背景:
随着数据量的上升,OLAP一直是被讨论的话题,虽然druid,kylin能够解决OLAP问题,但是druid,kylin也是需要和hadoop全家桶一起用的,异常的笨重,再说我也搞不定,那只能找我能搞定的技术。故引进clickhoue,关于clickhoue在17年本人就开始关注,并且写了一些入门的介绍,直到19年clickhoue功能慢慢的丰富才又慢慢的关注,并且编写了同步程序,把mysql数据实时同步到clickhoue,并且最终在线上使用起来。
clickhouse面对海量数据,比如单表过百亿可以使用集群(复制+分片),如果数据量比较小,比如单表10-20亿使用单机就足以满足查询需求。如果使用复制需要使用zk,更多集群的请自行查阅官方资料。
单机部署(以前的文章也有写过单机部署) :
在2016年clickhouse刚开始开源的时候对Ubuntu支持非常友好,一个apt命令就可以安装了。对于centos等系统 支持就比较差,需要自己编译,而且不一定能够成功。随着使用人群的扩大,目前对于centos支持也是非常的友好 了,有rpm包可以直接安装。甚至目前Altinity公司已经制作了yum源,添加源之后直接yum安装完成。这个在官方 文档里面也有提到,参考: https://clickhouse.yandex/docs/en/getting_started/ https://github.com/Altinity/clickhouse-rpm-install 。目前线上使用的是centos 7.0的系统。之所以使用7.0的系统是因为同步数据的程序是用python写的,而且用到的 一个核心包:python-mysql-replication需要使用python 2.7的环境。同时由于clickhouse不兼容mysql协议,为了方便开发接入系统不用过多更改代码,引入了proxysql兼容mysql协议,clickhouse最新版本已经支持mysql协议,支持clickhouse的proxysql也需要python 2.7的环境,所以干脆直接用centos 7.0系统
测试环境:
服务器数量:1台
操作系统:centos 7.1
安装服务:clickhouse,mysql
安装mysql是测试clickhouse从mysql同步数据。
clickhouse安装:
添加yum源
curl -s https://packagecloud.io/install/repositories/altinity/clickhouse/script.rpm.sh | sudo bash
yum安装
yum install -y clickhouse-server clickhouse-client
服务启动
/etc/init.d/clickhouse-server start
默认数据存放位置是: /var/lib/clickhouse/
登录,查看数据库(默认用户是default,密码为空)
[root@ck-server-01 sync]# clickhouse-client -h 127.0.0.1ClickHouse client version19.9.2.4.
Connecting to127.0.0.1:9000as user default.
Connected to ClickHouse server version19.9.2 revision 54421.
ck-server-01:) show databases;
SHOW DATABASES
┌─name────┐
│ default │
│ system │
└─────────┘2 rows in set. Elapsed: 0.003sec.
ck-server-01 :)
default数据库里面没有任何东西,和mysql里面的test库是一样的。system库看名字就知道是什么。到这里clickhouse就部署完成,是不是很简单?
