分片及Distributed 表引擎

简介

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，是一种中间件，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。

集群写入流程

3 分片 2 副本共 6 个节点

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

配置的位置还是在之前的/etc/clickhouse-server/config.d/metrika.xml，内容如下

<yandex>
<clickhouse_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>hadoop201</host>
 <port>9000</port>
 </replica>
 <!--该分片的第二个副本-->
 <replica> 
 <host>hadoop202</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>hadoop203</host>
 <port>9000</port>
 </replica>
 <replica> <!--该分片的第二个副本-->
 <host>hadoop204</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>hadoop205</host>
 <port>9000</port>
 </replica>
 <replica> <!--该分片的第二个副本-->
 <host>hadoop206</host>
 <port>9000</port>
 </replica>
 </shard>
</gmall_cluster>
</clickhouse_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 hadoop202 的/etc/clickhouse-server/config.d 目录下创建 metrika-shard.xml 文件

<?xml version="1.0"?>
<yandex>
<clickhouse_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>hadoop202</host>
 <port>9000</port>
 </replica>
 <replica> <!--该分片的第二个副本-->
 <host>hadoop203</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>hadoop204</host>
 <port>9000</port>
 </replica>
</shard>
</gmall_cluster>
</clickhouse_remote_servers>
<zookeeper-servers>
<node index="1">
<host>hadoop202</host>
<port>2181</port>
</node>
<node index="2">
<host>hadoop203</host>
 <port>2181</port>
</node>
<node index="3">
 <host>hadoop204</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 hadoop202 的 metrika-shard.xml 同步到 203 和 204

sudo /home/atguigu/bin/xsync /etc/clickhouse-server/config.d/metrika-shard.xml

(3)修改 203 和 204 中 metrika-shard.xml 宏的配置
➢ 203

[atguigu@hadoop203 ~]$ sudo vim /etc/clickhouse-server/config.d/metrika-shard.xml

➢ 204

[atguigu@hadoop204 ~]$ sudo vim /etc/clickhouse-server/config.d/metrika-shard.xml

(4)在 hadoop202 上修改/etc/clickhouse-server/config.xm

(5)同步/etc/clickhouse-server/config.xml 到 203 和 204

[atguigu@hadoop202 ~]$ sudo /home/atguigu/bin/xsync /etc/clickhouse-server/config.xml

(6)重启三台服务器上的 ClickHouse 服务

[atguigu@hadoop202 clickhouse-server]$ sudo systemctl stop clickhouse-server
[atguigu@hadoop202 clickhouse-server]$ sudo systemctl start clickhouse-server
[atguigu@hadoop202 clickhouse-server]$ ps -ef |grep click

(7)在 hadoop202 上执行建表语句
➢ 会自动同步到 hadoop203 和 hadoop204 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_0105','{replica}')
 partition by toYYYYMMDD(create_time)
 primary key (id)
 order by (id,sku_id);

可以到 hadoop203 和 hadoop204 上查看表是否创建成功

(8)在 hadoop202 上创建 Distribute 分布式表

create table st_order_mt_all 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 hadoop202 上插入测试数据

insert into st_order_mt_all 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