ClickHouse-尚硅谷（7. 入门-分片集群）学习笔记

上一篇：（6. 入门-副本）学习笔记

下一篇：（8. 高级-Explain 查看执行计划）学习笔记

1 概述

  副本虽然能够提高数据的可用性，降低丢失风险，但是每台服务器实际上必须容纳全量数据，对数据的横向扩容没有解决。
  要解决数据水平切分的问题，需要引入分片的概念。通过分片把一份完整的数据进行切分，不同的分片分布到不同的节点上，再通过 Distributed 表引擎把数据拼接起来一同使用。
  Distributed 表引擎本身不存储数据，有点类似于 MyCat 之于 MySql，成为一种中间件，通过分布式逻辑表来写入、分发、路由来操作多台节点不同分片的分布式数据。
  注意：ClickHouse 的集群是表级别的，实际企业中，大部分做了高可用，但是没有用分片，避免降低查询性能以及操作集群的复杂性。

2 集群写入流程（3 分片 2 副本共 6 个节点）

3 集群读取流程（3 分片 2 副本共 6 个节点）

4 3分片2副本共6个节点集群配置（供参考）

配置的位置还是在之前的/etc/clickhouse-server/config.d/metrika.xml，内容如下
注：也可以不创建外部文件，直接在 config.xml 的中指定

<yandex>
	<remote_servers>
		<gmall_cluster>  
			<shard> 
				<internal_replication>trueinternal_replication>
				
				<replica> 
					<host>hadoop101host>
					<port>9000port>
				replica>
				
				<replica> 
					<host>hadoop102host>
					<port>9000port>
				replica>
			shard>
			<shard> 
				<internal_replication>trueinternal_replication>
				<replica> 
					<host>hadoop103host>
					<port>9000port>
				replica>
				<replica> 
					<host>hadoop104host>
					<port>9000port>
				replica>
			shard>
			<shard> 
				<internal_replication>trueinternal_replication>
				<replica> 
					<host>hadoop105host>
					<port>9000port>
				replica>
				<replica> 
					<host>hadoop106host>
					<port>9000port>
				replica>
			shard>
		gmall_cluster>
	remote_servers>
yandex>

5 配置三节点版本集群及副本

5.1 集群及副本规划（2 个分片，只有第一个分片有副本）

5.2 配置步骤

1. 在 hadoop102 的/etc/clickhouse-server/config.d 目录下创建 metrika-shard.xml 文件
   注：也可以不创建外部文件，直接在 config.xml 的中指定

   
   <yandex>
   	<remote_servers>
   		<gmall_cluster>  
   			<shard> 
   				<internal_replication>trueinternal_replication>
   				<replica> 
   					<host>hadoop102host>
   					<port>9000port>
   				replica>
   				<replica> 
   					<host>hadoop103host>
   					<port>9000port>
   				replica>
   			shard>
   			<shard> 
   				<internal_replication>trueinternal_replication>
   				<replica> 
   					<host>hadoop104host>
   					<port>9000port>
   				replica>
   			shard>
   		gmall_cluster>
   	remote_servers>
   	<zookeeper-servers>
   		<node index="1">
   			<host>hadoop102host>
   			<port>2181port>
   		node>
   		<node index="2">
   			<host>hadoop103host>
   			<port>2181port>
   		node>
   		<node index="3">
   			<host>hadoop104host>
   			<port>2181port>
   		node>
   	zookeeper-servers>
   	<macros>
   		<shard>01shard> 
   		<replica>rep_1_1replica> 
   	macros>
   yandex>
   

2. 将 hadoop102 的 metrika-shard.xml 同步到 103 和 104

   sudo /home/atguigu/bin/xsync /etc/clickhouse-server/config.d/metrika-shard.xml
   

   

3. 修改 103 和 104 中 metrika-shard.xml 宏的配置

   [atguigu@hadoop103 ~]$ sudo vim 
   /etc/clickhouse-server/config.d/metrika-shard.xml
   

   

4. 在 hadoop102 上修改/etc/clickhouse-server/config.xml
   

5. 同步/etc/clickhouse-server/config.xml 到 103 和 104

   [atguigu@hadoop102 ~]$ sudo /home/atguigu/bin/xsync 
   /etc/clickhouse-server/config.xml
   

6. 重启三台服务器上的 ClickHouse 服务

   [atguigu@hadoop102 clickhouse-server]$ sudo clickhouse restart
   [atguigu@hadoop102 clickhouse-server]$ ps -ef |grep click
   

   

7. 在 hadoop102 上执行建表语句
   ➢ 会自动同步到 hadoop103 和 hadoop104 上
   ➢ 集群名字要和配置文件中的一致
   ➢ 分片和副本名称从配置文件的宏定义中获取

   create table st_order_mt on cluster gmall_cluster (
   id UInt32,
   sku_id String,
   total_amount Decimal(16,2),
   create_time Datetime
   ) engine 
   =ReplicatedMergeTree('/clickhouse/tables/{shard}/st_order_mt','{replica}')
   partition by toYYYYMMDD(create_time)
   primary key (id)
   order by (id,sku_id);
   

   
   可以到 hadoop103 和 hadoop104 上查看表是否创建成功
   

8. 在 hadoop102 上创建 Distribute 分布式表

   create table st_order_mt_all2 on cluster gmall_cluster
   (
   id UInt32,
   sku_id String,
   total_amount Decimal(16,2),
   create_time
   Datetime
   )engine = Distributed(gmall_cluster,default, st_order_mt,hiveHash(sku_id));
   

   参数含义：
   Distributed（集群名称，库名，本地表名，分片键）
   分片键必须是整型数字，所以用 hiveHash 函数转换，也可以 rand()

9. 在 hadoop102 上插入测试数据

   insert into st_order_mt_all2 values
   (201,'sku_001',1000.00,'2020-06-01 12:00:00') ,
   (202,'sku_002',2000.00,'2020-06-01 12:00:00'),
   (203,'sku_004',2500.00,'2020-06-01 12:00:00'),
   (204,'sku_002',2000.00,'2020-06-01 12:00:00'),
   (205,'sku_003',600.00,'2020-06-02 12:00:00');
   

10. 通过查询分布式表和本地表观察输出结果
    （1）分布式表

    SELECT * FROM st_order_mt_all;
    

    （2）本地表

    select * from st_order_mt;
    

    （3）观察数据的分布

    
    

6 项目为了节省资源，就使用单节点，不用集群

  不需要求改文件引用，因为已经使用集群建表了，如果改为引用 metrika-shard.xml 的话，
启动会报错。我们以后用的时候只启动 102 即可。