在DB-Engines的排名不高，ClickHouse還值得關注嗎？

我："老大，最近ClickHouse很火啊，咱不試試嗎？？"

中台架構師："哦？ CK嗎？ 那是個啥玩意呀？？"

我："是CH！！一款OLAP資料庫！！"

中台架構師："是資料庫啊！！DB-Engines排名多少？？ "

我："。。。。。。"

上述又是我的一段親身經曆。

最近有朋友問我："你是基于什麼根據，如何判斷出ClickHouse要火的呢？"

我回答道："其實很簡單啊，你看看周邊的人，都是在怎麼學ClickHouse，不就明白了嗎？"

接着，我拿出手機，給他看了下面這張照片。

"你看，人家妹子在地鐵上，還在堅持學習ClickHouse！！！ 你再不學，就要落伍了！！！"

我的朋友在看過這張照片之後，意味深長的點了點頭。

在搞定了我的朋友之後，現在言歸正傳，聊一聊排行榜的問題。

在我們的生活中，排行榜可謂是無處不在，因為人的天性就喜歡比較，而排行榜則是一個最為簡單易用的比較工具。

有句笑談不是這麼說的嘛： "什麼是幸福感？ 幸福感就是經過比較以後，發現你比别人過的好"

玩笑歸玩笑，排行比較确實是有用處的，比如：

使用比較之前

中台架構師："我來介紹一下，這位新招的架構師非常厲害，他對中台的了解已經深入骨髓"

我："茫然，一臉不屑"

使用比較之後

中台架構師："我來介紹一下，這位新招的架構師非常厲害，阿裡P15，全球排名前10，他對中台的了解已經深入骨髓"

我："震驚，一臉崇拜"

你看，通過橫向比較，無需使用多餘的介紹，就能有效的傳遞資訊。同時，還容易使他人産生共鳴，做出預期的判斷。

是以在營銷領域，産品排名是一個非常重要的名額，毫不誇張的說它能關乎到一款産品的生死。越是靠前的排名，使用者使用你的幾率就越大；而使用的使用者越多，在産品靠譜的情況下，又能反哺排名進而形成一個良性循環。

而對于釋出排行的平台而言，平台的公信力越高，排名的背書能力也就随之越大，對于同一類型的産品，使用者更傾向選擇排名靠前的。

是以現在我們身邊，能看到各種榜單，電商平台的最暢銷XXX TOP10、歌曲榜單TOP 10、電視劇TOP 10，數不勝數。

這些榜單潛移默化的影響着我們的選擇行為。

鋪墊了那麼多，現在該聊到DB-Engines排名了吧？

什麼是DB-Engines排名呢？DB-Engines排名就是一個資料庫領域的流行度榜單，它對全球範圍内的300多款資料庫進行了排名，榜單排名每月更新一次。如果某個資料庫的排名越靠前，則表示它越流行。

是以在很多技術選型的場合，都會引用DB-Engines的排名資料，用于論證技術的成熟度和流行度。

既然如此，那我們看看ClickHouse在DB-Engines的榜單排名：

截止到2020年1月

按所有類型統計，在350款資料庫中，排名78，較上一個月上升108位

按關系模型統計，在139款關系型資料庫中，排名41，較上一個月上升52位

再看看按所有類型統計的TOP 10，看完以後心裡拔涼拔涼的，試想如果你是一位決策者，在看到這樣的榜單對比後，還會選擇ClickHouse嗎？ 不論推薦者說的如何天花亂墜，你估計早已索然無味了吧！！

這也是為何在開篇，我會被中台架構師怼的無言以對。

然而，作為一個擁有ClickHouse信仰貼紙的鬥士，我當然不會就此輕易的放棄。

既然是排行榜單，總得有個排名依據吧？咱得講道理呀？是以，接下來就看看DB-Engines的排名規則。

雖然DB-Engines在它的官網上并沒有公布排名打分算法，但還是列舉了算法使用到的一些參數次元，以及參數的資料來源，它們分别是：

• 在網站被提及的次數

  分别在Google、Bing和Yandex進行搜尋，以搜尋引擎中的結果數作為衡量依據。例如查詢"ClickHouse database"，記錄找到的結果數量。

• 在網際網路的普遍興趣

  以Google Trends趨勢中的搜尋頻率作為衡量依據。

• 在技術社群被讨論的頻率

  分别在Stack Overflow 和 DBA Stack Exchange網站進行統計，以技術社群中 Q&A 提問和回答數量作為衡量依據。

• 在招聘崗位資訊被提及的次數

  分别在 Indeed 和 Simply Hired網站進行統計，作為衡量依據。

• 在職場社交作為使用者資料被提及的次數

  分别在LinkedIn 和 Upwork統計作為使用者資料被提及的數量，作為衡量依據。

• 在社交網絡被提及的次數

  在Twitter統計相關推文的數量，作為衡量依據。

在看過這些規則依據和它們的資料來源之後，不知各位看官有何感覺？

由于不知道參數的權重，我且當它們的權重差不多了，我有這麼幾點感受:

• 對中國市場極不友好

  這些次元參數的資料來源，基本排除了來自中國市場的資料，"你說啥？ Twitter？ 沒聽過呢！！！"

• 缺少開源、資料分析等細分領域排名​

  同場競技，定位越細分，排名越吃虧。如果資料庫是個多面手，很多領域都能使用，那麼自然擁有更高的使用者基數。一旦使用者基數高了，相關的名額資料自然也就高了。

我常用買保險來舉例這種現象，保險産品有很多形式劃分：

最常見一種叫複合保險，就是你隻用買這一種保險，它已經包含了常見的重疾、住院醫療甚至壽險，十分友善；

與複合險相對的是單一險種，你買重疾險就隻有重疾的内容、你買壽險就隻有壽險的内容。

買哪一種形式的保險，完全取決于你的訴求。如果求省事，你可以買中庸的複合險；但如果你是一個追求極緻，要求最劃算，杠杆比最大化的人，你很可能會單獨的購買每一種類型，組合使用。因為它們相比複合險，往往擁有更便宜的價格和更高的保額。

類比到資料庫，那就是在某一方面擁有極緻性能的資料庫，通常都不是多面手。選擇使用哪種資料庫，需要取決你的場景。

• 曆史越久，優勢越大

  曆史越悠久，面世時間越早的資料庫擁有更多的使用者基礎，且由于種種原因（曆史包袱等），由于切換使用新技術的成本問題，這些使用者會繼續選擇使用這些資料庫。

• 資料管道不夠全面

  假設一下，如果在Stack Overflow提問的數量多，你覺得可能是什麼原因？

流行度高，使用的人多自然是一種原因。但是還有一種可能，是這個資料庫的周邊配套太差了。由于文檔不全、社群不活躍，導緻在産品官網找不到解決途徑，在社群提問也無人響應，那麼隻有求助于Stack Overflow這類管道了。

而這項打分并沒有将社群的主流溝通路徑納入在内。

即便規則對ClickHouse如此不利，DB-Engines排名依然側面顯示出了它的迅猛的發展态勢：

是以說，對于排行榜而言，不可不信也不可盡信，大家需要有自己的主觀判斷，不能隻看一個排行數字。