ClickHouse初级 - 第七章 分片集群
文章目录
-
- 一、集群写入流程(3 分片 2 副本共 6 个节点)
- 二、集群读取流程(3 分片 2 副本共 6 个节点)
- 三、3 分片 2 副本共 6 个节点集群配置(供参考)
- 四、配置三节点版本集群及副本
-
- 4.1 集群及副本规划(2 个分片，只有第一个分片有副本)
- 4.2 配置步骤
- 五、项目为了节省资源，就使用单节点，不用集群
- 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。
一、集群写入流程(3 分片 2 副本共 6 个节点)
将internal_replication设置为true，distribute表只需要同步hdp1、hdp3和hdp5，副本的同步就使用hdp1、hdp3和hdp5来同步；如果是false，则6个节点数据都由distribute来同步，性能不高。
二、集群读取流程(3 分片 2 副本共 6 个节点)
errors_count表示在此节点读取数据发生的错误，比如网络等等
三、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> <!-- 集群名称--> <shard> <!--集群的第一个分片-->
<internal_replication>true</internal_replication>
<!--该分片的第一个副本--> <replica>
<host>hadoop101</host>
<port>9000</port> </replica> <!--该分片的第二个副本--> <replica>
<host>hadoop102</host>
<port>9000</port>
</replica>
</shard>
<shard> <!--集群的第二个分片--> <internal_replication>true</internal_replication> <replica> <!--该分片的第一个副本-->
<host>hadoop103</host>
<port>9000</port>
</replica>
<replica> <!--该分片的第二个副本-->
<host>hadoop104</host>
<port>9000</port>
</replica>
</shard>
<shard> <!--集群的第三个分片--> <internal_replication>true</internal_replication> <replica> <!--该分片的第一个副本-->
<host>hadoop105</host>
<port>9000</port>
</replica>
<replica> <!--该分片的第二个副本-->
<host>hadoop106</host>
<port>9000</port>
</replica>
</shard>
</gmall_cluster>
</remote_servers>
</yandex>
四、配置三节点版本集群及副本
4.1 集群及副本规划(2 个分片，只有第一个分片有副本)
4.2 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
4）在 hadoop102 上修改/etc/clickhouse-server/config.xml
5）同步/etc/clickhouse-server/config.xml 到 103 和 104
sudo /home/atguigu/bin/xsync
/etc/clickhouse-server/config.xml
6）重启三台服务器上的 ClickHouse 服务
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
- 分布式表
SELECT * FROM st_order_mt_all;- 本地表
select * from st_order_mt;- 观察数据的分布
五、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。