您现在的位置是：首页 > 工具

当前栏目

ClickHouse-分片集群

集群 ClickHouse 分片

2023-09-11 14:14:34 时间

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.集群写入流程（3 分片 2 副本共 6 个节点）

internal_replication:内部副本同步

true：由分片自己同步

false：由distribute表同步，压力大

2.集群读取流程（3 分片 2 副本共 6 个节点）

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<remote_servers>中指定

<yandex>
    <remote_servers>
        <fz_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>node01</host>
                    <port>9000</port>
                </replica>
                <!--该分片的第二个副本-->
                <replica>
                    <host>node02</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>node03</host>
                    <port>9000</port>
                </replica>
                <replica> <!--该分片的第二个副本-->
                    <host>node04</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>node05</host>
                    <port>9000</port>
                </replica>
                <replica> <!--该分片的第二个副本-->
                    <host>node06</host>
                    <port>9000</port>
                </replica>
            </shard>
        </fz_cluster>
    </remote_servers>
</yandex>

4 .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 Node01 的/etc/clickhouse-server/config.d 目录下创建 metrika-shard.xml 文件

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

注：也可以不创建外部文件，直接在 config.xml 的<remote_servers>中指定

<?xml version="1.0"?>

<remote_servers>

<gmall_cluster>

<internal_replication>true</internal_replication>

<user>default</user>

</replica>

<user>default</user>

</replica>

</shard>

<internal_replication>true</internal_replication>

<user>default</user>

</replica>

</shard>

</gmall_cluster>

</remote_servers>

<zookeeper-servers>

</node>

</node>

</node>

</zookeeper-servers>

</macros>

</yandex>

2）将 Node01 的 metrika-shard.xml 同步到 Node02 和 Node03

scp /etc/clickhouse-server/config.d/metrika-shard.xml root@Node02:/etc/clickhouse-server/config.d/
scp /etc/clickhouse-server/config.d/metrika-shard.xml root@Node03:/etc/clickhouse-server/config.d/

3）修改 Node02 和 Node03 中 metrika-shard.xml 宏的配置

（1）Node02

<macros>
        <shard>01</shard> <!--不同机器放的分片数不一样-->
        <replica>rep_1_2</replica> <!--不同机器放的副本数不一样-->
</macros>

（2）Node03

<macros>
        <shard>02</shard> <!--不同机器放的分片数不一样-->
        <replica>rep_2_1</replica> <!--不同机器放的副本数不一样-->
</macros>

4）在 Node01 上修改/etc/clickhouse-server/config.xml

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

5）同步/etc/clickhouse-server/config.xml 到 Node02 和 Node03

scp /etc/clickhouse-server/config.xml root@Node02:/etc/clickhouse-server/
scp /etc/clickhouse-server/config.xml root@Node03:/etc/clickhouse-server/

6）重启三台服务器上的 ClickHouse 服务

sudo clickhouse restart

查看集群

superset-BI :) show clusters;
SHOW CLUSTERS
Query id: 391735d2-bf74-43f5-aa86-b6d203c357cd
┌─cluster─────────────────────────────────────────┐
│ gmall_cluster                                   │
│ test_cluster_one_shard_three_replicas_localhost │
│ test_cluster_two_shards                         │
│ test_cluster_two_shards_internal_replication    │
│ test_cluster_two_shards_localhost               │
│ test_shard_localhost                            │
│ test_shard_localhost_secure                     │
│ test_unavailable_shard                          │
└─────────────────────────────────────────────────┘
8 rows in set. Elapsed: 0.002 sec.

7）在 Node01 上执行建表语句

➢ 会自动同步到 Node02 和 Node03 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_fz_order_mt_01 on cluster gmall_cluster (

id UInt32,

sku_id String,

total_amount Decimal(16,2),

create_time Datetime

) engine

=ReplicatedMergeTree('/clickhouse/tables/{shard}/st_fz_order_mt_01','{replica}')

partition by toYYYYMMDD(create_time)

primary key (id)

order by (id,sku_id);

superset-BI :) create table st_fz_order_mt_01 on cluster gmall_cluster (

id UInt32,

sku_id String,

total_amount Decimal(16,2),

create_time Datetime

) engine

=ReplicatedMergeTree('/clickhouse/tables/{shard}/st_fz_order_mt_01','{replica}')

partition by toYYYYMMDD(create_time)

primary key (id)

order by (id,sku_id);

CREATE TABLE st_fz_order_mt_01 ON CLUSTER gmall_cluster

(

`id` UInt32,

`sku_id` String,

`total_amount` Decimal(16, 2),

`create_time` Datetime

)

