时间序列数据库选型：TimescaleDB与ClickHouse
比较两大时间序列存储在架构与查询上的差异，结合压缩与分区策略指导选型。
clickhouse
ClickHouse Kafka引擎与流式摄取实践
使用Kafka引擎与物化视图将Kafka流数据落地到MergeTree表，提供可验证的DDL与运行命令，支撑实时分析。
ClickHouse ReplacingMergeTree去重与版本列实践
使用ReplacingMergeTree基于主键与版本列实现去重与更新，提供可验证的DDL与查询方法，降低重复数据影响。
ClickHouse TTL与分层存储策略实践
使用TTL与存储策略实现冷热分层与数据自动清理，提供可验证的DDL与系统表验证，优化成本与性能。
ClickHouse TTL与合并队列治理
使用 TTL 管理数据生命周期与存储层级，监控与优化合并队列，保障查询性能与成本。
ClickHouse字典与外部字典治理
使用字典在查询中进行维表查找与映射，支持外部数据源与缓存策略，提升查询性能与可维护性。
ClickHouse物化视图与合并队列治理
通过物化视图与 MergeTree 合并治理预聚合与分层存储，提升查询性能并控制写入与合并开销。
ClickHouse物化视图与聚合表治理
使用物化视图与聚合表在写入路径预聚合数据，优化查询性能与成本，规范更新与修复策略。
ClickHouse物化视图与高吞吐写入优化实践
通过MergeTree与物化视图实现实时预聚合与高吞吐写入，提供可验证的SQL与系统表观测方法。
ClickHouse表引擎与分区索引：高并发查询治理
掌握 MergeTree 系列表引擎的分区与索引策略，优化高并发与大数据量查询性能与成本。
