顺便，现在如果是少量数据的 update，clickhouse 可以使用 mutations 完美完成，如果量大的话，可以用 collaspemergetree 引擎，变相实现标记删除并且不影响查询结果

@yjhatfdu2 比 hive 或者 HBase+mr/spark 之类的的方案大概也就快几百倍把

这个场景，clickhouse 使用 mergetree 引擎，根据日期做分区，车辆 ID,timestamp 排序，clickhouse 对于 float 类型时序数据也有类似时序数据库的 Gorilla codec，有效压缩时序浮点数据。clickhouse 本身的话，支持分布式、高可用，支持 SQL （部分），可以用 http 接口直接访问，使用难度很低。性能的话，我们做过一些测试，单节点 64 核 epyc2+256G 内存，单表 15 亿行 20 多列的纽约出租车数据，单个全表级的 group by+sum 大概 200ms 左右，多个维度的 group by+多个聚合能在 700ms 内完成，基本上是现在分析库的上限了。https://clickhouse.tech/docs/en/getting-started/example-datasets/nyc-taxi/

老哥，你为啥就要纠结一定要走程序员这条路呢？现在程序员竞争这么激烈，本身又是技术型工种，对于硬的技术要求比较高，为啥不先找一些不那么要求具体技术的工作先做起来？把手头的问题先解决了，再去追梦？你现在这样的状态，并没有让你更容易往前端的路上走，反而让你陷入焦虑与自我怀疑，最后生活都生活不下去。

当然如果是 pg 的话可以更简单这样写，select a from t where a like any(array['%a%','%b%','%e%']); sqlserver 就不知道了

应该可以 select t.a,t2.p from t,(values('%a%'),('%b%'),('%c%')) as t2(p) where t.a like t2.p;
中间 values 表达式可以任意多个，pg、sqlserver 支持类似写法，oracle 和 mysql 不支持