ENGINE = ReplicatedMergeTree('/clickhouse/tables/{shard}/st_fz_order_mt_01', '{replica}')

PARTITION BY toYYYYMMDD(create_time)

PRIMARY KEY id

ORDER BY (id, sku_id)

Query id: b7818894-861b-443c-86e7-41832716eb34

┌─host────────┬─port─┬─status─┬─error─┬─num_hosts_remaining─┬─num_hosts_active─┐

│ Node1 │ 9000 │ 0 │ │ 2 │ 2 │

└─────────────┴──────┴────────┴───────┴─────────────────────┴──────────────────┘

┌─host────────┬─port─┬─status─┬─error─┬─num_hosts_remaining─┬─num_hosts_active─┐

│ Node2 │ 9000 │ 0 │ │ 1 │ 0 │

│ Node3 │ 9000 │ 0 │ │ 0 │ 0 │

3 rows in set. Elapsed: 0.166 sec.

等三个节点都完事儿即可。

在Node02和Node03上查看表是否创建成功

show tables;

8）在 Node02 上创建 Distribute 分布式表

date1002 :) create table st_fz_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_fz_order_mt_01,hiveHash(sku_id));

CREATE TABLE st_fz_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_fz_order_mt_01, hiveHash(sku_id))

Query id: e447cdff-133f-4159-99bd-038d573ce8c8

┌─host────────┬─port─┬─status─┬─error─┬─num_hosts_remaining─┬─num_hosts_active─┐

│ Node2 │ 9000 │ 0 │ │ 2 │ 0 │

│ Node1 │ 9000 │ 0 │ │ 1 │ 0 │

│ Node3 │ 9000 │ 0 │ │ 0 │ 0 │

3 rows in set. Elapsed: 0.131 sec.

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 Node01 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

superset-BI :) select * From st_fz_order_mt_all2;
SELECT *
FROM st_fz_order_mt_all2
Query id: d8b676e9-c119-4483-8ca2-f0b5cd150a61
┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 202 │ sku_002 │         2000 │ 2020-06-01 12:00:00 │
│ 203 │ sku_004 │         2500 │ 2020-06-01 12:00:00 │
│ 204 │ sku_002 │         2000 │ 2020-06-01 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘
┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 205 │ sku_003 │          600 │ 2020-06-02 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘
┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 201 │ sku_001 │         1000 │ 2020-06-01 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘

（2）本地表

Node1:
superset-BI :) select * From st_fz_order_mt_01;
SELECT *
FROM st_fz_order_mt_01
Query id: ddcb5176-e443-4253-9877-57fec8f57311
┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 202 │ sku_002 │         2000 │ 2020-06-01 12:00:00 │
│ 203 │ sku_004 │         2500 │ 2020-06-01 12:00:00 │
│ 204 │ sku_002 │         2000 │ 2020-06-01 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘
3 rows in set. Elapsed: 0.002 sec. 

Node2:

Node3:
date1001 :) select * From st_fz_order_mt_01;
SELECT *
FROM st_fz_order_mt_01
Query id: 7a336004-7040-4098-948e-1e7c5d983edb
┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 205 │ sku_003 │          600 │ 2020-06-02 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘
┌──id─┬─sku_id──┬─total_amount─┬─────────create_time─┐
│ 201 │ sku_001 │         1000 │ 2020-06-01 12:00:00 │
└─────┴─────────┴──────────────┴─────────────────────┘
2 rows in set. Elapsed: 0.002 sec.

可以看到数据分布在Node1和Node3两个节点上。

猜你喜欢

[React Storybook] Get started with Storybook for React
SAP UI5 attachment绑相对url
django框架基础-框架介绍-长期维护
Py之PIL：Python的PIL库的简介、安装、使用方法详细攻略
Win32程序和控制台应用程序的项目互转设置
【习题 3-2 UVA - 1586】Molar mass
研究人员用数据统计的方法来做文学研究
1709: 打印字符 (字符串)
iOS swift工具类 XYHelper
Java正则表达式
Weex 版扫雷游戏开发
高仿今日头条（转载）
同库不同表更新

相关主题

搭建Hadoop集群
elasticsearch集群
elasticsearch集群部署

zl程序教程

当前栏目

ClickHouse-分片集群

1.集群写入流程（3 分片 2 副本共 6 个节点）

2.集群读取流程（3 分片 2 副本共 6 个节点）

3 分片 2 副本共 6 个节点集群配置（供参考）

4 .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

相关文章