ClickHouse-集群部署以及副本和分片

最新推荐文章于 2024-05-27 17:24:54 发布

魔笛Love

最新推荐文章于 2024-05-27 17:24:54 发布

阅读量3k

点赞数 1

文章标签：服务器 zookeeper linux

本文链接：https://blog.csdn.net/clearlxj/article/details/121774940

版权

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：

在这里插入图片描述

副本写入流程

在这里插入图片描述

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<zookeeper>**也可以，这样的话就不需要配置3步骤的信息了。

<?xml version="1.0"?>
<yandex>
    <zookeeper-servers>
        <node index="113">
            <host>hadoop113</host>
            <port>2181</port>
        </node>
            <node index="114">
            <host>hadoop114</host>
        	<port>2181</port>
        </node>
            <node index="115">
            <host>hadoop115</host>
        	<port>2181</port>
        </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.xml</include_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)

在这里插入图片描述

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)

在这里插入图片描述

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> <!-- 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>
        </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)

在这里插入图片描述

hadoop113	hadoop114	hadoop115
01 rep_1_1	01 rep_1_2	02 rep_2_1

配置步骤

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

<?xml version="1.0"?>
<yandex>
    <remote_servers>
    <test_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>hadoop113</host>
                <port>9000</port>
            </replica>
            <replica>
                <!--该分片的第二个副本-->
                <host>hadoop114</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>hadoop115</host>
                <port>9000</port>
            </replica>
        </shard>
    </test_cluster>
    </remote_servers>
    
    <zookeeper-servers>
        <node index="113">
            <host>hadoop113</host>
            <port>2181</port>
        </node>
        <node index="114">
            <host>hadoop114</host>
            <port>2181</port>
        </node>
        <node index="115">
            <host>hadoop115</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 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

<!-- hadoop114 -->
<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>

<!-- hadoop115 -->
<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 hadoop113 上修改/etc/clickhouse-server/config.xml

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

在这里插入图片描述

魔笛Love

关注

1
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
ClickHouse-集群部署以及副本和分片

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
复制链接

扫一扫