ClickHouse Managed Postgres 快速入门

Beta

ClickHouse Managed Postgres 是企业级 Postgres 服务，以 NVMe 存储为底层支撑，与 EBS 等网络附加存储相比，针对磁盘密集型工作负载可提供高达 10 倍的性能提升。本快速入门分为两个部分：

第 1 部分： 上手 NVMe Postgres，体验其性能
第 2 部分： 通过与 ClickHouse 集成，实现实时分析

ClickHouse Managed Postgres 目前已在 AWS 的多个区域上线，当前处于 Public Beta 阶段。

在本快速入门中，您将：

创建一个具备 NVMe 加速性能的 ClickHouse Managed Postgres 实例
加载 100 万条样本事件，直观感受 NVMe 速度
运行查询，体验低延迟性能
将数据复制到 ClickHouse 进行实时分析
使用 pg_clickhouse 直接从 Postgres 查询 ClickHouse

Part 1：NVMe Postgres 入门

创建数据库

要创建新的 ClickHouse Managed Postgres service，请在 Cloud Console 的服务列表中点击 New service 按钮，然后即可选择 Postgres 作为数据库类型。

为您的数据库实例输入名称，然后点击 Create service。您将跳转至概览页面。

您的 ClickHouse Managed Postgres 实例将在 3 至 5 分钟内完成配置并可投入使用。

连接到您的数据库

在左侧边栏中，您将看到一个 Connect 按钮。点击该按钮，即可查看您的连接详情以及多种格式的连接字符串。

复制 psql 连接字符串并连接到您的数据库。您也可以使用任何兼容 Postgres 的客户端 (如 DBeaver) 或任何应用程序库。

体验 NVMe 性能

下面来实际感受一下 NVMe 带来的性能提升。首先，在 psql 中启用计时功能，以测量查询执行时间：

创建两个示例表，分别用于事件和用户：

CREATE TABLE events (
   event_id SERIAL PRIMARY KEY,
   event_name VARCHAR(255) NOT NULL,
   event_type VARCHAR(100),
   event_timestamp TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
   event_data JSONB,
   user_id INT,
   user_ip INET,
   is_active BOOLEAN DEFAULT TRUE,
   created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
   updated_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE users (
   user_id SERIAL PRIMARY KEY,
   name VARCHAR(100),
   country VARCHAR(50),
   platform VARCHAR(50)
);

现在，插入 100 万条事件，看看 NVMe 的速度：

INSERT INTO events (event_name, event_type, event_timestamp, event_data, user_id, user_ip)
SELECT
   'Event ' || gs::text AS event_name,
   CASE
       WHEN random() < 0.5 THEN 'click'
       WHEN random() < 0.75 THEN 'view'
       WHEN random() < 0.9 THEN 'purchase'
       WHEN random() < 0.98 THEN 'signup'
       ELSE 'logout'
   END AS event_type,
   NOW() - INTERVAL '1 day' * (gs % 365) AS event_timestamp,
   jsonb_build_object('key', 'value' || gs::text, 'additional_info', 'info_' || (gs % 100)::text) AS event_data,
   GREATEST(1, LEAST(1000, FLOOR(POWER(random(), 2) * 1000) + 1)) AS user_id,
   ('192.168.1.' || ((gs % 254) + 1))::inet AS user_ip
FROM
   generate_series(1, 1000000) gs;

INSERT 0 1000000
Time: 3596.542 ms (00:03.597)

