要对一个大数据量的 table 进行查询，不会有复杂的查询逻辑，都是简单的 where 、order by 、group by 、sum 、avg 、count 查询，当前数据量接近 500 亿了，在半年内会增加到一万亿。

目前方案是使用 spark ，我知道 clickhouse 很适合 olap 查询场景并且速度很快，但 clickhouse 对于 10000 亿数据量能扛得住吗？或者 clickhouse 也能很好的支持分布式？

对 clickhouse 了解不是很深入，希望大佬指点

要在正在开发中的数据分析引擎上增加使用 yaml 进行数据分析的能力，以代替 sql ， 基于以下原因： 1 、对于多维数据模型的分析，sql 只能在二维表关系结构上进行定义（ star schema 不等同于逻辑多维结构），并且进行复杂分析时编写 sql 语句存在大量 group by 和 sum()，降低整体描述性； 2 、在进行 join 多个大数据量表（百亿级）进行查询时性能降低，可能需要根据特定查询进行详细调整，这无法支持业务层面的随机性探索式数据分析； 3 、yaml 语法较为简单，且属于纯描述性语法，可以直接描述业务层面语义，通过解析 yaml 直接调用数据分析引擎底层接口，越过 sql ，能提供功能上更强、效率更高的查询能力； 4 、“yaml 代替 sql”以及类似宣传可以作为后期产品宣传的噱头。

目前暂定使用 yaml 代替 sql ，不知道还有没有比 yaml 更合适（普及度高、纯描述性、语法简单）的语法结构？