set spark.sql.adaptive.enabled=true;set spark.sql.adaptive.shuffle.targetPostShuffleInputSize=256000000;参数优化
CK的优化参数非常多，除了基础的参数外，在二级索引调整为布隆过滤器后，写入CK的parts就比原来多了，在这个时候调整CK的parts参数 ， 使其可以正常运行，但是这个参数会稍微影响一下CK查询的性能，对于我们来说 ， 数据都放不进去，再查询也就没有用了 。
parts_to_delay_insert：200000此外还可以添加background_pool_size参数（我们没有用） 。
Zookeeper优化
对于ClickHouse多分片多副本集群模式来说，Zookeeper是最大的性能瓶颈点 。
在不改动源码的情况下，我们做了如下的优化：
-
推荐阅读
- 大数据技术之HBase原理与实战归纳分享-中
- 巧用VBA实现：基于多个关键词模糊匹配Excel多行数据
- JuiceFS 元数据引擎选型指南
- Docker | 容器数据卷详解
- 如何优雅的备份MySQL数据？看这篇文章就够了
- 普通双非学子上岸浙大工程师数据科学项目 计算机保研，maybe this is all you need
- 大数据技术之HBase原理与实战归纳分享-上
- 07 ClickHouseClickHouse数据库引擎解析
- 使用EF Core更新与修改生产数据库
- Jupyter，Matplotlib，Pandas 【机器学习】利用 Python 进行数据分析的环境配置 Windows