插入 1,000 个用户：

INSERT INTO users (name, country, platform)
SELECT
    first_names[first_idx] || ' ' || last_names[last_idx] AS name,
    CASE
        WHEN random() < 0.25 THEN 'India'
        WHEN random() < 0.5 THEN 'USA'
        WHEN random() < 0.7 THEN 'Germany'
        WHEN random() < 0.85 THEN 'China'
        ELSE 'Other'
    END AS country,
    CASE
        WHEN random() < 0.2 THEN 'iOS'
        WHEN random() < 0.4 THEN 'Android'
        WHEN random() < 0.6 THEN 'Web'
        WHEN random() < 0.75 THEN 'Windows'
        WHEN random() < 0.9 THEN 'MacOS'
        ELSE 'Linux'
    END AS platform
FROM
    generate_series(1, 1000) AS seq
    CROSS JOIN LATERAL (
        SELECT
            array['Alice', 'Bob', 'Charlie', 'Diana', 'Eve', 'Frank', 'Grace', 'Hank', 'Ivy', 'Jack', 'Liam', 'Olivia', 'Noah', 'Emma', 'Sophia', 'Benjamin', 'Isabella', 'Lucas', 'Mia', 'Amelia', 'Aarav', 'Riya', 'Arjun', 'Ananya', 'Wei', 'Li', 'Huan', 'Mei', 'Hans', 'Klaus', 'Greta', 'Sofia'] AS first_names,
            array['Smith', 'Johnson', 'Williams', 'Brown', 'Jones', 'Garcia', 'Miller', 'Davis', 'Martinez', 'Taylor', 'Anderson', 'Thomas', 'Jackson', 'White', 'Harris', 'Martin', 'Thompson', 'Moore', 'Lee', 'Perez', 'Sharma', 'Patel', 'Gupta', 'Reddy', 'Zhang', 'Wang', 'Chen', 'Liu', 'Schmidt', 'Müller', 'Weber', 'Fischer'] AS last_names,
            1 + (seq % 32) AS first_idx,
            1 + ((seq / 32)::int % 32) AS last_idx
    ) AS names;

运行数据查询

现在我们来运行一些查询，看看采用 NVMe 存储的 Postgres 响应有多快。

按类型聚合 100 万条事件：

SELECT event_type, COUNT(*) as count 
FROM events 
GROUP BY event_type 
ORDER BY count DESC;

 event_type | count  
------------+--------
 click      | 499523
 view       | 375644
 purchase   | 112473
 signup     |  12117
 logout     |    243
(5 rows)

Time: 114.883 ms

使用 JSONB 过滤器和日期范围进行查询：

SELECT COUNT(*) 
FROM events 
WHERE event_timestamp > NOW() - INTERVAL '30 days'
  AND event_data->>'additional_info' LIKE 'info_5%';

 count 
-------
  9042
(1 row)

Time: 109.294 ms

将事件与用户进行关联：

SELECT u.country, COUNT(*) as events, AVG(LENGTH(e.event_data::text))::int as avg_json_size
FROM events e
JOIN users u ON e.user_id = u.user_id
GROUP BY u.country
ORDER BY events DESC;

 country | events | avg_json_size 
---------+--------+---------------
 USA     | 383748 |            52
 India   | 255990 |            52
 Germany | 223781 |            52
 China   | 127754 |            52
 Other   |   8727 |            52
(5 rows)

Time: 224.670 ms

第二部分：使用 ClickHouse 添加实时分析功能

Postgres 擅长处理事务性工作负载 (OLTP) ，而 ClickHouse 则专为大规模数据集上的分析查询 (OLAP) 而生。将两者结合，即可兼得两者之长：

Postgres 用于存储应用程序的事务性数据 (插入、更新、点查)
ClickHouse 用于对数十亿行数据进行亚秒级分析

本节介绍如何将 Postgres 数据复制到 ClickHouse 并进行无缝查询。

设置 ClickHouse 集成

现在 Postgres 中已有表和数据，接下来将这些表复制到 ClickHouse 以进行分析。首先点击侧边栏中的 Sync to ClickHouse，然后点击 Replicate data in ClickHouse。

在接下来的表单中，您可以为集成输入名称，并选择一个现有的 ClickHouse 实例作为复制目标。如果您尚未拥有 ClickHouse 实例，可以直接在此表单中创建一个。

点击 Next，进入表选择器。在此，您只需：

选择要复制到的 ClickHouse 数据库。
展开 public schema，并选择我们之前创建的 users 和 events 表。
点击 将数据复制到 ClickHouse。

复制过程将随即启动，您将被跳转至集成概览页面。由于这是首次集成，初始基础设施的配置可能需要 2 到 3 分钟。在此期间，我们来了解一下新的 pg_clickhouse 扩展。

从 Postgres 查询 ClickHouse

pg_clickhouse 扩展允许您直接在 Postgres 中使用标准 SQL 查询 ClickHouse 数据。这意味着您的应用程序可以将 Postgres 作为统一的查询层，同时处理事务性数据和分析性数据。详情请参阅完整文档。

启用该扩展：

CREATE EXTENSION pg_clickhouse;

