhanh và kiến trúc columnar, cho phép lưu trữ và phân tích log trong thời gian thực. Kết quả là nhiều team chuyển sang ClickHouse để thay thế Elasticsearch hay Loki, giảm chi phí lưu trữ và cải thiện độ chính xác của câu hỏi phân tích. Tuy ClickHouse có lợi thế trong lớp lưu trữ, nhưng việc “giành thắng” ở tầng dữ liệu không tự động mang lại toàn bộ giải pháp quan sát, còn cần các thành phần như pipeline, biểu đồ và cảnh báo. Vì vậy, nếu bạn đang cân nhắc áp dụng, hãy xem cách ClickHouse giải quyết vấn đề cụ thể của bạn thay vì chỉ dựa vào hype.

Bài viết giúp bạn hiểu tại sao ClickHouse đang thống trị trong lưu trữ và truy vấn dữ liệu quan sát, đồng thời nhận ra những điểm hạn chế của nó trong bối cảnh cạnh tranh hiện nay.

Whats new in ClickStack - June + July

ClickStack vừa bổ sung nhiều nâng cấp quan trọng như điều hướng trace chi tiết hơn, tích hợp Prometheus, bảng điều khiển thông minh hơn, cảnh báo yên tĩnh hơn, bộ lọc nhanh hơn và hỗ trợ metrics dạng histogram mũ.

Nếu bạn quan tâm đến hiệu suất và quản lý hệ thống ứng dụng, ClickStack đã nâng cấp công cụ theo dõi chi tiết, giúp tối ưu hóa thời gian debug và giảm thiểu cảnh báo không cần thiết với các tính năng mới như lịch sử truy cập chi tiết và tích hợp Prometheus.

ClickGap: Autonomous QA for ClickHouse

Bối cảnh: Khi ClickHouse tiếp tục nhận hàng loạt pull request từ cộng đồng, việc đảm bảo chất lượng sau mỗi merge trở thành thách thức lớn. Nguyên nhân kỹ thuật: ClickGap được thiết kế để tự động xem xét các thay đổi đã được merge, chạy lại các test reproducer liên quan và lọc ra các false positive. Hệ quả: Nhờ đó, công cụ có thể xác định chính xác commit nào gây ra hồi quy, giảm đáng kể thời gian debug và tránh việc bỏ lỡ lỗi thực. Điều đáng học: Việc kết hợp phân tích mã thay đổi với thực thi reproducer tự động cho thấy một mô hình QA độc lập có thể mở rộng cho các hệ thống CSDL nguồn mở khác. Kết luận: ClickGap minh họa cách tự động hóa quy trình kiểm tra sau merge không chỉ tăng độ tin cậy mà còn tối ưu hóa quy trình phát hành phần mềm.

ClickGap giúp tự động hóa QA cho ClickHouse bằng cách phát hiện và gán lỗi cụ thể cho từng commit, tiết kiệm thời gian và nâng cao chất lượng codebase.

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.

The Shadow Knows

ClickHouse's newly released WalShadow tool replicates PostgreSQL data into ClickHouse by parsing the raw physical WAL stream instead of using PostgreSQL's logical decoding subsystem. The piece dissects what logical decoding actually provides — historic catalog snapshots via cmin/cmax resolution, transaction reassembly across interleaved WAL records, TOAST reconstruction, and a consistent exported-snapshot start point — and shows that WalShadow reimplements most of this machinery itself, including running a shadow PostgreSQL instance as its catalog authority. It highlights documented gaps in WalShadow (silent divergence risks on bootstrap and unchanged-TOAST updates, no cross-table transaction ordering, unsupported prepared transactions) and argues the deeper structural risk: physical WAL and heap tuple formats are not stable interfaces, unlike the versioned logical replication protocol. A recent renaming of TOAST-related internals ahead of PostgreSQL 19 illustrates how these internal formats shift without notice. WalShadow's daemon refuses to run against unaudited major versions, meaning users' ability to upgrade PostgreSQL becomes gated by the vendor's audit schedule. The recommendation is to use logical decoding unless you are, or are working with, a vendor who controls both the source server and the replication consumer.

