作为一款高性能的 OLAP 数据库，ClickHouse 被用于多种应用场景，包括
时间序列(time series)数据的实时分析。其多样化的应用场景推动了大量
分析函数的发展，这些函数有助于查询大多数类型的数据。这些查询特性加上高压缩率使得越来越多的用户开始利用 ClickHouse 来存储可观测性数据。这类数据通常以三种常见形式存在：
日志(logs)、
指标(metrics) 和
跟踪(traces) 记录。在这系列的博客文章中，我们将探讨如何收集、最优地存储、查询以及可视化这些
“支柱(pillars)”。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