然后，创建一个连接到 ClickHouse 的外部服务器连接。使用 http 驱动程序，并通过端口 8443 建立安全连接：

CREATE SERVER ch FOREIGN DATA WRAPPER clickhouse_fdw
       OPTIONS(driver 'http', host '<clickhouse_cloud_host>', dbname '<database_name>', port '8443');

将 <clickhouse_cloud_host> 替换为您的 ClickHouse 主机名，将 <database_name> 替换为您在复制设置过程中选择的数据库。您可以在 ClickHouse 服务中点击侧边栏中的 Connect 来找到主机名。

现在，将 Postgres 用户映射到 ClickHouse 服务的凭据：

CREATE USER MAPPING FOR CURRENT_USER SERVER ch 
OPTIONS (user 'default', password '<clickhouse_password>');

现在将 ClickHouse 表导入到 Postgres schema 中：

CREATE SCHEMA organization;
IMPORT FOREIGN SCHEMA "<database_name>" FROM SERVER ch INTO organization;

将 <database_name> 替换为创建服务器时所使用的数据库名称。

现在，您可以在 Postgres 客户端中查看所有 ClickHouse 表：

实际体验数据分析功能

返回集成页面查看状态。此时初始复制应已完成。点击集成名称可查看详细信息。

点击服务名称，打开 ClickHouse 控制台，查看您的复制表。

ClickHouse 中的 ClickHouse Managed Postgres 复制表

比较 Postgres 与 ClickHouse 的性能

现在，让我们运行一些分析查询，比较 Postgres 与 ClickHouse 之间的性能差异。请注意，复制表采用 public_<table_name> 的命名规范。

查询 1：按活跃度排名的用户

此查询使用多个聚合来找出最活跃的用户：

-- Via ClickHouse
SELECT 
    user_id,
    COUNT(*) as total_events,
    COUNT(DISTINCT event_type) as unique_event_types,
    SUM(CASE WHEN event_type = 'purchase' THEN 1 ELSE 0 END) as purchases,
    MIN(event_timestamp) as first_event,
    MAX(event_timestamp) as last_event
FROM organization.public_events
GROUP BY user_id
ORDER BY total_events DESC
LIMIT 10;

 user_id | total_events | unique_event_types | purchases |        first_event         |         last_event         
---------+--------------+--------------------+-----------+----------------------------+----------------------------
       1 |        31439 |                  5 |      3551 | 2025-01-22 22:40:45.612281 | 2026-01-21 22:40:45.612281
       2 |        13235 |                  4 |      1492 | 2025-01-22 22:40:45.612281 | 2026-01-21 22:40:45.612281
...
(10 rows)

Time: 163.898 ms   -- ClickHouse
Time: 554.621 ms   -- Same query on Postgres

查询 2：按国家和平台划分的用户参与度

此查询将事件与用户进行关联，并计算参与度指标：

-- Via ClickHouse
SELECT 
    u.country,
    u.platform,
    COUNT(DISTINCT e.user_id) as users,
    COUNT(*) as total_events,
    ROUND(COUNT(*)::numeric / COUNT(DISTINCT e.user_id), 2) as events_per_user,
    SUM(CASE WHEN e.event_type = 'purchase' THEN 1 ELSE 0 END) as purchases
FROM organization.public_events e
JOIN organization.public_users u ON e.user_id = u.user_id
GROUP BY u.country, u.platform
ORDER BY total_events DESC
LIMIT 10;

 country | platform | users | total_events | events_per_user | purchases 
---------+----------+-------+--------------+-----------------+-----------
 USA     | Android  |   115 |       109977 |             956 |     12388
 USA     | Web      |   108 |       105057 |             972 |     11847
 USA     | iOS      |    83 |        84594 |            1019 |      9565
 Germany | Android  |    85 |        77966 |             917 |      8852
 India   | Android  |    80 |        68095 |             851 |      7724
...
(10 rows)

Time: 170.353 ms   -- ClickHouse
Time: 1245.560 ms  -- Same query on Postgres

性能对比：

查询	Postgres (NVMe)	ClickHouse (通过 pg_clickhouse)	加速比
热门用户 (5 个聚合)	555 ms	164 ms	3.4x
用户参与度 (JOIN + 聚合)	1,246 ms	170 ms	7.3x

清理

要删除本快速入门中创建的资源：

首先，从 ClickHouse 服务中删除 ClickPipe 集成
然后，在 Cloud Console 中删除 ClickHouse Managed Postgres 实例