补充一点,在官方的文档里面有几点建议:
1. 关闭大页
2. 调整内存使用
3. 关闭cpu节能模式
echo 'performance' | sudo tee /sys/devices/system/cpu/cpu*/cpufreq/scaling_governorecho 0 > /proc/sys/vm/overcommit_memoryecho 'never' > /sys/kernel/mm/transparent_hugepage/enabled
mysql部署请自行部署。这里不做介绍。如果想从mysql同步数据那么binlog 格式必须是row。而且必须binlog_row_image=full
安装同步程序依赖的包;同步程序可以放在clickhouse服务器上面,也可以单独放在其他服务器。同步程序使用pypy启动,所以安装包的时候需要安装pyum -y install pypy-libs pypy pypy-devel
wget https://bootstrap.pypa.io/get-pip.py
pypy get-pip.py/usr/lib64/pypy-5.0.1/bin/pip install MySQL-python/usr/lib64/pypy-5.0.1/bin/pip install mysql-replication/usr/lib64/pypy-5.0.1/bin/pip install clickhouse-driver==0.0.20
/usr/lib64/pypy-5.0.1/bin/pip install redis
这里也安装了redis模块是因为同步的binlog pos可以存放在redis里面,当然程序也是支持存放在文件里面
proxysql安装(主要是为了clickhouse兼容mysql协议): proxysql在这里下载:https://github.com/sysown/proxysql/releases 选择带clickhouse的包下载,否则不会支持clickhouse。ps:较新版本的clickhouse已经原生兼容mysql协议。
proxysql安装及配置
rpm -ivh proxysql-2.0.3-1-clickhouse-centos7.x86_64.rpm
启动(必须这样启动,否则是不支持clickhouse的):
proxysql --clickhouse-server
登录proxysql,设置账户:
mysql -uadmin -padmin -h127.0.0.1 -P6032INSERT INTO clickhouse_users VALUES ('clicku','clickp',1,100);LOAD CLICKHOUSE USERS TORUNTIME;SAVE CLICKHOUSE USERS TO DISK;
使用proxysql连接到clickhouse:
[root@ck-server-01 sync]# mysql -u clicku -pclickp -h 127.0.0.1 -P6090
mysql: [Warning] Using a password on the command line interface can be insecure.
Welcome to the MySQL monitor. Commands end with ; or \g.
Your MySQL connectionid is 28356Server version:5.5.30(ProxySQL ClickHouse Module)
Copyright (c)2000, 2019, Oracle and/or its affiliates. All rights reserved.
Oracle is a registered trademark of Oracle Corporation and/or its
affiliates. Other names may be trademarks of their respective
owners.
Type'help;' or '\h' for help. Type '\c' to clearthe current input statement.
mysql>show databases;+---------+
| name |
+---------+
| default |
| system |
+---------+
mysql同步数据到clickhouse
mysql里面有个库yayun,库里面有张表tb1,同步这张表到clickhoue
mysql> useyayun;Databasechanged
mysql> show create tabletb1\G*************************** 1. row ***************************
Table: tb1Create Table: CREATE TABLE`tb1` (
`id`int(10) unsigned NOT NULLAUTO_INCREMENT,
`pay_money`decimal(20,2) NOT NULL DEFAULT '0.00',
`pay_day` dateNOT NULL,
`pay_time`datetime NOT NULL DEFAULT '0000-00-00 00:00:00',PRIMARY KEY(`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb41 row in set (0.00 sec)
1. clickhoue里面建库,建表。
ck-server-01 :) create databaseyayun;CREATE DATABASEyayun
Ok.0 rows in set. Elapsed: 0.021sec.
ck-server-01 :)
2. 建表(clickhouse建表的格式以及字段类型和mysql完全不一样,如果字段少还可以自己建,如果字段多比较痛苦,可以使用clickhouse自带的从mysql导数据的命令来建表),在建表之前需要进行授权,因为程序同步也是模拟一个从库拉取数据.
GRANT REPLICATION SLAVE, REPLICATION CLIENT, SELECT ON *.* TO 'ch_repl'@'127.0.0.1' identified by '123';
3. 登陆clickhouse进行建表
ck-server-01 :) useyayun;USEyayun
Ok.0 rows in set. Elapsed: 0.001sec.
ck-server-01 :) CREATE TABLEtb1
:-] ENGINE =MergeTree
:-] PARTITION BYtoYYYYMM(pay_time)
:-] ORDER BY (pay_time) AS:-] SELECT *:-] FROM mysql('127.0.0.1:3306', 'yayun', 'tb1', 'ch_repl', '123') ;CREATE TABLEtb1
ENGINE=MergeTree
PARTITIONBYtoYYYYMM(pay_time)ORDER BY pay_time AS
SELECT *
FROM mysql('127.0.0.1:3306', 'yayun', 'tb1', 'ch_repl', '123')
Ok.0 rows in set. Elapsed: 0.031 sec.
