mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-11-27 01:51:59 +00:00
Merge pull request #50419 from ClickHouse/reddit-fixes
Reddit dataset fixes
This commit is contained in:
commit
c70aa9592b
@ -5,7 +5,7 @@ sidebar_label: Reddit comments
|
|||||||
|
|
||||||
# Reddit comments dataset
|
# Reddit comments dataset
|
||||||
|
|
||||||
This dataset contains publicly-available comments on Reddit that go back to December, 2005, to March, 2023, and contains over 7B rows of data. The raw data is in JSON format in compressed `.zst` files and the rows look like the following:
|
This dataset contains publicly-available comments on Reddit that go back to December, 2005, to March, 2023, and contains over 14B rows of data. The raw data is in JSON format in compressed files and the rows look like the following:
|
||||||
|
|
||||||
```json
|
```json
|
||||||
{"controversiality":0,"body":"A look at Vietnam and Mexico exposes the myth of market liberalisation.","subreddit_id":"t5_6","link_id":"t3_17863","stickied":false,"subreddit":"reddit.com","score":2,"ups":2,"author_flair_css_class":null,"created_utc":1134365188,"author_flair_text":null,"author":"frjo","id":"c13","edited":false,"parent_id":"t3_17863","gilded":0,"distinguished":null,"retrieved_on":1473738411}
|
{"controversiality":0,"body":"A look at Vietnam and Mexico exposes the myth of market liberalisation.","subreddit_id":"t5_6","link_id":"t3_17863","stickied":false,"subreddit":"reddit.com","score":2,"ups":2,"author_flair_css_class":null,"created_utc":1134365188,"author_flair_text":null,"author":"frjo","id":"c13","edited":false,"parent_id":"t3_17863","gilded":0,"distinguished":null,"retrieved_on":1473738411}
|
||||||
@ -18,7 +18,7 @@ This dataset contains publicly-available comments on Reddit that go back to Dece
|
|||||||
A shoutout to Percona for the [motivation behind ingesting this dataset](https://www.percona.com/blog/big-data-set-reddit-comments-analyzing-clickhouse/), which we have downloaded and stored in an S3 bucket.
|
A shoutout to Percona for the [motivation behind ingesting this dataset](https://www.percona.com/blog/big-data-set-reddit-comments-analyzing-clickhouse/), which we have downloaded and stored in an S3 bucket.
|
||||||
|
|
||||||
:::note
|
:::note
|
||||||
The following commands were executed on ClickHouse Cloud. To run this on your own cluster, replace `default` in the `s3Cluster` function call with the name of your cluster. If you do not have a cluster, then replace the `s3Cluster` function with the `s3` function.
|
The following commands were executed on a Production instance of ClickHouse Cloud with the minimum memory set to 720GB. To run this on your own cluster, replace `default` in the `s3Cluster` function call with the name of your cluster. If you do not have a cluster, then replace the `s3Cluster` function with the `s3` function.
|
||||||
:::
|
:::
|
||||||
|
|
||||||
1. Let's create a table for the Reddit data:
|
1. Let's create a table for the Reddit data:
|
||||||
@ -75,18 +75,6 @@ The names of the files in S3 start with `RC_YYYY-MM` where `YYYY-MM` goes from `
|
|||||||
|
|
||||||
2. We are going to start with one month of data, but if you want to simply insert every row - skip ahead to step 8 below. The following file has 86M records from December, 2017:
|
2. We are going to start with one month of data, but if you want to simply insert every row - skip ahead to step 8 below. The following file has 86M records from December, 2017:
|
||||||
|
|
||||||
```sql
|
|
||||||
INSERT INTO reddit
|
|
||||||
SELECT *
|
|
||||||
FROM s3Cluster(
|
|
||||||
'default',
|
|
||||||
'https://clickhouse-public-datasets.s3.eu-central-1.amazonaws.com/reddit/original/RC_2017-12.xz',
|
|
||||||
'JSONEachRow'
|
|
||||||
);
|
|
||||||
```
|
|
||||||
|
|
||||||
If you do not have a cluster, use `s3` instead of `s3Cluster`:
|
|
||||||
|
|
||||||
```sql
|
```sql
|
||||||
INSERT INTO reddit
|
INSERT INTO reddit
|
||||||
SELECT *
|
SELECT *
|
||||||
@ -94,6 +82,7 @@ INSERT INTO reddit
|
|||||||
'https://clickhouse-public-datasets.s3.eu-central-1.amazonaws.com/reddit/original/RC_2017-12.xz',
|
'https://clickhouse-public-datasets.s3.eu-central-1.amazonaws.com/reddit/original/RC_2017-12.xz',
|
||||||
'JSONEachRow'
|
'JSONEachRow'
|
||||||
);
|
);
|
||||||
|
|
||||||
```
|
```
|
||||||
|
|
||||||
3. It will take a while depending on your resources, but when it's done verify it worked:
|
3. It will take a while depending on your resources, but when it's done verify it worked:
|
||||||
@ -198,26 +187,81 @@ LIMIT 10;
|
|||||||
TRUNCATE TABLE reddit;
|
TRUNCATE TABLE reddit;
|
||||||
```
|
```
|
||||||
|
|
||||||
8. This is a fun dataset and it looks like we can find some great information, so let's go ahead and insert the entire dataset from 2005 to 2023. When you're ready, run this command to insert all the rows. (It takes a while - up to 17 hours!)
