夜雨聆风数据量在增长，业务在跑起来，ClickHouse 集群迟早要扩容。那什么时候该加服务器？加了服务器怎么加才不花冤枉钱？
一、扩容之前，先搞清楚瓶颈在哪
加服务器之前，有一件事值得花一周做：搞清楚你的集群到底卡在哪。
有团队一上来就加分片，结果瓶颈其实在读取端，加了等于白加；也见过有团队先加了三台副本，读性能立刻翻倍，问题解决了。区别就在于——扩容之前有没有搞清楚瓶颈是读、写还是存。
具体怎么做？答案是：先花一周做基线校准——把读写分开、打开批量写入、换对表引擎、装上监控。这四件事不花买服务器的钱，但能让现有的服务器发挥出最大实力。第四节会详细说明每一步怎么做。
做完基线校准后，跑 1-2 周监控，就能看清瓶颈在哪——是 CPU 打满了（写入瓶颈）、是查询慢但副本很闲（读取瓶颈）、还是硬盘快满了（存储瓶颈）。不同的瓶颈对应不同的扩容策略，下一节的大厂案例和后面的路线图会一一说明。
二、看看大厂们怎么配服务器？——5 家公司的真实案例
Cloudflare：全球顶尖水平
• 用了快 10 年 ClickHouse，最大集群 超过 100 台服务器 • 每秒钟处理 数亿条事件数据 • 设计理念：每台服务器都能独立干活，尽量减少"中央指挥" • 2026 年刚修复了一个查询调度 bug，在特定查询场景下显著降低了延迟
小白解读：这是一家做网络安全的公司，每天要分析全球海量访问日志。他们的配置就是"大力出奇迹"——服务器多、数据量大，但管理得很聪明。
字节跳动：自己改装发动机
• 自己研发了改进版的数据引擎，还用上了另一种成熟的数据库技术做辅助 • 效果惊人：服务器坏了恢复时间从 1-2 小时缩短到 3 分钟 • 开源了自研的 ByConity 架构，存储和读取速度均有显著提升
小白解读：就像普通车改装成赛车，字节对 ClickHouse 做了深度改造。一般团队学不来，但说明这条路的上限很高。
携程：10 台服务器扛 700 亿行数据
• 只用 10 台物理机，撑起了 700 亿行 数据 • 自己在应用层做"交通指挥"，不用 ClickHouse 自带的分布式引擎 • 60% 的查询能直接命中缓存，不用每次都翻硬盘
小白解读：这是最值得中小团队学的案例。携程没有狂堆服务器，而是把每台服务器的潜力榨干——就像装修房子，不是买更大的房，而是把现有空间利用到极致。
滴滴：走"非主流"路线的日志系统
• 300 多台服务器，但只用单份数据（不设副本） • 用压缩技术 + 另一个存储系统做长期归档 • 接受"偶尔丢一点数据没关系"——因为只是日志，不是订单
小白解读：这是一个"反常识"的案例。通常我们都觉得数据要有备份，但滴滴算了一笔账：日志数据量太大，做备份太贵；丢一点不影响业务，不如把钱省下来。这叫"用业务特点决定技术方案"。
京东（京喜达）：中等规模的"标准答案"（据公开技术分享）
• 6 组分片 × 2 份副本 = 12 台服务器，每台 32 核 128G 内存 • 据分享数据，每天新增约 3000 万条数据，双 11 高峰每秒处理 93 个查询，CPU 占用 60%
小白解读：如果你的公司是个中等规模的 SaaS 企业，这个配置差不多就是"毕业配置"——不是最小起步，也不是顶级豪华，而是"够用且有余量"。
5 家配置一览表
一个关键洞察：服务器数量不重要，"分片数"才是命门
对比这 5 家公司，我发现一个常被忽略的真相：
• 携程只有 10 台服务器，但"分片"分得够细，所以能扛 700 亿行 • 滴滴 300 多台服务器，全用单副本意味着 300 个分片都能存数据，存的数据量远超同等服务器做 3 份备份（只能有 100 个分片），代价是牺牲了冗余 • 京东 12 台服务器，关键是分成了 6 个分片——意味着写入时可以 6 路并行，速度是单分片的 6 倍
服务器数量是"看起来多壮观"，分片数才是"实际能扛多少活"。 这个区别在你跟老板申请预算时非常重要——花钱要买"分片能力"，不是买"服务器数量"。
一句话总结：ClickHouse 的扩容没有标准答案，但有适合你的答案。携程 10 台扛 700 亿行，靠的是分片分得精；滴滴 300 台敢用单副本，靠的是业务允许取舍。关键不是抄谁的作业，是搞清楚自己的业务需要什么。
三、用云厂商还是自己搭？这笔账怎么算
看完大厂的案例，回到一个接地气的问题：用云厂商的托管服务（比如华为云 MRS），还是自己下载开源 ClickHouse 自己搭？
3.1 云厂商到底"包"了什么
以华为云 MRS 为例，它对开源 ClickHouse 做了 13 项增强。最值钱的 5 个：
1. 自动路由层：帮你做好了"流量往哪台服务器导"，开源版你得自己搭 2. 可视化运维面板：70 多个监控指标，点鼠标就能看，不用写脚本 3. 数据迁移工具：扩容要搬数据时，不用手写迁移脚本，拖拖拽拽就能做 4. 多租户管理：不同业务可以设不同的"内存使用上限"，热修改不用重启 5. 滚动升级：一台一台升级，业务不中断