这里使用MergeTree引擎,MergeTree是clickhouse里面最牛逼的引擎,支持海量数据,支持索引,支持分区,支持更新删除。toYYYYMM(pay_time)的意思是根据pay_time分区,粒度是按月。ORDER BY (pay_time)的意思是根据pay_time排序存储,同时也是索引。上面的create table命令如果mysql表里面以后数据那么数据也会一并进入clickhouse里面。通常会limit 1,然后更改一下表结构。上面没有报错的话我们看看clickhouse里面的表结构:
ck-server-01 :) show create tabletb1;
SHOWCREATE TABLEtb1
┌─statement────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│CREATE TABLE yayun.tb1 (`id` UInt32, `pay_money` String, `pay_day` Date, `pay_time` DateTime) ENGINE = MergeTree PARTITION BY toYYYYMM(pay_time) ORDER BY pay_time SETTINGS index_granularity = 8192│
└──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘1 rows in set. Elapsed: 0.002 sec.
其中这里的index_granularity = 8192是指索引的粒度。如果数据量没有达到百亿,那么通常无需更改。表结构也创建完成以后现在配置同步程序配置文件:metainfo.conf
[root@ck-server-01 sync]# catmetainfo.conf
# 从这里同步数据
[master_server]
host='127.0.0.1'port=3306user='ch_repl'
passwd='123'server_id=101# redis配置信息,用于存放pos点
[redis_server]
host='127.0.0.1'port=6379
passwd='12345'log_pos_prefix='log_pos_'#把log_position记录到文件
[log_position]file='./repl_pos.log'# ch server信息,数据同步以后写入这里
[clickhouse_server]
host=127.0.0.1port=9000
passwd=''user='default'#字段大小写. 1是大写,0是小写
column_lower_upper=0# 需要同步的数据库
[only_schemas]
schemas='yayun'# 需要同步的表
[only_tables]
tables='tb1'# 指定库表跳过DML语句(update,delete可选)
[skip_dmls_sing]
skip_delete_tb_name= ''skip_update_tb_name= ''#跳过所有表的DML语句(update,delete可选)
[skip_dmls_all]
#skip_type= 'delete'#skip_type= 'delete,update'skip_type= ''[bulk_insert_nums]
#多少记录提交一次
insert_nums=10#选择每隔多少秒同步一次,负数表示不启用,单位秒
interval=60# 同步失败告警收件人
[failure_alarm]
mail_host= 'xxx'mail_port= 25mail_user= 'xxx'mail_pass= 'xxx'mail_send_from= 'xxx'alarm_mail= 'xxx'#日志存放路径
[repl_log]
log_dir="/tmp/relication_mysql_clickhouse.log"
设置pos点:
和mysql搭建从库一样,配置从哪里开始同步,看mysql的pos点:
mysql>show master status;+------------------+----------+--------------+------------------+-------------------+
| File | Position | Binlog_Do_DB | Binlog_Ignore_DB | Executed_Gtid_Set |
+------------------+----------+--------------+------------------+-------------------+
| mysql-bin.000069 | 4024404 | | | |
+------------------+----------+--------------+------------------+-------------------+
1 row in set (0.00 sec)
把pos点写入文件或者redis,我选择记录到文件就是。
[root@ck-server-01 sync]# catrepl_pos.log
[log_position]
filename= mysql-bin.000069position= 4024404[root@ck-server-01 sync]#
启动同步程序:
[root@ck-server-01 sync]# pypy mysql-clickhouse-replication.py --help
usage: Data Replication to clikhouse [-h] [-c CONF] [-d] [-l]
mysql data is copied to clikhouse
optional arguments:-h, --help show this help message and exit-c CONF, --conf CONF Data synchronization information file
-d, --debug Display SQL information-l, --logtoredis log position to redis ,default fileBy dengyayun @2019[root@ck-server-01 sync]#
默认pos点就是记录文件,无需再指定记录binlog pos方式
[root@ck-server-01 sync]# pypy mysql-clickhouse-replication.py --conf metainfo.conf --debug11:59:54 INFO 开始同步数据时间 2019-07-17 11:59:54
11:59:54 INFO 从服务器 127.0.0.1:3306同步数据11:59:54 INFO 读取binlog: mysql-bin.000069:4024404
11:59:54 INFO 同步到clickhouse server 127.0.0.1:9000
11:59:54 INFO 同步到clickhouse的数据库: ['yayun']11:59:54 INFO 同步到clickhouse的表: ['tb1']
mysql插入10条数据:
mysql> insert into tb1 (pay_money,pay_day,pay_time)values('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00') ;
Query OK,10 rows affected (0.01sec)
Records:10 Duplicates: 0 Warnings: 0mysql> select * fromtb1;+----+-----------+------------+---------------------+
| id | pay_money | pay_day | pay_time |
+----+-----------+------------+---------------------+
| 1 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 |
| 3 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 |
| 5 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 |
| 7 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 |
| 9 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 |
| 11 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 |
| 13 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 |
