文章目录
- 分片集群
- 分片 2 副本共 6 个节点集群配置(供参考)
- 配置三节点版本集群及副本
- 配置步骤
- 1)在 Bigdata04的/etc/clickhouse-server/config.d 目录下创建 metrika-shard.xml 文件
- 2)将 Bigdata04的 metrika-shard.xml 同步到 Bigdata05 和 Bigdata06
- 3)修改 Bigdata05 和 Bigdata06 中 metrika-shard.xml 宏的配置
- 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
- 7)在 Bigdata04 上执行建表语句
- 8)在 Bigdata04 上创建 Distribute 分布式表
- 9)在 Bigdata04上插入测试数据
- 10)通过查询分布式表和本地表观察输出结果
- 项目为了节省资源,就使用单节点,不用集群
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。