clickhouse 集群安装以及要点

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。

如果对分片理解不好，点击：https://blog.csdn.net/weixin_45417821/article/details/117418925

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。

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>Bigdata01</host>
                    <port>9000</port>
                </replica>
                <!--该分片的第二个副本-->
                <replica>
                    <host>Bigdata02</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>Bigdata03</host>
                    <port>9000</port>
                </replica>
                <replica>
                    <!--该分片的第二个副本-->
                    <host>Bigdata04</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>Bigdata05</host>
                    <port>9000</port>
                </replica>
                <replica>
                    <!--该分片的第二个副本-->
                    <host>Bigdata06</host>
                    <port>9000</port>
                </replica>
            </shard>
        </gmall_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）

配置步骤

1）在 Bigdata04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>Bigdata04</host>
                    <port>9000</port>
                </replica>
                <replica>
                    <!--该分片的第二个副本-->
                    <host>Bigdata05</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>Bigdata06</host>
                    <port>9000</port>
                </replica>
            </shard>
        </gmall_cluster>
    </remote_servers>
    <zookeeper-servers>
        <node index="1">
            <host>Bigdata04</host>
            <port>2181</port>
        </node>
        <node index="2">
            <host>Bigdata05</host>
            <port>2181</port>
        </node>
        <node index="3">
            <host>Bigdata06</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>

解析：

 <macros>
        <shard>01</shard>   <!--分片-->
        <replica>rep_1_1</replica>
        <!--第一个数字是分片，第二个数字是副本-->
    </macros>

2）将 Bigdata04的 metrika-shard.xml 同步到 Bigdata05 和 Bigdata06

[root@Bigdata04 config.d]# scp -r metrika-shard.xml Bigdata05:/etc/clickhouse-server/config.d/
metrika-shard.xml                                                                        100% 1602   271.4KB/s   00:00    
[root@Bigdata04 config.d]# scp -r metrika-shard.xml Bigdata06:/etc/clickhouse-server/config.d/
metrika-shard.xml                                                                        100% 1602   275.5KB/s   00:00    
[root@Bigdata04 config.d]# 

3）修改 Bigdata05 和 Bigdata06 中 metrika-shard.xml 宏的配置

[root@Bigdata05 ~]#  sudo vim /etc/clickhouse-server/config.d/metrika-shard.xml

[root@Bigdata06 ~]#  sudo vim /etc/clickhouse-server/config.d/metrika-shard.xml

4）在 Bigdata04上修改/etc/clickhouse-server/config.xml

5）同步/etc/clickhouse-server/config.xml 到 Bigdata05 和 Bigdata06

6）重启三台服务器上的 ClickHouse 服务

[root@Bigdata04 clickhouse-server]$ sudo clickhouse restart

7）在 Bigdata04 上执行建表语句

➢ 会自动同步到 Bigdata05 和 Bigdata06 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);

查看当前能找到的集群

show clusters;

这个表，也就是在集群当中创建了本地表

Bigdata04中的表
Bigdata05 和 Bigdata06

8）在 Bigdata04 上创建 Distribute 分布式表

三个本地表都有了，名字都一样，挑选一个老大 （这里老大是Bigdata04），先有本地表，才能有分步式表。

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()

分布式表不存储数据，但是分步式表可以控制本地表

向分步式表写入数据，它就会向本地表中每一个分片去写入数据，Bigdata04中1号分配的副本在Bigdata05上

9）在 Bigdata04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_all2!

Bigdata05 和 Bigdata06 查询分步式表也是一样的数据

本地表

Bigdata04:

Bigdata05:

Bigdata06:

因为Bigdata04 和Bigdata05 共用一个分片，且Bigdata05是Bigdata04的副本，

Bigdata06 和Bigdata 04并不一样，因为一共两个分片，一组数据分成了两份，在两份不同表里，Bigdata06查询数据的时候，发现两个数据不在一起，是因为根据时间去分区，且Bigdata06中的两组数据分区不同。

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 Bigdata04 即可。