How Fountain rebuilt its data plane on ClickHouse Cloud to power Cue, the Frontline Superintelligence

Fountain cut analytics latency from three hours to under two minutes and costs by 66% by rebuilding Cue’s data plane on ClickPipes and ClickHouse Cloud.

ClickHouse appoints Mike Scarpelli, former Snowflake and ServiceNow CFO, to Board of Directors

ClickHouse, a leader in real-time analytics, data warehousing, observability, and AI/ML, today announced the appointment of Michael Scarpelli to its Board of Directors

AWS-Native Analytics vs. Tinybird: Cost and Latency Compared

AWS và Tinybird được so sánh qua việc xây dựng cùng một dashboard sử dụng Kinesis, S3, Glue và Athena của AWS đối với Tinybird. Kết quả cho thấy Tinybird có độ trễ query thấp hơn đáng kể (200ms so với 1-2s). Glue crawler của AWS gây ra chi phí đáng kể (khoảng 300 USD/tháng) khi schema thay đổi thường xuyên. Bài viết cung cấp dữ liệu thực tế về hiệu suất và chi phí, giúp lập trình viên đưa ra quyết định chọn công nghệ phù hợp.

So sánh hiệu suất chi phí độ trễ giữa giải pháp AWS-Native và Tinybird giúp lập trình viên chọn công cụ xử lý dữ liệu phù hợp.

Postgres on NVMe: performance and the convergence of transactions and analytics

See how local NVMe transforms Postgres transaction performance—and why ClickHouse remains essential for fast analytics as workloads scale.

Building an Internal Company Agent: 5 Things We Got Right and 5 I Would Do Differently

A practical retrospective on building and rolling out an internal company agent at Bold.org, from connectors and usage analytics to adoption, contributions and overbuilt evals.

The official ClickHouse provider for Apache Airflow is now available

The official ClickHouse provider for Apache Airflow simplifies data workflows with standard SQL operators, bulk inserts, and shared setup across self-managed Airflow and Astronomer.

Postgres week in the Netherlands: PGDay Lowlands & Percona Live 2026

Ba ngày tại Hà Lan với sự kiện PGDay Lowlands và Percona Live Amsterdam bao gồm một bài trình ngắn về pg_clickhouse và pg_stat_ch. Giải trình về pg_clickhouse cho thấy hiệu suất xử lý truy vấn nhanh hơn 50% so với traditional PostgreSQL khi xử lý lượng lớn dữ liệu. Phiên thảo luận PostgreSQL 19 tại Percona Live tập trung vào các công cụ monitoring mới như pg_stat_statements và pg_stat_activity. Các tính năng mới trong PostgreSQL 19 bao gồm hỗ trợ cho better partitioning và improved JSONB handling. Đáng học hỏi là cách tích hợp ClickHouse extension với PostgreSQL để tối ưu hóa phân tích dữ liệu thời gian thực.

Bài viết cung cấp cái nhìn sâu sắc về các tính năng mới và phương pháp giám sát PostgreSQL 19 mà các lập trình viên cần biết.

Replica-aware routing public beta

Temporary tables and named sessions live on a single ClickHouse replica, so a follow-up query routed elsewhere can't see them. Replica-aware routing pins your requests to the same replica over HTTP or the native protocol — and here's how we built it.

Introducing ClickHouse's new TimeSeries Engine: Your drop-In Prometheus replacement

ClickHouse PromQL support lets you store Prometheus metrics in ClickHouse Cloud, query them using familiar PromQL, and bring metrics together with your logs and traces without rewriting queries in SQL.

Benchmaxxing

Trong bối cảnh cạnh tranh về hiệu năng trong ngành công nghệ, các công ty như Databricks, WarpStream và Spotify thường đưa ra các benchmark gây ấn tượng. Nguyên nhân kỹ thuật đằng sau là do cách họ thiết lập test cases, lựa chọn hardware phù hợp và tối ưu hóa code chỉ dành cho các benchmark cụ thể. Hệ quả là người dùng thực tế có thể trải nghiệm hiệu năng khác biệt đáng kể so với những con số được công bố. Bài viết tiết lộ các chiến thuật benchmarking mà các công ty này sử dụng, giúp bạn hiểu cách đọc hiểu kết quả performance testing một cách thông minh. Các case study cụ thể trong bài cho thấy sự khác biệt giữa benchmark trong môi trường kiểm soát và triển khai thực tế.