|
8. This is a fun dataset and it looks like we can find some great information, so let's go ahead and insert the entire dataset from 2005 to 2023. For practical reasons, it works well to insert the data by years starting with...
|
||||||
|
|
||||||
|
|
||||||
|
```sql
|
||||||
|
INSERT INTO reddit
|
||||||
|
SELECT *
|
||||||
|
FROM s3Cluster(
|
||||||
|
'default',
|
||||||
|
'https://clickhouse-public-datasets.s3.eu-central-1.amazonaws.com/reddit/original/RC_2005*',
|
||||||
|
'JSONEachRow'
|
||||||
|
)
|
||||||
|
SETTINGS zstd_window_log_max = 31;
|
||||||
|
```
|
||||||
|
|
||||||
|
...and ending with:
|
||||||
|
|
||||||
```sql
|
```sql
|
||||||
INSERT INTO reddit
|
INSERT INTO reddit
|
||||||
SELECT *
|
SELECT *
|
||||||
FROM s3Cluster(
|
FROM s3Cluster(
|
||||||
'default',
|
'default',
|
||||||
'https://clickhouse-public-datasets.s3.amazonaws.com/reddit/original/RC*',
|
'https://clickhouse-public-datasets.s3.amazonaws.com/reddit/original/RC_2023*',
|
||||||
'JSONEachRow'
|
'JSONEachRow'
|
||||||
)
|
)
|
||||||
SETTINGS zstd_window_log_max = 31;
|
SETTINGS zstd_window_log_max = 31;
|
||||||
```
|
```
|
||||||
|
|
||||||
The response looks like:
|
If you do not have a cluster, use `s3` instead of `s3Cluster`:
|
||||||
|
|
||||||
```response
|
```sql
|
||||||
0 rows in set. Elapsed: 61187.839 sec. Processed 6.74 billion rows, 2.06 TB (110.17 thousand rows/s., 33.68 MB/s.)
|
INSERT INTO reddit
|
||||||
|
SELECT *
|
||||||
|
FROM s3(
|
||||||
|
'https://clickhouse-public-datasets.s3.amazonaws.com/reddit/original/RC_2005*',
|
||||||
|
'JSONEachRow'
|
||||||
|
)
|
||||||
|
SETTINGS zstd_window_log_max = 31;
|
||||||
```
|
```
|
||||||
|
|
||||||
8. Let's see how many rows were inserted and how much disk space the table is using:
|
8. To verify it worked, here are the number of rows per year (as of February, 2023):
|
||||||
|
|
||||||
|
```sql
|
||||||
|
SELECT
|
||||||
|
toYear(created_utc) AS year,
|
||||||
|
formatReadableQuantity(count())
|
||||||
|
FROM reddit
|
||||||
|
GROUP BY year;
|
||||||
|
```
|
||||||
|
|
||||||
|
```response
|
||||||
|
|
||||||
|
┌─year─┬─formatReadableQuantity(count())─┐
|
||||||
|
│ 2005 │ 1.07 thousand │
|
||||||
|
│ 2006 │ 417.18 thousand │
|
||||||
|
│ 2007 │ 2.46 million │
|
||||||
|
│ 2008 │ 7.24 million │
|
||||||
|
│ 2009 │ 18.86 million │
|
||||||
|
│ 2010 │ 42.93 million │
|
||||||
|
│ 2011 │ 28.91 million │
|
||||||
|
│ 2012 │ 260.31 million │
|
||||||
|
│ 2013 │ 402.21 million │
|
||||||
|
│ 2014 │ 531.80 million │
|
||||||
|
│ 2015 │ 667.76 million │
|
||||||
|
│ 2016 │ 799.90 million │
|
||||||
|
│ 2017 │ 972.86 million │
|
||||||
|
│ 2018 │ 1.24 billion │
|
||||||
|
│ 2019 │ 1.66 billion │
|
||||||
|
│ 2020 │ 2.16 billion │
|
||||||
|
│ 2021 │ 2.59 billion │
|
||||||
|
│ 2022 │ 2.82 billion │
|
||||||
|
│ 2023 │ 474.86 million │
|
||||||
|
└──────┴─────────────────────────────────┘
|
||||||
|
```
|
||||||
|
|
||||||
|
9. Let's see how many rows were inserted and how much disk space the table is using:
|
||||||
|
|
||||||
|
|
||||||
```sql
|
```sql
|
||||||
@ -227,17 +271,17 @@ SELECT
|
|||||||
formatReadableSize(sum(bytes)) AS disk_size,
|
formatReadableSize(sum(bytes)) AS disk_size,
|
||||||
formatReadableSize(sum(data_uncompressed_bytes)) AS uncompressed_size
|
formatReadableSize(sum(data_uncompressed_bytes)) AS uncompressed_size
|
||||||
FROM system.parts
|
FROM system.parts
|
||||||
WHERE (table = 'reddit') AND active
|
WHERE (table = 'reddit') AND active;
|
||||||
```
|
```
|
||||||
|
|
||||||
Notice the compression of disk storage is about 1/3 of the uncompressed size:
|
Notice the compression of disk storage is about 1/3 of the uncompressed size:
|
||||||
|
|
||||||
```response
|
```response
|
||||||
┌──────count─┬─formatReadableQuantity(sum(rows))─┬─disk_size──┬─uncompressed_size─┐
|
┌───────count─┬─formatReadableQuantity(sum(rows))─┬─disk_size─┬─uncompressed_size─┐
|
||||||
│ 6739503568 │ 6.74 billion │ 501.10 GiB │ 1.51 TiB │
|
│ 14688534662 │ 14.69 billion │ 1.03 TiB │ 3.26 TiB │
|
||||||
└────────────┴───────────────────────────────────┴────────────┴───────────────────┘
|
└─────────────┴───────────────────────────────────┴───────────┴───────────────────┘
|
||||||
|
|
||||||
1 row in set. Elapsed: 0.010 sec.
