副本

副本的目的主要是保障数据的高可用性,即使一台 ClickHouse 节点宕机,那么也可以从其他服务器获得相同的数据。

https://clickhouse.tech/docs/en/engines/table-engines/mergetree-family/replication/

副本只支持合并数家族，支持的引擎如下：

副本写入流程

clickhouse集群没有主从之分

配置步骤

(1)启动 zookeeper 集群

(2)在 hadoop113 的/etc/clickhouse-server/config.d 目录下创建一个名为 metrika.xml的配置文件,内容如下:

**注:也可以不创建外部文件,直接在 config.xml 中指定**也可以，这样的话就不需要配置3步骤的信息了。

<yandex><zookeeper-servers><node index="113"><host>hadoop113host><port>2181port>node><node index="114"><host>hadoop114host><port>2181port>node><node index="115"><host>hadoop115host><port>2181port>node>zookeeper-servers>
yandex>

将文件的所有者改为clickhouse，并且配置相关的文件的所有者必须都是clickhouse

chown clickhouse:clickhouse metrika.xml

(3)在 hadoop112 的/etc/clickhouse-server/config.xml 中增加使用以上文件

<zookeeper incl="zookeeper-servers" optional="true" />
<include_from>/etc/clickhouse-server/config.d/metrika.xmlinclude_from>

(4)分别在 hadoop113 和 hadoop114 上启动 ClickHouse 服务

注意:因为修改了配置文件,如果以前启动了服务需要重启

(5)在所有服务器上分别建表

副本只能同步数据,不能同步表结构,所以我们需要在每台机器上自己手动建表

/* hadoop113 */
create table t_order_rep2 (id UInt32,sku_id String,total_amount Decimal(16,2),create_time Datetime
) engine =ReplicatedMergeTree('/clickhouse/table/01/t_order_rep','rep_113')
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id,sku_id);/* hadoop114 */
create table t_order_rep2 (id UInt32,sku_id String,total_amount Decimal(16,2),create_time Datetime
) engine =ReplicatedMergeTree('/clickhouse/table/01/t_order_rep','rep_114')
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id,sku_id);/* hadoop115 */
create table t_order_rep2 (id UInt32,sku_id String,total_amount Decimal(16,2),create_time Datetime
) engine =ReplicatedMergeTree('/clickhouse/table/01/t_order_rep','rep_115')
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id,sku_id);

ReplicatedMergeTree 中,第一个参数是分片的 zk_path 一般按照: /clickhouse/table/{shard}/{table_name} 的格式写,如果只有一个分片就写 01 即可。

第二个参数是副本名称,相同的分片副本名称不能相同。

(6)在hadoop113上插入以下数据

insert into t_order_rep2 values
(101,'sku_001',1000.00,'2020-06-01 12:00:00'),
(102,'sku_002',2000.00,'2020-06-01 12:00:00'),
(103,'sku_004',2500.00,'2020-06-01 12:00:00'),
(104,'sku_002',2000.00,'2020-06-01 12:00:00'),
(105,'sku_003',600.00,'2020-06-02 12:00:00');

(7)在hadoop113、hadoop114、hadoop115上分别查询数据，均能够查到说明配置成功了

select * from t_order_rep2;┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 105 │ sku_003 │       600.00 │ 2020-06-02 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘
┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 101 │ sku_001 │      1000.00 │ 2020-06-01 12:00:00 │
│ 102 │ sku_002 │      2000.00 │ 2020-06-01 12:00:00 │
│ 103 │ sku_004 │      2500.00 │ 2020-06-01 12:00:00 │
│ 104 │ sku_002 │      2000.00 │ 2020-06-01 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘

分片集群

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，就是将表中的数据分别存到不同的分片中。

**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。

集群写入流程(3 分片 2 副本共 6 个节点)

以上绿线代表内部同步，即副本自身进行同步；非内部同步的话，由distribute节点统一进行数据同步。最好是开启内部同步

集群读取流程(3 分片 2 副本共 6 个节点)

errors_count表示请求错误次数

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

<yandex><remote_servers><test_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>test_cluster>remote_servers>
yandex>

配置三节点版本集群及副本

集群及副本规划(2 个分片,只有第一个分片有副本)

配置步骤

1、在 hadoop132 的/etc/clickhouse-server/config.d 目录下创建 metrika-shard.xml 文件

<yandex><remote_servers><test_cluster> <shard><internal_replication>trueinternal_replication><replica><host>hadoop113host><port>9000port>replica><replica><host>hadoop114host><port>9000port>replica>shard><shard> <internal_replication>trueinternal_replication><replica><host>hadoop115host><port>9000port>replica>shard>test_cluster>remote_servers><zookeeper-servers><node index="113"><host>hadoop113host><port>2181port>node><node index="114"><host>hadoop114host><port>2181port>node><node index="115"><host>hadoop115host><port>2181port>node>zookeeper-servers><macros><shard>01shard> <replica>rep_1_1replica> macros>
yandex>

2、将 hadoop113 的 metrika-shard.xml 同步到 114 和 115，并修改所有者为clickhouse

3、修改114 和 115 中 metrika-shard.xml 宏的配置

<macros><shard>01shard> <replica>rep_1_2replica> 
macros>
<macros><shard>02shard> <replica>rep_2_1replica> 
macros>

4、在 hadoop113 上修改/etc/clickhouse-server/config.xml

<zookeeper incl="zookeeper-servers" optional="true" />
<include_from>/etc/clickhouse-server/config.d/metrika-shard.xmlinclude_from>

5、将 hadoop113 的 config.xml 同步到 114 和 115，并修改所有者为clickhouse

6、重启三台服务器上的 ClickHouse 服务

sudo clickhouse restart

7、在 hadoop113 上执行建表语句

create table st_order_mt on cluster test_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);

➢ 会自动同步到 hadoop114 和 hadoop115 上，因为使用了on cluster来创建表

➢ 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

8、在 hadoop113 上创建 Distribute 分布式表

create table st_order_mt_all2 on cluster test_cluster
(id UInt32,sku_id String,total_amount Decimal(16,2),create_time Datetime
)engine = Distributed(test_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 hadoop113 上的分布式表插入测试数据

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;

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！