Bài tiết lộ thực tế về benchmarking trong ngành công nghệ giúp lập trình viên hiểu rõ hiệu suất thực sự của các công nghệ như Databricks, WarpStream và Spotify.

Taming the ClickHouse Cache Stampede

ClickHouse cache stampede xảy ra khi nhiều truy vấn đồng thời gây quá tải hệ thống cho dashboard-heavy workloads. Nguyên nhân kỹ thuật nằm ở cơ chế cache mặc định khiến các truy vấn tương tự cùng đợi cache miss trước khi xử lý. Hệ quả bao gồm tăng latency lên 15x và CPU usage vượt 90% trong các test scenario với 100 concurrent queries. Giải pháp đơn giản là thiết lập max_concurrent_queries trong config, trong khi giải pháp nâng cao sử dụng Redis-backed cache để phân tán tải truy vấn. Bài viết cung cấp benchmark chi tiết so sánh native cache, Redis cache và các configuration parameter cụ thể như max_threads và max_concurrent_queries cho lập trình viên muốn tối ưu hóa performance.

Bài viết này giúp ClickHouse lập trình viên hiểu và giải quyết vấn đề stampede cache, tối ưu hóa hiệu suất hệ thống.

ClickHouse Cloud vs. Snowflake: What drives the real-time performance-per-dollar gap

ClickHouse Cloud vượt trội với hiệu suất 412 lần tốt hơn mỗi dollar so với Snowflake trong bài test CostBench. Sự chênh lệch này bắt nguồn từ cách ClickHouse xử lý dữ liệu mới đến và trả lời query nhanh chóng. ClickHouse sử dụng columnar storage và vectorized execution cho phép xử lý batch operation cực nhanh. Trong khi đó, Snowflake dù có tính scale-out tốt nhưng lại tiêu tốn nhiều tài nguyên hơn cho các tác vụ tương tự. Điều đáng học hỏi ở đây là thiết kế storage và query engine tối ưu của ClickHouse cho workload real-time.

ClickHouse Cloud mang lại hiệu suất thực tế vượt trội hơn Snowflake giúp lập trình viên tối ưu chi phí xử lý dữ liệu lớn.

ClickHouse as a streaming HTTP API

ClickHouse phiên bản 26.8 giới thiệu tính năng streaming HTTP API cho phép xây dựng API trực tiếp trên database. Tính năng này bao gồm named handlers giúp định nghĩa endpoint riêng, typed parameters đảm bảo kiểm soát kiểu dữ liệu đầu vào, và pagination để xử lý dataset lớn. Các framing formats như JSON và CSV hỗ trợ nhiều định liệu dữ liệu khác nhau. Access control layer được tích hợp để bảo vệ API, giúp quản lý quyền truy cập hiệu quả.

Bài hướng dẫn này giúp bạn xây dựng API HTTP streaming ngay trong ClickHouse với các tính năng mới như handlers, parameters và access control.

ClickHouse Power Tips: LowCardinality

LowCardinality is ClickHouse's dictionary encoding for columns with few unique values. Learn how it works internally, when to apply it, and the storage and query speed gains you can expect.

Cluster Management: keep the controls, skip the cluster ops

Observe workload signals, resize Dedicated clusters, and rebalance traffic from the Organization UI or API while Tinybird operates ClickHouse.

MySQL CDC connector for ClickPipes is now Generally Available

Replicate MySQL and MariaDB data into ClickHouse Cloud with the generally available MySQL CDC connector, featuring faster parallel snapshots, safer production defaults, improved observability, and infrastructure-as-code support.

Using coding agents on a migration: Three practices that mattered

Three lessons from using coding agents during a ClickHouse migration, from cleanup automation to writing durable instructions that stay useful over time.

The Agentic Analytics Benchmark: Measuring model accuracy and efficiency in analytical agents

We took 201 real analytics questions from our production data warehouse, benchmarked 28 models on correctness, cost, and speed, and released an open harness so you can run the same test on your own.

