前置知识:
Clickhouse学习笔记(5)—— ClickHouse 副本-CSDN博客
与副本对比:
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
一般来说internal_replication
这一参数都是为true的,可以减轻distribute节点的压力
所谓errors_count就是在通信过程中产生错误的次数
在hadoop102上,进入/etc/clickhouse-server/config.d
新建文件metrika-shard.xml
也可以不创建外部文件,直接在 config.xml 的
先文件中写入内容(hadoop102):
true
hadoop102
9000
hadoop103
9000
true
hadoop104
9000
hadoop102
2181
hadoop103
2181
hadoop104
2181
01
rep_1_1
hadoop103:(仅macros参数不同)
01
rep_1_2
hadoop104:(仅macros参数不同)
02
rep_2_1
然后同步到hadoop103、104
sudo clickhouse restart
查看是否启动成功:ps -ef | grep clickhouse
在hadoop102创建表,会自动同步到hadoop103和104上
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);
其中on cluster
后面要设置配置文件中自定义的集群名称
ReplicatedMergeTree
中的分片和副本名称从配置文件的宏定义(marcos)中获取
可以看到在103和104上都有对应的表:
然后在 hadoop102 上创建 Distribute 分布式表:
create table st_order_mt_all 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()
同样也可以同步到103和104上:
然后在hadoop102上插入数据:
insert into st_order_mt values\
(201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\
(202,'sku_009',1000.00,'2020-06-01 12:00:00') ,\
(201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\
(201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\
(201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\
(201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\
(201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\
(201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\
(201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\
(201,'sku_009',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');
查询分布式表和本地表即可得到结果;