|
1 row in set. Elapsed: 0.005 sec.
|
||||||
```
|
```
|
||||||
|
|
||||||
9. The following query shows how many comments, authors and subreddits we have for each month:
|
9. The following query shows how many comments, authors and subreddits we have for each month:
|
||||||
@ -256,10 +300,10 @@ GROUP BY firstOfMonth
|
|||||||
ORDER BY firstOfMonth ASC;
|
ORDER BY firstOfMonth ASC;
|
||||||
```
|
```
|
||||||
|
|
||||||
This is a substantial query that has to process all 6.74 billion rows, but we still get an impressive response time (about 3 minutes):
|
This is a substantial query that has to process all 14.69 billion rows, but we still get an impressive response time (about 48 seconds):
|
||||||
|
|
||||||
```response
|
```response
|
||||||
┌─firstOfMonth─┬─────────c─┬─bar_count─────────────────┬─authors─┬─bar_authors───────────────┬─subreddits─┬─bar_subreddits────────────┐
|
┌─firstOfMonth─┬─────────c─┬─bar_count─────────────────┬──authors─┬─bar_authors───────────────┬─subreddits─┬─bar_subreddits────────────┐
|
||||||
│ 2005-12-01 │ 1075 │ │ 394 │ │ 1 │ │
|
│ 2005-12-01 │ 1075 │ │ 394 │ │ 1 │ │
|
||||||
│ 2006-01-01 │ 3666 │ │ 791 │ │ 2 │ │
|
│ 2006-01-01 │ 3666 │ │ 791 │ │ 2 │ │
|
||||||
│ 2006-02-01 │ 9095 │ │ 1464 │ │ 18 │ │
|
│ 2006-02-01 │ 9095 │ │ 1464 │ │ 18 │ │
|
||||||
@ -315,24 +359,20 @@ This is a substantial query that has to process all 6.74 billion rows, but we st
|
|||||||
│ 2010-04-01 │ 3209898 │ █▌ │ 128936 │ ▋ │ 3170 │ ▊ │
|
│ 2010-04-01 │ 3209898 │ █▌ │ 128936 │ ▋ │ 3170 │ ▊ │
|
||||||
│ 2010-05-01 │ 3267363 │ █▋ │ 131851 │ ▋ │ 3166 │ ▊ │
|
│ 2010-05-01 │ 3267363 │ █▋ │ 131851 │ ▋ │ 3166 │ ▊ │
|
||||||
│ 2010-06-01 │ 3532867 │ █▊ │ 139522 │ ▋ │ 3301 │ ▊ │
|
│ 2010-06-01 │ 3532867 │ █▊ │ 139522 │ ▋ │ 3301 │ ▊ │
|
||||||
│ 2010-07-01 │ 4032737 │ ██ │ 153451 │ ▊ │ 3662 │ ▉ │
|
│ 2010-07-01 │ 806612 │ ▍ │ 76486 │ ▍ │ 1955 │ ▍ │
|
||||||
│ 2010-08-01 │ 4247982 │ ██ │ 164071 │ ▊ │ 3653 │ ▉ │
|
│ 2010-08-01 │ 4247982 │ ██ │ 164071 │ ▊ │ 3653 │ ▉ │
|
||||||
│ 2010-09-01 │ 4704069 │ ██▎ │ 186613 │ ▉ │ 4009 │ █ │
|
│ 2010-09-01 │ 4704069 │ ██▎ │ 186613 │ ▉ │ 4009 │ █ │
|
||||||
│ 2010-10-01 │ 5032368 │ ██▌ │ 203800 │ █ │ 4154 │ █ │
|
│ 2010-10-01 │ 5032368 │ ██▌ │ 203800 │ █ │ 4154 │ █ │
|
||||||
│ 2010-11-01 │ 5689002 │ ██▊ │ 226134 │ █▏ │ 4383 │ █ │
|
│ 2010-11-01 │ 5689002 │ ██▊ │ 226134 │ █▏ │ 4383 │ █ │
|
||||||
│ 2010-12-01 │ 5972642 │ ██▉ │ 245824 │ █▏ │ 4692 │ █▏ │
|
│ 2010-12-01 │ 3642690 │ █▊ │ 196847 │ ▉ │ 3914 │ ▉ │
|
||||||
│ 2011-01-01 │ 6603329 │ ███▎ │ 270025 │ █▎ │ 5141 │ █▎ │
|
│ 2011-01-01 │ 3924540 │ █▉ │ 215057 │ █ │ 4240 │ █ │
|
||||||
│ 2011-02-01 │ 6363114 │ ███▏ │ 277593 │ █▍ │ 5202 │ █▎ │
|
│ 2011-02-01 │ 3859131 │ █▉ │ 223485 │ █ │ 4371 │ █ │
|
||||||
│ 2011-03-01 │ 7556165 │ ███▊ │ 314748 │ █▌ │ 5445 │ █▎ │
|
│ 2011-03-01 │ 2877996 │ █▍ │ 208607 │ █ │ 3870 │ ▉ │
|
||||||
│ 2011-04-01 │ 7571398 │ ███▊ │ 329920 │ █▋ │ 6128 │ █▌ │
|
│ 2011-04-01 │ 3859131 │ █▉ │ 248931 │ █▏ │ 4881 │ █▏ │
|
||||||
│ 2011-05-01 │ 8803949 │ ████▍ │ 365013 │ █▊ │ 6834 │ █▋ │
|
│ 2011-06-01 │ 3859131 │ █▉ │ 267197 │ █▎ │ 5255 │ █▎ │
|
||||||
│ 2011-06-01 │ 9766511 │ ████▉ │ 393945 │ █▉ │ 7519 │ █▉ │
|
│ 2011-08-01 │ 2943405 │ █▍ │ 259428 │ █▎ │ 5806 │ █▍ │
|
||||||
│ 2011-07-01 │ 10557466 │ █████▎ │ 424235 │ ██ │ 8293 │ ██ │
|
│ 2011-10-01 │ 3859131 │ █▉ │ 327342 │ █▋ │ 6958 │ █▋ │
|
||||||
