摘要：日志分析发现ClickHouse执行包含通配符的LIKE查询（如'wget%http%'和'%base64%'）时出现性能问题。查询按event_time筛选但表按receive_time分区，导致全表扫描1000万+行。执行时间从34秒增至40秒，显示系统负载累积。分析表明：1）分布式表机制导致读取行数统计失真；2）通配符LIKE效率低；3）高并发时CPU争抢严重；4）内存压力增大。优化建

@TOC之前一直想不通为什么训练集为什么一直需要越大越好？通常来说，训练喂的数据越多，预测应该越好吧。最好，用交叉验证确认一下也有可能训练样本量大，数据特征较多，但网络层次太少，特征训练不充分，预测结果变差，这样才对啊。随着慢慢的学习，数据量越大效果越好，这前提是网络提取特征能力不能太差，效果的好坏是有多方面因素的。多方面因素我还没理解透每一方面具体的体现。如有不正确的，还望指教。嘻嘻，学无止境啊