Beta

你可以按这条路径自行操作，把它写成脚本，或交给 AI 智能体处理。如需查看控制台版本，请切换到 Cloud UI 视图。

本页介绍如何仅通过命令行，使用 ClickHouse 命令行客户端 (clickhousectl) 和 psql 完成 ClickHouse Managed Postgres 的预配、数据加载、将数据复制到 ClickHouse 以及查询。命令均为非交互式；clickhousectl 可通过 --json 输出 JSON。

前置条件

安装 ClickHouse 命令行客户端：

curl https://clickhouse.com/cli | sh

你还需要 psql (PostgreSQL 客户端工具；在 macOS 上，使用 brew install libpq) 和 jq。

写操作 (创建、删除) 需要通过 API key 身份验证；OAuth 登录仅支持只读访问：

clickhousectl cloud auth login --api-key <YOUR_KEY> --api-secret <YOUR_SECRET>

或者，设置 CLICKHOUSE_CLOUD_API_KEY 和 CLICKHOUSE_CLOUD_API_SECRET 环境变量。可使用 clickhousectl cloud auth status 进行验证；应看到一条作用域为 read/write 的条目。

第 1 部分：创建 Postgres 并加载数据

创建 Postgres 服务

创建该服务并保存响应；密码仅显示一次：

clickhousectl cloud postgres create \
  --name quickstart-pg \
  --region us-east-1 \
  --size m6gd.large \
  --pg-version 18 \
  --json > pg.json

响应中包含服务 ID、主机名以及可直接使用的连接字符串：

{
  "id": "3b5a3112-bf02-82d0-bd02-fbe67d5caa7a",
  "name": "quickstart-pg",
  "provider": "aws",
  "region": "us-east-1",
  "postgresVersion": "18",
  "size": "m6gd.large",
  "storageSize": 118,
  "haType": "none",
  "state": "creating",
  "createdAt": "2026-07-22T13:21:22Z",
  "hostname": "quickstart-pg-c1406b50.pg7dd324nz0a1qm1fqskxbjn7m.c0.us-east-1.aws.pg.clickhouse.cloud",
  "username": "postgres",
  "password": "vV6cfEr2p_-TzkCDrZOx",
  "connectionString": "postgres://postgres:vV6cfEr2p_-TzkCDrZOx@quickstart-pg-c1406b50.pg7dd324nz0a1qm1fqskxbjn7m.c0.us-east-1.aws.pg.clickhouse.cloud:5432/postgres?channel_binding=require",
  "isPrimary": true,
  "tags": []
}

提取本指南后续部分所需的信息：

PG_ID=$(jq -r .id pg.json)
PG_URL=$(jq -r .connectionString pg.json)

如果密码遗失，请使用 clickhousectl cloud postgres reset-password $PG_ID --generate 生成新密码。

等待服务预配完成

预配需要几分钟。持续轮询，直到状态变为 running：

while [ "$(clickhousectl cloud postgres get "$PG_ID" --json | jq -r .state)" != "running" ]; do
  sleep 15
done

加载示例数据

创建两个表，并通过 psql 插入 100 万条事件：

psql "$PG_URL" <<'SQL'
\timing
CREATE TABLE events (
   event_id SERIAL PRIMARY KEY,
   event_name VARCHAR(255) NOT NULL,
   event_type VARCHAR(100),
   event_timestamp TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
   event_data JSONB,
   user_id INT,
   user_ip INET,
   is_active BOOLEAN DEFAULT TRUE,
   created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
   updated_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE users (
   user_id SERIAL PRIMARY KEY,
   name VARCHAR(100),
   country VARCHAR(50),
   platform VARCHAR(50)
);

INSERT INTO events (event_name, event_type, event_timestamp, event_data, user_id, user_ip)
SELECT
   'Event ' || gs::text AS event_name,
   CASE
       WHEN random() < 0.5 THEN 'click'
       WHEN random() < 0.75 THEN 'view'
       WHEN random() < 0.9 THEN 'purchase'
       WHEN random() < 0.98 THEN 'signup'
       ELSE 'logout'
   END AS event_type,
   NOW() - INTERVAL '1 day' * (gs % 365) AS event_timestamp,
   jsonb_build_object('key', 'value' || gs::text, 'additional_info', 'info_' || (gs % 100)::text) AS event_data,
   GREATEST(1, LEAST(1000, FLOOR(POWER(random(), 2) * 1000) + 1)) AS user_id,
   ('192.168.1.' || ((gs % 254) + 1))::inet AS user_ip
FROM
   generate_series(1, 1000000) gs;