│ 2011-08-01 │ 12316144 │ ██████▏ │ 475326 │ ██▍ │ 9657 │ ██▍ │
|
│ 2011-12-01 │ 3728313 │ █▊ │ 354817 │ █▊ │ 7713 │ █▉ │
|
||||||
│ 2011-09-01 │ 12150412 │ ██████ │ 503142 │ ██▌ │ 10278 │ ██▌ │
|
|
||||||
│ 2011-10-01 │ 13470278 │ ██████▋ │ 548801 │ ██▋ │ 10922 │ ██▋ │
|
|
||||||
│ 2011-11-01 │ 13621533 │ ██████▊ │ 574435 │ ██▊ │ 11572 │ ██▉ │
|
|
||||||
│ 2011-12-01 │ 14509469 │ ███████▎ │ 622849 │ ███ │ 12335 │ ███ │
|
|
||||||
│ 2012-01-01 │ 16350205 │ ████████▏ │ 696110 │ ███▍ │ 14281 │ ███▌ │
|
│ 2012-01-01 │ 16350205 │ ████████▏ │ 696110 │ ███▍ │ 14281 │ ███▌ │
|
||||||
│ 2012-02-01 │ 16015695 │ ████████ │ 722892 │ ███▌ │ 14949 │ ███▋ │
|
│ 2012-02-01 │ 16015695 │ ████████ │ 722892 │ ███▌ │ 14949 │ ███▋ │
|
||||||
│ 2012-03-01 │ 17881943 │ ████████▉ │ 789664 │ ███▉ │ 15795 │ ███▉ │
|
│ 2012-03-01 │ 17881943 │ ████████▉ │ 789664 │ ███▉ │ 15795 │ ███▉ │
|
||||||
@ -426,15 +466,50 @@ This is a substantial query that has to process all 6.74 billion rows, but we st
|
|||||||
│ 2019-07-01 │ 145965083 │ █████████████████████████ │ 6901822 │ █████████████████████████ │ 147802 │ █████████████████████████ │
|
│ 2019-07-01 │ 145965083 │ █████████████████████████ │ 6901822 │ █████████████████████████ │ 147802 │ █████████████████████████ │
|
||||||
│ 2019-08-01 │ 146854393 │ █████████████████████████ │ 6993882 │ █████████████████████████ │ 151888 │ █████████████████████████ │
|
│ 2019-08-01 │ 146854393 │ █████████████████████████ │ 6993882 │ █████████████████████████ │ 151888 │ █████████████████████████ │
|
||||||
│ 2019-09-01 │ 137540219 │ █████████████████████████ │ 7001362 │ █████████████████████████ │ 148839 │ █████████████████████████ │
|
│ 2019-09-01 │ 137540219 │ █████████████████████████ │ 7001362 │ █████████████████████████ │ 148839 │ █████████████████████████ │
|
||||||
│ 2019-10-01 │ 129771456 │ █████████████████████████ │ 6825690 │ █████████████████████████ │ 144453 │ █████████████████████████ │
|
│ 2019-10-01 │ 145909884 │ █████████████████████████ │ 7160126 │ █████████████████████████ │ 152075 │ █████████████████████████ │
|
||||||
│ 2019-11-01 │ 107990259 │ █████████████████████████ │ 6368286 │ █████████████████████████ │ 141768 │ █████████████████████████ │
|
│ 2019-11-01 │ 138512489 │ █████████████████████████ │ 7098723 │ █████████████████████████ │ 164597 │ █████████████████████████ │
|
||||||
│ 2019-12-01 │ 112895934 │ █████████████████████████ │ 6640902 │ █████████████████████████ │ 148277 │ █████████████████████████ │
|
│ 2019-12-01 │ 146012313 │ █████████████████████████ │ 7438261 │ █████████████████████████ │ 166966 │ █████████████████████████ │
|
||||||
│ 2020-01-01 │ 54354879 │ █████████████████████████ │ 4782339 │ ███████████████████████▉ │ 111658 │ █████████████████████████ │
|
│ 2020-01-01 │ 153498208 │ █████████████████████████ │ 7703548 │ █████████████████████████ │ 174390 │ █████████████████████████ │
|
||||||
│ 2020-02-01 │ 22696923 │ ███████████▎ │ 3135175 │ ███████████████▋ │ 79521 │ ███████████████████▉ │
|
│ 2020-02-01 │ 148386817 │ █████████████████████████ │ 7582031 │ █████████████████████████ │ 170257 │ █████████████████████████ │
|
||||||
│ 2020-03-01 │ 3466677 │ █▋ │ 987960 │ ████▉ │ 40901 │ ██████████▏ │
|
│ 2020-03-01 │ 166266315 │ █████████████████████████ │ 8339049 │ █████████████████████████ │ 192460 │ █████████████████████████ │
|
||||||
