目录
2.2.1 在hadoop202的/opt/software下创建clickhouse目录
2.2.2 将资料/ClickHouse下4个文件上传到hadoop202的software/clickhouse目录下
2.2.3 将安装文件同步到hadoop203、hadoop204
第一章 ClickHouse入门
ClickHouse 是俄罗斯的Yandex于2016年开源的列式存储数据库(DBMS),使用C++语言编写,主要用于在线分析处理查询(OLAP),能够使用SQL查询实时生成分析数据报告。
1.1 ClickHouse的特点
1.1.1 列式存储
以下面的表为例:
Id | Name | Age |
1 | 张三 | 18 |
2 | 李四 | 22 |
3 | 王五 | 34 |
- 采用行式存储时,数据在磁盘上的组织结构为:
1 | 张三 | 18 | 2 | 李四 | 22 | 3 | 王五 | 34 |
好处是想查某个人所有的属性时,可以通过一次磁盘查找加顺序读取就可以。但是当想查所有人的年龄时,需要不停的查找,或者全表扫描才行,遍历的很多数据都是不需要的。
- 采用列式存储时,数据在磁盘上的组织结构为:
1 | 2 | 3 | 张三 | 李四 | 王五 | 18 | 22 | 34 |
这时想查所有人的年龄只需把年龄那一列拿出来就可以了
- 列式储存的好处:
- 对于列的聚合,计数,求和等统计操作原因优于行式存储。
- 由于某一列的数据类型都是相同的,针对于数据存储更容易进行数据压缩,每一列选择更优的数据压缩算法,大大提高了数据的压缩比重。
- 由于数据压缩比更好,一方面节省了磁盘空间,另一方面对于cache也有了更大的发挥空间。
1.1.2 DBMS的功能
几乎覆盖了标准SQL的大部分语法,包括 DDL和 DML,以及配套的各种函数,用户管理及权限管理,数据的备份与恢复
1.1.3 多样化引擎
ClickHouse和MySQL类似,把表级的存储引擎插件化,根据表的不同需求可以设定不同的存储引擎。目前包括合并树、日志、接口和其他四大类20多种引擎。
1.1.4 高吞吐写入能力
ClickHouse采用类LSM Tree的结构,数据写入后定期在后台Compaction。通过类LSM tree的结构,ClickHouse在数据导入时全部是顺序append写,写入后数据段不可更改,在后台compaction时也是多个段merge sort后顺序写回磁盘。顺序写的特性,充分利用了磁盘的吞吐能力,即便在HDD上也有着优异的写入性能。
官方公开benchmark测试显示能够达到50MB-200MB/s的写入吞吐能力,按照每行100Byte估算,大约相当于50W-200W条/s的写入速度。
1.1.5 数据分区与线程级并行
ClickHouse将数据划分为多个partition,每个partition再进一步划分为多个index granularity,然后通过多个CPU核心分别处理其中的一部分来实现并行数据处理。在这种设计下,单条Query就能利用整机所有CPU。极致的并行处理能力,极大的降低了查询延时。
所以,ClickHouse即使对于大量数据的查询也能够化整为零平行处理。但是有一个弊端就是对于单条查询使用多cpu,就不利于同时并发多条查询。所以对于高qps的查询业务,ClickHouse并不是强项。
1.1.6 性能对比
某网站精华帖,中对几款数据库做了性能对比。
- 单表查询
- 关联查询
结论: ClickHouse像很多OLAP数据库一样,单表查询速度由于关联查询,而且ClickHouse的两者差距更为明显。
第二章 ClickHouse的安装
2.1 准备工作
2.1.1 确定防火墙处于关闭状态
2.1.2 CentOS取消打开文件数限制
- 在hadoop202的 /etc/security/limits.conf文件的末尾加入以下内容
[atguigu@hadoop202 ~]$ sudo vim /etc/security/limits.conf
* soft nofile 65536
* hard nofile 65536
* soft nproc 131072
* hard nproc 131072
- 在hadoop202的/etc/security/limits.d/20-nproc.conf文件的末尾加入以下内容
[atguigu@hadoop202 ~]$ sudo vim /etc/security/limits.d/20-nproc.conf
* soft nofile 65536
* hard nofile 65536
* soft nproc 131072
* hard nproc 131072
- 执行同步操作
[atguigu@hadoop202 ~]$ sudo /home/atguigu/bin/xsync /etc/security/limits.conf
[atguigu@hadoop202 ~]$ sudo /home/atguigu/bin/xsync /etc/security/limits.d/20-nproc.conf
2.1.3 安装依赖
[atguigu@hadoop202 ~]$ sudo yum install -y libtool
[atguigu@hadoop202 ~]$ sudo yum install -y *unixODBC*
在hadoop203、hadoop204上执行以上操作
2.1.4 CentOS取消SELINUX
- 修改/etc/selinux/config中的SELINUX=disabled
[atguigu@hadoop202 ~]$ sudo vim /etc/selinux/config
SELINUX=disabled
注意:别改错了
- 执行同步操作
[atguigu@hadoop202 ~]$ sudo /home/atguigu/bin/xsync /etc/selinux/config
- 重启三台服务器
2.2 单机安装
官网:Fast Open-Source OLAP DBMS - ClickHouse
下载地址:https://repo.clickhouse.tech/rpm/stable/x86_64/
2.2.1 在hadoop202的/opt/software下创建clickhouse目录
[atguigu@hadoop202 software]$ mkdir clickhouse
2.2.2 将资料/ClickHouse下4个文件上传到hadoop202的software/clickhouse目录下
2.2.3 将安装文件同步到hadoop203、hadoop204
[atguigu@hadoop202 software]$ xsync clickhouse/
2.2.4 分别在三台机子上安装这4个rpm文件
[atguigu@hadoop202 clickhouse]$ sudo rpm -ivh *.rpm
sudo rpm -qa|grep clickhouse查看安装情况
2.2.5 修改配置文件
[atguigu@hadoop202 clickhouse]$ sudo vim /etc/clickhouse-server/config.xml
把 <listen_host>::</listen_host> 的注释打开,这样的话才能让ClickHouse被除本机以外的服务器访问,在70行左右。
分发配置文件
sudo /home/atguigu/bin/xsync /etc/clickhouse-server/config.xml
在这个文件中,有ClickHouse的一些默认路径配置,比较重要的
数据文件路径:<path>/var/lib/clickhouse/</path>
日志文件路径:<log>/var/log/clickhouse-server/clickhouse-server.log</log>
2.2.6 启动Clickhouse
[atguigu@hadoop202 clickhouse]$ sudo systemctl start clickhouse-server
注意:如果安装过zabbix,需要禁用一些服务的开机自启
2.2.7 三台机器上关闭开机自启
[atguigu@hadoop202 clickhouse]$sudo systemctl disable clickhouse-server
2.2.8 使用client连接server
[atguigu@hadoop202 clickhouse]$ clickhouse-client -m
-m :可以在命令窗口输入多行命令