INSERT INTO users (name, country, platform)
SELECT
    first_names[first_idx] || ' ' || last_names[last_idx] AS name,
    CASE
        WHEN random() < 0.25 THEN 'India'
        WHEN random() < 0.5 THEN 'USA'
        WHEN random() < 0.7 THEN 'Germany'
        WHEN random() < 0.85 THEN 'China'
        ELSE 'Other'
    END AS country,
    CASE
        WHEN random() < 0.2 THEN 'iOS'
        WHEN random() < 0.4 THEN 'Android'
        WHEN random() < 0.6 THEN 'Web'
        WHEN random() < 0.75 THEN 'Windows'
        WHEN random() < 0.9 THEN 'MacOS'
        ELSE 'Linux'
    END AS platform
FROM
    generate_series(1, 1000) AS seq
    CROSS JOIN LATERAL (
        SELECT
            array['Alice', 'Bob', 'Charlie', 'Diana', 'Eve', 'Frank', 'Grace', 'Hank', 'Ivy', 'Jack', 'Liam', 'Olivia', 'Noah', 'Emma', 'Sophia', 'Benjamin', 'Isabella', 'Lucas', 'Mia', 'Amelia', 'Aarav', 'Riya', 'Arjun', 'Ananya', 'Wei', 'Li', 'Huan', 'Mei', 'Hans', 'Klaus', 'Greta', 'Sofia'] AS first_names,
            array['Smith', 'Johnson', 'Williams', 'Brown', 'Jones', 'Garcia', 'Miller', 'Davis', 'Martinez', 'Taylor', 'Anderson', 'Thomas', 'Jackson', 'White', 'Harris', 'Martin', 'Thompson', 'Moore', 'Lee', 'Perez', 'Sharma', 'Patel', 'Gupta', 'Reddy', 'Zhang', 'Wang', 'Chen', 'Liu', 'Schmidt', 'Müller', 'Weber', 'Fischer'] AS last_names,
            1 + (seq % 32) AS first_idx,
            1 + ((seq / 32)::int % 32) AS last_idx
    ) AS names;
SQL

Timing is on.
CREATE TABLE
Time: 86.029 ms
CREATE TABLE
Time: 80.962 ms
INSERT 0 1000000
Time: 7120.357 ms (00:07.120)
INSERT 0 1000
Time: 84.807 ms

得益于 NVMe 存储，在 m6gd.large (最小规格) 上插入 100 万行数据大约只需 7 秒。可通过查询验证；由于数据是用 random() 生成的，每次运行得到的行数可能会有所不同：

psql "$PG_URL" -c "SELECT event_type, COUNT(*) FROM events GROUP BY event_type ORDER BY 2 DESC;"

第 2 部分：复制到 ClickHouse

创建 ClickHouse 服务

在同一区域创建一个服务并保存响应；密码仅会显示在创建时返回的响应中：

clickhousectl cloud service create \
  --name quickstart-ch \
  --region us-east-1 \
  --json > ch.json

CH_ID=$(jq -r .service.id ch.json)
CH_PASSWORD=$(jq -r .password ch.json)

等待其进入运行状态；ClickPipe 需要一个处于运行状态的目标端：

while [ "$(clickhousectl cloud service get "$CH_ID" --json | jq -r .state)" != "running" ]; do
  sleep 15
done

若要改用现有服务，请将 CH_ID 设置为 clickhousectl cloud service list 中显示的值，并将 CH_PASSWORD 设置为该服务 default 用户的密码，pg_clickhouse 步骤需要用到它。

将表复制到 ClickHouse

在 ClickHouse 服务上创建一个 Postgres CDC ClickPipe，并将其指向 ClickHouse Managed Postgres 的主机名。该管道会先复制现有行，然后持续将后续变更同步到 ClickHouse：