└──────────────┴───────────┴───────────────────────────┴─────────┴───────────────────────────┴────────────┴───────────────────────────┘
|
│ 2020-04-01 │ 178511581 │ █████████████████████████ │ 8991649 │ █████████████████████████ │ 202334 │ █████████████████████████ │
|
||||||
|
│ 2020-05-01 │ 189993779 │ █████████████████████████ │ 9331358 │ █████████████████████████ │ 217357 │ █████████████████████████ │
|
||||||
|
│ 2020-06-01 │ 187914434 │ █████████████████████████ │ 9085003 │ █████████████████████████ │ 223362 │ █████████████████████████ │
|
||||||
|
│ 2020-07-01 │ 194244994 │ █████████████████████████ │ 9321706 │ █████████████████████████ │ 228222 │ █████████████████████████ │
|
||||||
|
│ 2020-08-01 │ 196099301 │ █████████████████████████ │ 9368408 │ █████████████████████████ │ 230251 │ █████████████████████████ │
|
||||||
|
│ 2020-09-01 │ 182549761 │ █████████████████████████ │ 9271571 │ █████████████████████████ │ 227889 │ █████████████████████████ │
|
||||||
|
│ 2020-10-01 │ 186583890 │ █████████████████████████ │ 9396112 │ █████████████████████████ │ 233715 │ █████████████████████████ │
|
||||||
|
│ 2020-11-01 │ 186083723 │ █████████████████████████ │ 9623053 │ █████████████████████████ │ 234963 │ █████████████████████████ │
|
||||||
|
│ 2020-12-01 │ 191317162 │ █████████████████████████ │ 9898168 │ █████████████████████████ │ 249115 │ █████████████████████████ │
|
||||||
|
│ 2021-01-01 │ 210496207 │ █████████████████████████ │ 10503943 │ █████████████████████████ │ 259805 │ █████████████████████████ │
|
||||||
|
│ 2021-02-01 │ 193510365 │ █████████████████████████ │ 10215033 │ █████████████████████████ │ 253656 │ █████████████████████████ │
|
||||||
|
│ 2021-03-01 │ 207454415 │ █████████████████████████ │ 10365629 │ █████████████████████████ │ 267263 │ █████████████████████████ │
|
||||||
|
│ 2021-04-01 │ 204573086 │ █████████████████████████ │ 10391984 │ █████████████████████████ │ 270543 │ █████████████████████████ │
|
||||||
|
│ 2021-05-01 │ 217655366 │ █████████████████████████ │ 10648130 │ █████████████████████████ │ 288555 │ █████████████████████████ │
|
||||||
|
│ 2021-06-01 │ 208027069 │ █████████████████████████ │ 10397311 │ █████████████████████████ │ 291520 │ █████████████████████████ │
|
||||||
|
│ 2021-07-01 │ 210955954 │ █████████████████████████ │ 10063967 │ █████████████████████████ │ 252061 │ █████████████████████████ │
|
||||||
|
│ 2021-08-01 │ 225681244 │ █████████████████████████ │ 10383556 │ █████████████████████████ │ 254569 │ █████████████████████████ │
|
||||||
|
│ 2021-09-01 │ 220086513 │ █████████████████████████ │ 10298344 │ █████████████████████████ │ 256826 │ █████████████████████████ │
|
||||||
|
│ 2021-10-01 │ 227527379 │ █████████████████████████ │ 10729882 │ █████████████████████████ │ 283328 │ █████████████████████████ │
|
||||||
|
│ 2021-11-01 │ 228289963 │ █████████████████████████ │ 10995197 │ █████████████████████████ │ 302386 │ █████████████████████████ │
|
||||||
|
│ 2021-12-01 │ 235807471 │ █████████████████████████ │ 11312798 │ █████████████████████████ │ 313876 │ █████████████████████████ │
|
||||||
|
│ 2022-01-01 │ 256766679 │ █████████████████████████ │ 12074520 │ █████████████████████████ │ 340407 │ █████████████████████████ │
|
||||||
|
│ 2022-02-01 │ 219927645 │ █████████████████████████ │ 10846045 │ █████████████████████████ │ 293236 │ █████████████████████████ │
|
||||||
|
