Cube.js与ClickHouse联合查询性能优化实践

问题背景

在使用Cube.js作为OLAP分析层与ClickHouse数据仓库集成的过程中，我们发现了一个有趣的性能问题：当通过Cube.js发起包含JOIN操作的查询时，ClickHouse的查询优化器会失效，导致全表扫描；而直接执行相同的SQL语句时，ClickHouse却能正确应用分区裁剪和索引优化。

问题现象

在测试环境中，我们创建了一个包含1亿行数据的fact表和一个维度表，通过Cube.js定义了两个数据模型。当执行以下两种查询时：

1. 无过滤条件的聚合查询：正常执行，耗时3-6秒
2. 带有维度表过滤条件的查询：与无过滤查询耗时相同，出现全表扫描

通过ClickHouse的system.query_log表观察发现，两种查询都读取了全部1亿行数据。但令人困惑的是，当直接将这些SQL复制到ClickHouse控制台执行时，带有过滤条件的查询能够正确应用分区裁剪，只扫描相关分区的数据（约1000万行），性能提升近10倍。

技术分析

经过深入排查，我们发现问题的根源在于Cube.js默认启用的一个ClickHouse参数：join_use_nulls。这个参数控制JOIN操作中NULL值的处理方式，但意外地影响了ClickHouse查询优化器的工作机制。

具体表现为：

1. 当join_use_nulls=true时（Cube.js默认），ClickHouse优化器会跳过数据跳过索引的使用
2. 当join_use_nulls=false时，优化器能正常应用分区裁剪和索引

解决方案

我们通过以下步骤解决了这个问题：

1. 为Cube.js创建专用ClickHouse用户：

CREATE USER cube_user IDENTIFIED BY 'password' SETTINGS PROFILE 'readonly'

2. 在Cube.js环境变量中配置：

CUBEJS_DB_CLICKHOUSE_READONLY=true

这个配置会禁用join_use_nulls参数，使ClickHouse优化器恢复正常工作。实施后，查询性能显著提升，分区裁剪功能正常生效。

最佳实践建议

基于这次经验，我们总结出以下Cube.js与ClickHouse集成的最佳实践：

1. 专用用户：为Cube.js创建具有只读权限的专用ClickHouse用户

2. 参数控制：明确控制join_use_nulls等可能影响优化器的参数

3. 监控机制：定期检查system.query_log，监控查询执行计划和实际扫描行数

4. 性能测试：对关键查询进行Cube.js调用和直接SQL执行的对比测试

5. 版本适配：注意不同ClickHouse版本对优化器行为的改进

技术原理深入

ClickHouse的查询优化器在处理JOIN操作时，会根据多种因素决定执行计划。join_use_nulls参数影响NULL值处理方式，进而改变了优化器的成本估算：

• 当启用时，优化器认为需要处理额外的NULL值，可能选择保守的全表扫描策略
• 当禁用时，优化器能更准确地评估过滤条件的选择性，使用索引和分区裁剪

这种微妙的参数影响在复杂查询中尤为明显，特别是在涉及多表JOIN和大数据量场景下。

总结

Cube.js与ClickHouse的集成在大多数场景下表现优异，但在特定配置下可能出现优化器失效的问题。通过理解底层机制和适当配置，可以充分发挥两者的性能优势。建议用户在实施类似架构时，进行充分的性能测试和监控，确保查询优化器按预期工作。