- 主题:请问有人用过clickhouse做标签系统嘛？
你说的计算查询和分析查询是什么区别呢？
比如如果把每个用户的属性和标签作为一个大宽表存在ch里，那么我理解无论通过标签表达式圈人，还是lookalike都会很快吧？假设lookalike只是基本的统计学计算，不考虑机器学习
【 在 cestlavie 的大作中提到: 】
: 标签数据本来数据资产里面就是最有价值的那部分数据啊
: 现在市面上没有能一统天下的适用多种场景的存储：
: 一般来说
: ...................
--
FROM 117.136.119.*
ck更新比较麻烦
如果是实时圈人，不太好用一个ck打天下
实时数据更新你根据量级单独搞个别的存储来更新，ck那边定期merge数据
【 在 Xjt 的大作中提到: 】
: 号称很适合，无数解决方案都在推荐，为什么我觉得从做用户标签系统的角度clickhouse完全不如mongodb呢？
: 首先号称clickhouse适合大宽表，也没发现能有多宽，其次还不能随便加列，mongodb还能随便加标签或者属性列
--
FROM 222.129.20.*
嗯，实时圈人用ck，属性更新用aliyun adb或者其他流之类的，计算出来后批量写入ck，最终单个用户碎片化的customer 360查询用redis/mongodb
【 在 suchasplus 的大作中提到: 】
: ck更新比较麻烦
: 如果是实时圈人，不太好用一个ck打天下
: 实时数据更新你根据量级单独搞个别的存储来更新，ck那边定期merge数据
--
修改:Xjt FROM 117.136.119.*
FROM 117.136.119.*
你这个es存储数据级别是多大的
【 在 cestlavie 的大作中提到: 】
: 我没用过ch做这个，但是感觉比Mongo合适
: 我们之前是用ES 每天刷数、运维都是问题
:
--
FROM 120.244.162.*