│ 2022-03-01 │ 236554668 │ █████████████████████████ │ 11330285 │ █████████████████████████ │ 302387 │ █████████████████████████ │
|
||||||
|
│ 2022-04-01 │ 231188077 │ █████████████████████████ │ 11697995 │ █████████████████████████ │ 316303 │ █████████████████████████ │
|
||||||
|
│ 2022-05-01 │ 230492108 │ █████████████████████████ │ 11448584 │ █████████████████████████ │ 323725 │ █████████████████████████ │
|
||||||
|
│ 2022-06-01 │ 218842949 │ █████████████████████████ │ 11400399 │ █████████████████████████ │ 324846 │ █████████████████████████ │
|
||||||
|
│ 2022-07-01 │ 242504279 │ █████████████████████████ │ 12049204 │ █████████████████████████ │ 335621 │ █████████████████████████ │
|
||||||
|
│ 2022-08-01 │ 247215325 │ █████████████████████████ │ 12189276 │ █████████████████████████ │ 337873 │ █████████████████████████ │
|
||||||
|
│ 2022-09-01 │ 234131223 │ █████████████████████████ │ 11674079 │ █████████████████████████ │ 326325 │ █████████████████████████ │
|
||||||
|
│ 2022-10-01 │ 237365072 │ █████████████████████████ │ 11804508 │ █████████████████████████ │ 336063 │ █████████████████████████ │
|
||||||
|
│ 2022-11-01 │ 229478878 │ █████████████████████████ │ 11543020 │ █████████████████████████ │ 323122 │ █████████████████████████ │
|
||||||
|
│ 2022-12-01 │ 238862690 │ █████████████████████████ │ 11967451 │ █████████████████████████ │ 331668 │ █████████████████████████ │
|
||||||
|
│ 2023-01-01 │ 253577512 │ █████████████████████████ │ 12264087 │ █████████████████████████ │ 332711 │ █████████████████████████ │
|
||||||
|
│ 2023-02-01 │ 221285501 │ █████████████████████████ │ 11537091 │ █████████████████████████ │ 317879 │ █████████████████████████ │
|
||||||
|
└──────────────┴───────────┴───────────────────────────┴──────────┴───────────────────────────┴────────────┴───────────────────────────┘
|
||||||
|
|
||||||
172 rows in set. Elapsed: 184.809 sec. Processed 6.74 billion rows, 89.56 GB (36.47 million rows/s., 484.62 MB/s.)
|
203 rows in set. Elapsed: 48.492 sec. Processed 14.69 billion rows, 213.35 GB (302.91 million rows/s., 4.40 GB/s.)
|
||||||
```
|
```
|
||||||
|
|
||||||
10. Here are the top 10 subreddits of 2022:
|
10. Here are the top 10 subreddits of 2022:
|
||||||
@ -450,23 +525,21 @@ ORDER BY count DESC
|
|||||||
LIMIT 10;
|
LIMIT 10;
|
||||||
```
|
```
|
||||||
|
|
||||||
The response is:
|
|
||||||
|
|
||||||
```response
|
```response
|
||||||
┌─subreddit────────┬───count─┐
|
┌─subreddit──────┬────count─┐
|
||||||
│ AskReddit │ 3858203 │
|
│ AskReddit │ 72312060 │
|
||||||
│ politics │ 1356782 │
|
│ AmItheAsshole │ 25323210 │
|
||||||
│ memes │ 1249120 │
|
│ teenagers │ 22355960 │
|
||||||
│ nfl │ 883667 │
|
│ worldnews │ 17797707 │
|
||||||
│ worldnews │ 866065 │
|
│ FreeKarma4U │ 15652274 │
|
||||||
│ teenagers │ 777095 │
|
│ FreeKarma4You │ 14929055 │
|
||||||
│ AmItheAsshole │ 752720 │
|
│ wallstreetbets │ 14235271 │
|
||||||
│ dankmemes │ 657932 │
|
│ politics │ 12511136 │
|
||||||
│ nba │ 514184 │
|
│ memes │ 11610792 │
|
||||||
│ unpopularopinion │ 473649 │
|
│ nba │ 11586571 │
|
||||||
└──────────────────┴─────────┘
|
└────────────────┴──────────┘
|
||||||
|
|
||||||
10 rows in set. Elapsed: 27.824 sec. Processed 6.74 billion rows, 53.26 GB (242.22 million rows/s., 1.91 GB/s.)
|
10 rows in set. Elapsed: 5.956 sec. Processed 14.69 billion rows, 126.19 GB (2.47 billion rows/s., 21.19 GB/s.)
