请解释 ClickHouse 的存储引擎在架构上如何支撑高效查询，并说明针对大规模数据存储可以采取哪些优化手段？

回答思路

1. 【回答框架 1】ClickHouse 采用列式存储，数据按列连续存放，查询只需读取涉及的列，大幅减少 I/O；配合稀疏主键索引和跳数索引，能快速定位数据块，避免全表扫描。
2. 【回答框架 2】存储引擎的核心是 MergeTree 家族，数据按主键排序并分段存储，后台合并段以优化查询；分区和 TTL 机制支持按时间管理数据生命周期，提升存储效率。
3. 【回答框架 3】大规模数据优化可从压缩入手，ClickHouse 使用 LZ4 或 ZSTD 等算法，列式数据相似性高，压缩比高；合理选择编码如 Delta、DoubleDelta 可进一步减少存储占用。
4. 【回答框架 4】优化还包括调整索引粒度、使用物化视图预聚合、合理设置分区键和排序键，以及利用分布式表横向扩展，平衡查询性能与存储成本。
5. 【回答框架 5】针对超大规模数据，可结合冷热分层存储，将历史数据迁移到对象存储，并利用数据副本和备份策略保证可靠性，同时监控磁盘和内存使用以动态调整。
6. 【关键点 1】列式存储减少查询 I/O，是高效查询的基础。
7. 【关键点 2】MergeTree 引擎通过排序、分区和后台合并优化数据布局。
8. 【关键点 3】压缩算法和编码选择显著影响存储空间与查询性能。
9. 【关键点 4】索引粒度、分区键和排序键的设计决定查询裁剪效率。
10. 【关键点 5】冷热分层和分布式扩展是应对大规模存储的关键手段。
11. 【易错点 1】不要忽略主键排序对查询性能的影响，随意设置会导致扫描大量数据。
12. 【易错点 2】压缩率并非越高越好，需权衡压缩与解压的 CPU 开销。
13. 【易错点 3】分区过多会导致小文件碎片，增加合并负担，应控制分区粒度。