clickhouse分片集群部署与错误记录

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。

1.  集群及副本规划（2  个分片，只有第一个分片有副本）

 

Hadoop102	hadoop103	hadoop104
01 rep_1_1	01 rep_1_2	02 rep_2_1

2.  配置步骤

1）在 hadoop102  的/etc/clickhouse-server/config.d  目录下创建 metrika-shard.xml

注：也可以不创建外部文件，直接在 config.xml 的中指定

	
		 
		 
			true
			 
			hadoop102
			9000
			default
			000000
			
			 
			hadoop103
			9000
			default
			000000
			
		
		 
			true
			 
			hadoop104
			9000
			default
		          000000
			
		
		
	
	
		
			hadoop102
			2181
		
		
			hadoop103
			2181
		
		
			hadoop104
			2181
		
	
	
		01 
		rep_1_1 
	

并且设置文件权限，chown clickhouse:clickhouse *

 

2）将 hadoop102 的 metrika-shard.xml  同步到 103 和 104 同地址下

xsync /etc/clickhouse-server/config.d/metrika-shard.xml

 

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

（1）103

 vim /etc/clickhouse-server/config.d/metrika-shard.xml

 

（2）104

 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

xsync /etc/clickhouse-server/config.xml

6）重启三台服务器上的 ClickHouse，并查看集群

clickhouse restart

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  gmall_cluster对应配置文件集群名称

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_all2;

（2）本地表

select * from st_order_mt;

（3）观察数据的分布

st_order_mt_all
hadoop102: st_order_mt
hadoop103: st_order_mt
hadoop104: st_order_mt

错误记录 

 

去hadoop102查询只显示3条数据，报错信息显示104

Code: 516. DB::Exception: Received from localhost:9000. DB::Exception: Received from hadoop104:9000. DB::Exception: default: Authentication failed: password is incorrect or there is no user with such name.

 

猜测是机器互联时需要配置账号密码

配置	说明
shard_1	自定义集群名称，全局唯一，是后续引用集群配置的唯一标识
node	用于定义节点，不包含副本
host	clickhouse 节点服务器地址
port	clickhouse 服务的tcp 端口
weight	分片权重，默认为 1
user	clickhouse 用户，默认为 default
password	clickhouse 的用户密码，默认为空字符
secure	SSL 连接端口，默认 9440
conpression	是否要开启数据压缩功能，默认 true

 随后在上面的文件中配置号账号密码：重启clickhouse查询

再次查询，显示正常不报错