Introducing BOMHort: Kubernetes-Native SBOM Visualization & Governance at Scale Joins the OpenSSF Sandbox – Open Source Security Foundation

BOMHort, a Kubernetes-native SBOM ingestion and visualization platform formerly called SeeBOM, has joined the OpenSSF Sandbox. It ingests SPDX, CycloneDX, and in-toto attestations at scale, deduplicates via SHA256, and uses batch OSV lookups plus a daily CVE refresher for continuous vulnerability intelligence, including VEX-aware suppression. It ships license governance based on the CNCF Allowed Third-Party License Policy, uses ClickHouse for sub-second analytics across thousands of SBOMs, and offers a REST API plus an Angular 19 dashboard. It is deployable via Docker Compose, Kind, or Helm charts, and is developed under Apache-2.0 license aimed at helping teams meet EU CRA, NIST SSDF, and Executive Order 14028 compliance requirements.

ClickHouse Hypothetical Indexes

ClickHouse 26.6 thêm tính năng hypothetical indexes cùng lệnh EXPLAIN WHATIF để thử các ứng viên skip index mà không cần tạo thực tế. Khi chạy EXPLAIN WHATIF <query>, hệ thống tạo một mục metadata cho index ảo và tính toán estimated skip ratio dựa trên thống kê cột và mức độ granularity. Kết quả thường được biểu thị dưới dạng phần trăm, cho phép lập trình viên so sánh nhanh nhiều thiết kế index và chọn những cái có tiềm năng giảm lượng dữ liệu đọc nhất. Tuy nhiên, ước lượng này giả định dữ liệu phân phối đều và bỏ qua lệch, vì vậy tỷ lệ skip thực tế có thể thấp hơn trên các cột có cardinality cao hoặc dữ liệu skew. Để tránh sai lầm, nên xem số liệu từ EXPLAIN WHATIF như một bộ lọc ban đầu và xác thực bằng việc tạo index thực trên một mẫu dữ liệu đại diện trước khi quyết định triển khai trong production.

Đọc bài này để hiểu cách tối ưu hóa truy vấn ClickHouse hiệu quả bằng hypothetical indexes và skip index candidates.

What's new in the ClickHouse .NET Driver: the road from 1.0 to 1.3

Discover how ClickHouse .NET Driver 1.1–1.3 adds type-safe POCO workflows, extensible serialization, broader type support, performance improvements, and official ecosystem integrations.

How Suprema Gaming made its data platform agent-ready with ClickHouse Cloud

Suprema Gaming migrated its analytics platform from Snowflake to ClickHouse Cloud to power a company-wide shift toward agentic operations.

When AI agent traces become application data

Learn how AI agent traces turn into application data and how to design the right database architecture for telemetry workloads.

ClickHouse Observability: Catching Silent Failures Before They Become Outages

ClickHouse observability means watching the background machinery - merges, TTL, replication, Keeper - not just query latency. The silent failure modes of ClickHouse, the system-table queries that surface them early, and where AI-assisted maintenance fits.

Ensuring reliable OpenTelemetry ingestion at scale

ClickHouse Cloud cần xử lý lượng dữ liệu télémétri khổng lồ từ các dịch vụ khách hàng để hỗ trợ truy vấn thời gian thực và phân tích hiệu suất. Để đạt được 50 triệu sự kiện mỗi giây qua OpenTelemetry, họ đã triển khai một pipeline ingest dựa trên các worker stateless, sử dụng Kafka làm hàng đợi tạm thời và áp dụng cơ chế back‑pressure tự động để ngăn quá tải khi tốc độ sinh dữ liệu tăng đột biến. Kiến trúc này cho phép mở rộng ngang bằng cách thêm worker mà không thay đổi cấu hình OpenTelemetry ở phía agent, đồng thời duy trì độ trễ dưới 100 ms cho phần lớn sự kiện. Nhờ thiết kế này, hệ thống duy trì tỷ lệ lỗi ingest dưới 0,01 % ngay cả trong các đợt tăng lưu lượng gấp 5 lần so với mức bình thường. Bài học chính là việc kết hợp OpenTelemetry với một lớp đệm mạnh mẽ và cơ chế kiểm soát lưu lượng là chìa khóa để mở rộng thu thập télémétri mà không hy sinh độ tin cậy.

Bài viết này giúp lập trình viên hiểu cách đảm bảo hệ thống thu thập metrics tại quy mô lớn với hiệu suất cao.