PG_HOST=$(jq -r .hostname pg.json)
PG_PASSWORD=$(jq -r .password pg.json)

clickhousectl cloud clickpipe create postgres "$CH_ID" \
  --name quickstart-sync \
  --host "$PG_HOST" \
  --pg-database postgres \
  --username postgres \
  --password "$PG_PASSWORD" \
  --table-mapping public.events:public_events \
  --table-mapping public.users:public_users \
  --json > pipe.json

PIPE_ID=$(jq -r .id pipe.json)

注意：

复制表会落在 ClickHouse 服务的 default 数据库中，名称由 --table-mapping 的目标决定
publication 和 replication slot 会自动创建，其中 publication 的作用范围仅限于映射的表；传入 --publication-name 可改用你自行管理的 publication
请直接使用 Postgres 主机名；不支持通过 PgBouncer 进行复制

等待管道进入 Running 状态

管道在进入 Running 之前，会依次经过 Provisioning、Setup，以及 (对于较大的表) Snapshot 状态。在一个服务上创建的第一个管道通常需要约 4 分钟。Failed 和 InternalError 为终态：

while :; do
  STATE=$(clickhousectl cloud clickpipe get "$CH_ID" "$PIPE_ID" --json | jq -r .state)
  case "$STATE" in
    Running) break ;;
    Failed|InternalError) echo "ClickPipe entered terminal state: $STATE" >&2; exit 1 ;;
  esac
  sleep 15
done

在 ClickHouse 中查询复制的数据

直接通过命令行客户端向 ClickHouse 服务执行 SQL。首次调用会自动预配一个 Query API 端点和一个服务级作用域的 API 密钥：

clickhousectl cloud service query --id "$CH_ID" \
  --query "SELECT count() FROM public_events"

Provisioning Query API endpoint + key for service 'quickstart-ch'...
1000000

Postgres 中的新写入会持续复制。插入一行，然后轮询，直到计数达到 1,000,001 (通常不到一分钟) ：

psql "$PG_URL" -c "INSERT INTO events (event_name, event_type, user_id, user_ip) VALUES ('cdc-test', 'click', 42, '10.0.0.1');"

while [ "$(clickhousectl cloud service query --id "$CH_ID" \
  --query "SELECT count() FROM public_events")" != "1000001" ]; do
  sleep 10
done

从 Postgres 查询 ClickHouse

pg_clickhouse 扩展可让 Postgres 作为事务型数据和分析型数据的统一查询层。获取 ClickHouse 的 HTTPS 主机名，然后通过 psql 配置该扩展：

CH_HOST=$(clickhousectl cloud service get "$CH_ID" --json \
  | jq -r '.endpoints[] | select(.protocol=="https") | .host')

psql "$PG_URL" <<SQL
CREATE EXTENSION pg_clickhouse;
CREATE SERVER ch FOREIGN DATA WRAPPER clickhouse_fdw
       OPTIONS(driver 'http', host '$CH_HOST', dbname 'default', port '8443');
CREATE USER MAPPING FOR CURRENT_USER SERVER ch
       OPTIONS (user 'default', password '$CH_PASSWORD');
CREATE SCHEMA organization;
IMPORT FOREIGN SCHEMA "default" FROM SERVER ch INTO organization;
SQL

这里特意不给 heredoc 加引号，这样 shell 就会在 SQL 到达 Postgres 之前先替换 $CH_HOST 和 $CH_PASSWORD。现在，这些复制表会在 organization schema 中显示为 foreign tables；对它们发起的查询实际上会在 ClickHouse 中执行。

在使用该数据集的 m6gd.large 上测得，通过 foreign tables 运行分析查询的速度可提升 6-9 倍 (例如，一个包含 5 个聚合的 GROUP BY：通过 ClickHouse 为 176 ms，本地执行为 1,133 ms；一个带聚合的 JOIN：298 ms，而本地为 2,764 ms) 。

清理

请先删除 ClickPipe，再删除 Postgres 服务。删除服务会永久清除其中的所有数据：

clickhousectl cloud clickpipe delete "$CH_ID" "$PIPE_ID"
clickhousectl cloud postgres delete "$PG_ID"

运行中的 ClickHouse 服务无法直接删除。请先将其停止，等待状态变为 stopped，然后再删除：

clickhousectl cloud service stop "$CH_ID"

while [ "$(clickhousectl cloud service get "$CH_ID" --json | jq -r .state)" != "stopped" ]; do
  sleep 10
done

clickhousectl cloud service delete "$CH_ID"