ClickHouse初级 - 第七章 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。
• 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<remote_servers>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<remote_servers>中指定

<?xml version="1.0"?>
<yandex>
	<remote_servers>
		<gmall_cluster> <!-- 集群名称-->
		
		<shard> <!--集群的第一个分片--> 
		<internal_replication>true</internal_replication>
		<replica> <!--该分片的第一个副本-->
		<host>hadoop102</host>
		       <port>9000</port>
		   </replica>
		<replica> <!--该分片的第二个副本--> 
		<host>hadoop103</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>hadoop104</host>
		       <port>9000</port>
		   </replica>
		</shard>
		</gmall_cluster>
	</remote_servers>

	<zookeeper-servers>
	    <node index="1">
	        <host>hadoop102</host>
	        <port>2181</port>
	    </node>
	    <node index="2">
	        <host>hadoop103</host>
	        <port>2181</port>
	    </node>
    	<node index="3">
	        <host>hadoop104</host>
	        <port>2181</port>
        </node>
    </zookeeper-servers>
    
	<macros>
		<shard>01</shard> <!--不同机器放的分片数不一样--> 
		<replica>rep_1_1</replica> <!--不同机器放的副本数不一样-->
	</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);![请添加图片描述](https://img-blog.csdnimg.cn/direct/7d073b9d165545dea23c28fc875d4e72.png)

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。