云厂商把 ClickHouse 从"手动挡老吉普"改成了"自动挡 SUV"。你不需要会修车，踩油门就能走。
3.2 但有个坑：底层用的还是"老技术"
这是云厂商暂时解决不了的：
• MRS 目前（截至文章撰写时）底层协调器还是用 ZooKeeper • 开源社区主流已经换成了 ClickHouse 自研的 Keeper，内存占用最多能少 46 倍 • 有公司换了之后，CPU 和内存开销直接省了 75% 以上
云厂商为了稳定性，更新会慢一拍。如果你追求最新技术红利，云厂商可能给不了。
3.3 钱到底怎么算
云厂商总费用 = 服务费（含在 License 里）+ 服务器费（另算）
很多公司说"我们已经买了 License"，但要搞清楚：
• License 通常只覆盖服务费 • 服务器、硬盘、带宽 都是另外按小时或包年付费的 • 中等规模（6-12 台服务器），服务器、硬盘、带宽的硬件费用往往远超 License 本身
自己搭开源版的账：
• 同等服务器数的纯租用费：省下云厂商的服务费 • 但需要 0.5-1 个专职运维（月薪约 2 万元） • 结论：中小规模自己搭反而更贵——除非这个运维能同时管多个系统，摊薄成本
3.4 决策对照表
以下仅供参考，实际决策还需结合团队运维能力、数据敏感性、SLA 要求等因素综合判断。
3.5 第三条路：混合架构
很多中型公司其实是"脚踩两只船"：
• 核心生产业务用云厂商（吃满 License、要稳定性保障） • 测试和开发环境用开源自建（接触前沿、省钱） • 长期看存算分离方案（弹性伸缩，用多少付多少）
一句话总结："已经买了 License"是沉没成本——重点不是"该不该用满"，而是"用满之后还差什么，差的这部分有没有更便宜的替代方案"。
四、扩容路线模型：五个阶段，循序渐进
Phase 0：扩容前的基线校准
这一步不是"劝你不加服务器"，而是"加服务器之前先把基线拉齐"。就像盖楼之前要打地基——地基不牢，后面盖得越高越容易歪。做好这一步，你后续每一台新加的服务器都能发挥最大价值。
具体动作和收益：
什么时候进入下一阶段：跑 1-2 周监控后，如果主服务器 CPU 还是长期超过 70%、硬盘剩余不到 40%，说明软件红利吃完了，该加服务器了。
Phase 1：加副本（1-3 个月，成本增加约 50%）
目标：从 2 个副本升级到 3 个副本，提高读取能力和数据安全性。
适合什么情况：写入指标正常（CPU 没打满、合并队列正常、硬盘充足），但查询偏慢或需要高可用保障——说明瓶颈在读端，加副本能分担读压力。
收益：配合读负载均衡，读的速度可以翻倍，同时系统从"能用"变成"一台坏了另一台还能顶上"。
Phase 2：加分片（3-6 个月，成本增加 50%-100%）
目标：从"一个小组干活"变成"多个小组并行干活"，写入速度和存储容量同时翻倍。
关键问题：什么时候必须从"加副本"转向"加分片"？
出现以下任何一个信号，说明"加副本"已经救不了你了：
难度提醒：加分片比加副本难得多——数据要重新分布，可能需要停服或接受一段时间的写入降级。就像装修要把家具全部搬出去，工程量大。
Phase 3：冷热分层（6-12 个月，硬盘成本降低 50%-90%）
目标：把"老数据"搬到便宜的对象存储里，本地硬盘只留最近 30 天的热数据。
具体做法：给数据表设置"生命周期规则"——比如 30 天前的数据自动转到对象存储，1 年前的数据直接删除。
经济性对比：
• 本地高速硬盘：约 0.7-2 元/GB/月 • 对象存储（华为云 OBS / 阿里云 OSS / AWS S3）：约 0.15 元/GB/月，远低于本地硬盘——实际案例中，小红书存储成本降低 58%，部分场景降幅可达 90%
像你家衣柜，常穿的衣服挂在外面，换季的衣服收进床底储物箱。ClickHouse 也能这样——最近常用的数据放"贵但快"的本地硬盘，老数据放"便宜但慢"的对象存储。查询老数据会慢一点，但成本大幅下降。
Phase 4：评估存算分离（12-24 个月）
触发条件：每天写入超过 10 亿条，或者单张表超过 100TB，或者数据量每年涨 50% 以上。
• 轻量方案：开源 ClickHouse + 对象存储做磁盘 + 多个读集群 • 中量方案：开源的 ByConity 架构，适合 K8s 环境 • 重量方案：ClickHouse 官方云服务，完全托管，不用自己运维
"存算分离"就是把"存数据的仓库"和"算数据的工人"分开。工人（计算资源）可以按需增减，仓库（存储资源）一直放在那儿。高峰期多招几个工人，低谷期减少工人，弹性更强。
路线图总览
一张"病症诊断表"
一句话总结：扩容不是一锤子买卖，是循序渐进的过程。每个阶段解决一类问题，花钱有节奏、风险可控。
五、写在最后：扩容不可怕，怕的是加错了
回头看这五个阶段，你会发现一条清晰的逻辑线：
• 瓶颈在读 → 加副本，读负载一分就通 • 瓶颈在写 → 加分片，写入能力线性增长 • 瓶颈在存 → 冷热分层，老数据搬到便宜的地方 • 瓶颈在弹性 → 存算分离，要多少算力开多少