| 15 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 |
| 17 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 |
| 19 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 |
同步程序日志输出:
[root@ck-server-01 sync]# pypy mysql-clickhouse-replication.py --conf metainfo.conf --debug12:12:09 INFO 开始同步数据时间 2019-07-17 12:12:09
12:12:09 INFO 从服务器 127.0.0.1:3306同步数据12:12:09 INFO 读取binlog: mysql-bin.000069:4024404
12:12:09 INFO 同步到clickhouse server 127.0.0.1:9000
12:12:09 INFO 同步到clickhouse的数据库: ['yayun']12:12:09 INFO 同步到clickhouse的表: ['tb1']12:12:09 INFO INSERT 数据插入SQL: INSERT INTO yayun.tb1 VALUES, [{u'id': 1, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 3, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 5, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 7, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 9, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 11, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 13, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 15, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 17, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 19, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}]
clickhoue数据查询:
ck-server-01 :) select * fromtb1;SELECT *
FROMtb1
┌─id─┬─pay_money─┬────pay_day─┬────────────pay_time─┐
│1 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00│
│3 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00│
│5 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00│
│7 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00│
│9 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00│
│11 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00│
│13 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00│
│15 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00│
│17 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00│
│19 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00│
└────┴───────────┴────────────┴─────────────────────┘10 rows in set. Elapsed: 0.005 sec.
mysql数据更新:
mysql> update tb1 set pay_money='88.88';
Query OK,10 rows affected (0.00sec)
Rows matched:10 Changed: 10 Warnings: 0mysql> select * fromtb1;+----+-----------+------------+---------------------+
| id | pay_money | pay_day | pay_time |
+----+-----------+------------+---------------------+
| 1 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 |
| 3 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 |
| 5 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 |
| 7 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 |
| 9 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 |
| 11 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 |
| 13 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 |
| 15 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 |
| 17 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 |
| 19 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 |
+----+-----------+------------+---------------------+
10 rows in set (0.00 sec)
clickhoue数据查询:
ck-server-01 :) select * fromtb1;SELECT *
FROMtb1
┌─id─┬─pay_money─┬────pay_day─┬────────────pay_time─┐
│1 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00│
│3 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00│
│5 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00│
│7 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00│
│9 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00│
│11 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00│
│13 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00│
│15 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00│
│17 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00│
│19 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00│
└────┴───────────┴────────────┴─────────────────────┘10 rows in set. Elapsed: 0.009 sec.
可以看见数据都同步完成。
代码地址:
总结:
目前线上报表业务都已经在使用clickhoue,数据同步采用自行开发的同步程序进行同步。目前数据一致性没有什么问题。当然同步的表需要有自增主键,否则有些情况比较难处理。延时也比较小。数据的延时以及数据的一致性都有监控。
总体来说使用clickhoue处理olap还是非常不错的选择,小伙伴们可以尝试。
参考资料