|
||||||
```
|
```
|
||||||
|
|
||||||
11. Let's see which subreddits had the biggest increase in commnents from 2018 to 2019:
|
11. Let's see which subreddits had the biggest increase in commnents from 2018 to 2019:
|
||||||
@ -502,62 +575,62 @@ It looks like memes and teenagers were busy on Reddit in 2019:
|
|||||||
|
|
||||||
```response
|
```response
|
||||||
┌─subreddit────────────┬─────diff─┐
|
┌─subreddit────────────┬─────diff─┐
|
||||||
│ memes │ 15368369 │
|
│ AskReddit │ 18765909 │
|
||||||
│ AskReddit │ 14663662 │
|
│ memes │ 16496996 │
|
||||||
│ teenagers │ 12266991 │
|
│ teenagers │ 13071715 │
|
||||||
│ AmItheAsshole │ 11561538 │
|
│ AmItheAsshole │ 12312663 │
|
||||||
│ dankmemes │ 11305158 │
|
│ dankmemes │ 12016716 │
|
||||||
│ unpopularopinion │ 6332772 │
|
│ unpopularopinion │ 6809935 │
|
||||||
│ PewdiepieSubmissions │ 5930818 │
|
│ PewdiepieSubmissions │ 6330844 │
|
||||||
│ Market76 │ 5014668 │
|
│ Market76 │ 5213690 │
|
||||||
│ relationship_advice │ 3776383 │
|
│ relationship_advice │ 4060717 │
|
||||||
│ freefolk │ 3169236 │
|
│ Minecraft │ 3328659 │
|
||||||
│ Minecraft │ 3160241 │
|
│ freefolk │ 3227970 │
|
||||||
│ classicwow │ 2907056 │
|
│ classicwow │ 3063133 │
|
||||||
│ Animemes │ 2673398 │
|
│ Animemes │ 2866876 │
|
||||||
│ gameofthrones │ 2402835 │
|
│ gonewild │ 2457680 │
|
||||||
│ PublicFreakout │ 2267605 │
|
│ PublicFreakout │ 2452288 │
|
||||||
│ ShitPostCrusaders │ 2207266 │
|
│ gameofthrones │ 2411661 │
|
||||||
│ RoastMe │ 2195715 │
|
│ RoastMe │ 2378781 │
|
||||||
│ gonewild │ 2148649 │
|
│ ShitPostCrusaders │ 2345414 │
|
||||||
│ AnthemTheGame │ 1803818 │
|
│ AnthemTheGame │ 1813152 │
|
||||||
│ entitledparents │ 1706270 │
|
│ nfl │ 1804407 │
|
||||||
│ MortalKombat │ 1679508 │
|
│ Showerthoughts │ 1797968 │
|
||||||
│ Cringetopia │ 1620555 │
|
│ Cringetopia │ 1764034 │
|
||||||
│ pokemon │ 1615266 │
|
│ pokemon │ 1763269 │
|
||||||
│ HistoryMemes │ 1608289 │
|
│ entitledparents │ 1744852 │
|
||||||
│ Brawlstars │ 1574977 │
|
│ HistoryMemes │ 1721645 │
|
||||||
│ iamatotalpieceofshit │ 1558315 │
|
│ MortalKombat │ 1718184 │
|
||||||
│ trashy │ 1518549 │
|
│ trashy │ 1684357 │
|
||||||
│ ChapoTrapHouse │ 1505748 │
|
│ ChapoTrapHouse │ 1675363 │
|
||||||
│ Pikabu │ 1501001 │
|
│ Brawlstars │ 1663763 │
|
||||||
│ Showerthoughts │ 1475101 │
|
│ iamatotalpieceofshit │ 1647381 │
|
||||||
│ cursedcomments │ 1465607 │
|
│ ukpolitics │ 1599204 │
|
||||||
│ ukpolitics │ 1386043 │
|
│ cursedcomments │ 1590781 │
|
||||||
│ wallstreetbets │ 1384431 │
|
│ Pikabu │ 1578597 │
|
||||||
│ interestingasfuck │ 1378900 │
|
│ wallstreetbets │ 1535225 │
|
||||||
│ wholesomememes │ 1353333 │
|
│ AskOuija │ 1533214 │
|
||||||
│ AskOuija │ 1233263 │
|
│ interestingasfuck │ 1528910 │
|
||||||
│ borderlands3 │ 1197192 │
|
│ aww │ 1439008 │
|
||||||
│ aww │ 1168257 │
|
│ wholesomememes │ 1436566 │
|
||||||
│ insanepeoplefacebook │ 1155473 │
|
│ SquaredCircle │ 1432172 │
|
||||||
│ FortniteCompetitive │ 1122778 │
|
│ insanepeoplefacebook │ 1290686 │
|
||||||
│ EpicSeven │ 1117380 │
|
│ borderlands3 │ 1274462 │
|
||||||
│ FreeKarma4U │ 1116423 │
|
│ FreeKarma4U │ 1217769 │
|
||||||
│ YangForPresidentHQ │ 1086700 │
|
│ YangForPresidentHQ │ 1186918 │
|
||||||
│ SquaredCircle │ 1044089 │
|
│ FortniteCompetitive │ 1184508 │
|
||||||
│ MurderedByWords │ 1042511 │
|
│ AskMen │ 1180820 │
|
||||||
│ AskMen │ 1024434 │
|
│ EpicSeven │ 1172061 │
|
||||||
│ thedivision │ 1016634 │
|
│ MurderedByWords │ 1112476 │
|
||||||
│ barstoolsports │ 985032 │
|
│ politics │ 1084087 │
|
||||||
│ nfl │ 978340 │
|
│ barstoolsports │ 1068020 │
|
||||||
│ BattlefieldV │ 971408 │
|
│ BattlefieldV │ 1053878 │
|
||||||
└──────────────────────┴──────────┘
|
└──────────────────────┴──────────┘
|
||||||
|
|
||||||
50 rows in set. Elapsed: 65.954 sec. Processed 13.48 billion rows, 79.67 GB (204.37 million rows/s., 1.21 GB/s.)
|
50 rows in set. Elapsed: 10.680 sec. Processed 29.38 billion rows, 198.67 GB (2.75 billion rows/s., 18.60 GB/s.)