每种瓶颈对应一种扩容策略，不存在万能解。携程 10 台服务器扛 700 亿行，靠的是分片分得巧；滴滴 300 台敢用单副本，靠的是业务允许丢日志；京东 12 台刚好够用，靠的是配置调到 60% 不浪费也不紧张。
扩容最大的敌人不是预算，是盲目。见过最多的失败模式是：团队跳过基线校准，一上来就加分片，结果数据迁移停服三天，上线发现瓶颈在查询端。也见过最聪明的做法：先花一周做好监控和读写路由，看清楚瓶颈在写入，然后精准加了两组分片，当天搞定。
ClickHouse 的扩容说到底就一句话——加对地方比加得多更重要。先看清瓶颈，再选对阶段，逐步推进。每次扩容都让系统上一个台阶，而不是把同样的钱花两遍。
参考资料
大厂实战博客
• Cloudflare uses ClickHouse to scale analytics at quadrillion-row scale[1] • Cloudflare: ClickHouse query plan contention bug fix (2026/03)[2] • 字节跳动 ByteHouse 云原生之路[3] • 万字长文：ClickHouse 在京喜达实时数据的探索与实践[4]
ClickHouse Keeper
• Why is ClickHouse Keeper recommended over ZooKeeper[5] • Bonree replaces ZooKeeper with ClickHouse Keeper[6]
华为云 MRS 文档
• 华为云 FusionInsight MRS ClickHouse 增强特性介绍[7] • 集群内 ClickHouseServer 节点间数据迁移[8] • 华为云 MRS 定价说明[9]
存算分离方案
• Introducing Warehouses: Compute-compute separation[10] • ByConity GitHub[11]
引用链接
[1] Cloudflare uses ClickHouse to scale analytics at quadrillion-row scale: https://clickhouse.com/blog/cloudflare[2] Cloudflare: ClickHouse query plan contention bug fix (2026/03): https://blog.cloudflare.com/clickhouse-query-plan-contention/[3] 字节跳动 ByteHouse 云原生之路: https://aws.amazon.com/cn/blogs/china/bytehouse-road-to-cloud-native-separation-of-computing-and-storage-and-performance-optimization/[4] 万字长文：ClickHouse 在京喜达实时数据的探索与实践: https://testerhome.com/topics/36578[5] Why is ClickHouse Keeper recommended over ZooKeeper: https://clickhouse.com/docs/knowledgebase/why_recommend_clickhouse_keeper_over_zookeeper[6] Bonree replaces ZooKeeper with ClickHouse Keeper: https://clickhouse.com/blog/bonree-replaces-zookeeper-with-clickhouse-keeper-for-drastically-improved-performance-and-reduced-costs[7] 华为云 FusionInsight MRS ClickHouse 增强特性介绍: https://www.cnblogs.com/huaweicloud/p/16037987.html[8] 集群内 ClickHouseServer 节点间数据迁移: https://support.huaweicloud.com/cmpntguide-mrs/mrs_01_24198.html[9] 华为云 MRS 定价说明: https://www.huaweicloud.com/zhishi/price-mrs.html[10] Introducing Warehouses: Compute-compute separation: https://clickhouse.com/blog/introducing-warehouses-compute-compute-separation-in-clickhouse-cloud[11] ByConity GitHub: https://github.com/ByConity/ByConity
