MergeTree хранит локальные данные, ReplicatedMergeTree добавляет репликацию таблицы, а Distributed направляет запросы к таблицам на шардах. Шардирование и репликация решают разные задачи.
У tokenbf_v1 фиксированный размер Bloom-фильтра на гранулу: рост уникальных токенов может ухудшить селективность, но причину деградации нужно измерить.
Партиция MergeTree — группа данных по выражению PARTITION BY, удобная прежде всего для обслуживания и удаления периодов. Это не шард и не первичный индекс.
Назовите технологии, которые использовали лично, и роль каждой в конкретном проекте. По одному названию компании её внутренний стек достоверно определить нельзя.
Много маленьких вставок создаёт множество частей MergeTree и увеличивает работу фоновых слияний. Это ухудшает пропускную способность и может вызвать ограничение вставок.
В PostgreSQL JOIN часто опирается на индексы, в Greenplum важны распределение и Motion, а в ClickHouse — объём входов, алгоритм и память аналитического соединения.