|
||||||
```
|
```
|
||||||
|
|
||||||
12. One more query: let's compare ClickHouse mentions to other technologies like Snowflake and Postgres. This query is a big one because it has to search all the comments three times for a substring, and unfortunately ClickHouse user are obviously not very active on Reddit yet:
|
12. One more query: let's compare ClickHouse mentions to other technologies like Snowflake and Postgres. This query is a big one because it has to search all 14.69 billion comments three times for a substring, but the performance is actually quite impressive. (Unfortunately ClickHouse users are not very active on Reddit yet):
|
||||||
|
|
||||||
```sql
|
```sql
|
||||||
SELECT
|
SELECT
|
||||||
@ -571,7 +644,7 @@ ORDER BY quarter ASC;
|
|||||||
```
|
```
|
||||||
|
|
||||||
```response
|
```response
|
||||||
┌────Quarter─┬─clickhouse─┬─snowflake─┬─postgres─┐
|
┌────quarter─┬─clickhouse─┬─snowflake─┬─postgres─┐
|
||||||
│ 2005-10-01 │ 0 │ 0 │ 0 │
|
│ 2005-10-01 │ 0 │ 0 │ 0 │
|
||||||
│ 2006-01-01 │ 0 │ 2 │ 23 │
|
│ 2006-01-01 │ 0 │ 2 │ 23 │
|
||||||
│ 2006-04-01 │ 0 │ 2 │ 24 │
|
│ 2006-04-01 │ 0 │ 2 │ 24 │
|
||||||
@ -591,12 +664,12 @@ ORDER BY quarter ASC;
|
|||||||
│ 2009-10-01 │ 0 │ 633 │ 589 │
|
│ 2009-10-01 │ 0 │ 633 │ 589 │
|
||||||
│ 2010-01-01 │ 0 │ 555 │ 501 │
|
│ 2010-01-01 │ 0 │ 555 │ 501 │
|
||||||
│ 2010-04-01 │ 0 │ 587 │ 469 │
|
│ 2010-04-01 │ 0 │ 587 │ 469 │
|
||||||
│ 2010-07-01 │ 0 │ 770 │ 821 │
|
│ 2010-07-01 │ 0 │ 601 │ 696 │
|
||||||
│ 2010-10-01 │ 0 │ 1480 │ 550 │
|
│ 2010-10-01 │ 0 │ 1246 │ 505 │
|
||||||
│ 2011-01-01 │ 0 │ 1482 │ 568 │
|
│ 2011-01-01 │ 0 │ 758 │ 247 │
|
||||||
│ 2011-04-01 │ 0 │ 1558 │ 406 │
|
│ 2011-04-01 │ 0 │ 537 │ 113 │
|
||||||
│ 2011-07-01 │ 0 │ 2163 │ 628 │
|
│ 2011-07-01 │ 0 │ 173 │ 64 │
|
||||||
│ 2011-10-01 │ 0 │ 4064 │ 566 │
|
│ 2011-10-01 │ 0 │ 649 │ 96 │
|
||||||
│ 2012-01-01 │ 0 │ 4621 │ 662 │
|
│ 2012-01-01 │ 0 │ 4621 │ 662 │
|
||||||
│ 2012-04-01 │ 0 │ 5737 │ 785 │
|
│ 2012-04-01 │ 0 │ 5737 │ 785 │
|
||||||
│ 2012-07-01 │ 0 │ 6097 │ 1127 │
|
│ 2012-07-01 │ 0 │ 6097 │ 1127 │
|
||||||
@ -628,9 +701,21 @@ ORDER BY quarter ASC;
|
|||||||
│ 2019-01-01 │ 14 │ 80250 │ 4305 │
|
│ 2019-01-01 │ 14 │ 80250 │ 4305 │
|
||||||
│ 2019-04-01 │ 30 │ 70307 │ 3872 │
|
│ 2019-04-01 │ 30 │ 70307 │ 3872 │
|
||||||
│ 2019-07-01 │ 33 │ 77149 │ 4164 │
|
│ 2019-07-01 │ 33 │ 77149 │ 4164 │
|
||||||
│ 2019-10-01 │ 13 │ 76746 │ 3541 │
|
│ 2019-10-01 │ 22 │ 113011 │ 4369 │
|
||||||
│ 2020-01-01 │ 16 │ 54475 │ 846 │
|
│ 2020-01-01 │ 34 │ 238273 │ 5133 │
|
||||||
|
│ 2020-04-01 │ 52 │ 454467 │ 6100 │
|
||||||
|
│ 2020-07-01 │ 37 │ 406623 │ 5507 │
|
||||||
|
│ 2020-10-01 │ 49 │ 212143 │ 5385 │
|
||||||
|
│ 2021-01-01 │ 56 │ 151262 │ 5749 │
|
||||||
|
│ 2021-04-01 │ 71 │ 119928 │ 6039 │
|
||||||
|
│ 2021-07-01 │ 53 │ 110342 │ 5765 │
|
||||||
|
│ 2021-10-01 │ 92 │ 121144 │ 6401 │
|
||||||
|
│ 2022-01-01 │ 93 │ 107512 │ 6772 │
|
||||||
|
│ 2022-04-01 │ 120 │ 91560 │ 6687 │
|
||||||
|
│ 2022-07-01 │ 183 │ 99764 │ 7377 │
|
||||||
|
│ 2022-10-01 │ 123 │ 99447 │ 7052 │
|
||||||
|
│ 2023-01-01 │ 126 │ 58733 │ 4891 │
|
||||||
└────────────┴────────────┴───────────┴──────────┘
|
└────────────┴────────────┴───────────┴──────────┘
|
||||||
|
|
||||||
58 rows in set. Elapsed: 2663.751 sec. Processed 6.74 billion rows, 1.21 TB (2.53 million rows/s., 454.37 MB/s.)
|
70 rows in set. Elapsed: 325.835 sec. Processed 14.69 billion rows, 2.57 TB (45.08 million rows/s., 7.87 GB/s.)
|
||||||
```
|
```
|
Loading…
Reference in New Issue
Block a user