请说明ClickHouse在执行大规模数据查询时，如何利用并行处理和分布式架构来提升查询性能？

回答思路

1. 【回答框架 1】ClickHouse是列式数据库，核心优化之一是将查询拆解为多个子任务并行执行。其底层采用多线程模型，单个查询能在多核CPU上并发处理不同数据块，同时利用向量化执行引擎批量处理数据，减少指令开销和缓存失效。
2. 【回答框架 2】分布式查询依赖集群架构，Coordinator节点（通常为发起查询的节点）将查询计划分发给多个分片节点。每个分片在本地执行部分查询，并将结果返回给协调者进行合并，实现数据并行。关键组件包括分布式表（Distributed Table），它作为逻辑视图，透明地路由查询到物理分片。
3. 【回答框架 3】在并行执行中，ClickHouse使用数据分片和复制机制。每个分片存储部分数据，查询时通过分布式表选择相关分片，并可利用副本进行负载均衡。协调者会结合采样和预聚合策略，减少网络传输量，例如将聚合下推到各分片，只传输汇总结果。
4. 【回答框架 4】为了优化性能，ClickHouse还采用分区裁剪和索引（如主键稀疏索引）先行过滤数据，减少扫描量。并行度由max_threads和max_distributed_connections等参数控制，实际执行时根据CPU核心数和数据量动态调整。最终性能受网络带宽、分片数据倾斜和节点负载影响。
5. 【回答框架 5】整体上，ClickHouse通过并行查询减少单个节点的处理时间，通过分布式框架扩展处理能力，但需注意数据分布均匀性和查询协调开销，避免因热点或过大聚合导致性能瓶颈。
6. 【关键点 1】ClickHouse利用多线程与向量化执行实现单机并行，提升CPU利用率和数据处理速度。
7. 【关键点 2】分布式查询通过分布式表路由到分片，在各节点并行执行任务，协调者合并结果。
8. 【关键点 3】优化策略包括下推聚合、分区裁剪和索引过滤，减少数据传输和扫描数据量。
9. 【关键点 4】性能受数据均衡性、网络开销和节点配置影响，需合理设计分片和副本策略。
10. 【易错点 1】不能简单认为并行查询保证线性扩展，实际受限于数据倾斜和网络传输瓶颈。
11. 【易错点 2】分布式查询协调和合并过程可能成为性能瓶颈，特别是高并发或大量聚合时。