ClickHouse高可用集群分片-副本实操(四)

是小王同学啊~

已于 2023-03-12 11:04:59 修改

阅读量2k

点赞数

分类专栏： ClickHouse 文章标签：数据库大数据 clickhouse

于 2023-02-25 19:47:24 首次发布

本文链接：https://blog.csdn.net/wnn654321/article/details/125951276

版权

ClickHouse 专栏收录该内容

5 篇文章 3 订阅

订阅专栏

一、ClickHouse高可用之ReplicatedMergeTree引擎

二、 ClickHouse高可用架构准备-环境说明和ZK搭建

三、高可用集群架构-ClickHouse副本配置实操

四、ClickHouse高可用集群架构分片

4.1 ClickHouse高可用架构之两分片实操

4.2 ClickHouse高可用架构之两分片建表实操

一、ClickHouse高可用之ReplicatedMergeTree引擎

什么是CK的副本引擎:

两个相同数据的表, 作用是为了数据备份与安全，保障数据的高可用性。
副本是表级别的，不是整个服务器级的，服务器里可以同时有复制表和非复制表。
副本不依赖分片，每个分片有它自己的独立副本。

副本写入的流程和注意事项：(这是重点-面试问的多哈哈)

数据传输是不经过ZK的，ZK只是一个协调者的身份。

副本写入流程和注意事项:

复制是多主异步

1.数据会先插入到执行该语句的服务器上，然后被复制到其他服务器。(复制是多主异步的，客户端写完之后就可以返回)
2.由于它是异步的，在其他副本上最近插入的数据会有一些延迟。当部分副本挂了的时候，数据会在该副本恢复正常的时候，再继续进行同步
其中副本可用的情况下，会有些许延迟，那延迟的时长就是通过网络传输、压缩数据块所需的时间。
3.默认情况下，INSERT 语句仅等待一个副本写入成功后返回，如果数据只成功写入一个副本后该副本所在的服务器不再存在，则存储的数据会丢失
4.要启用数据写入多个副本才确认返回，使用 insert_quorum 进行配置，但是会影响性能
5.对于 INSERT 和 ALTER 语句操作数据的会在压缩的情况下被复制，而 CREATE，DROP，ATTACH，DETACH 和 RENAME 语句只会在单个服务器上执行，不会被复制。

副本合并树引擎ReplicatedMergeTree

如果有两个副本的话,相当于分布在两台clickhosue节点中的两个表,
这个两个表具有协调功能, 无论是哪个表执行insert或者alter操作,都会同步到另外一张表，副本就是相互同步数据的表
副本同步需要借助zookeeper实现数据的同步, 副本节点会在zk上进行监听，但数据同步过程是不经过zk的
zookeeper要求3.4.5以及以上版本

建表:

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
    name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1] [TTL expr1],
    name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2] [TTL expr2],
    ...
    INDEX index_name1 expr1 TYPE type1(...) GRANULARITY value1,
    INDEX index_name2 expr2 TYPE type2(...) GRANULARITY value2
) ENGINE = ReplicatedMergeTree('{zoo_path}', '{replica_name}')
ORDER BY expr
[PARTITION BY expr]
[PRIMARY KEY expr]

语句:

CREATE TABLE tb_order
(
    EventDate DateTime,
    CounterID UInt32,
    UserID UInt32
) ENGINE = ReplicatedMergeTree('/clickhouse/tables/01/tb_order', 'tb_order_01')
PARTITION BY toYYYYMM(EventDate)
ORDER BY (CounterID, EventDate, intHash32(UserID))
SAMPLE BY intHash32(UserID)

ReplicatedMergeTree 参数
zoo_path — zk 中该表的路径，可自定义名称，同一张表的同一分片的不同副本，要定义相同的路径；
replica_name — zk 中的该表的副本名称，同一张表的同一分片的不同副本，要定义不同的名称；

«ZooKeeper 中该表的路径»对每个可复制表都要是唯一的,不同分片上的表要有不同的路径

推荐格式即【通用前缀】【分片标识部分】/clickhouse/tables/{shard}/{table_name}
大括号的部分的可以用参数替代

二、 ClickHouse高可用架构准备-环境说明和ZK搭建

高可用架构需要ZK
         副本同步需要借助zookeeper实现数据的同步, 副本节点会在zk上进行监听，但数据同步过程是不经过zk的，zk是个协调者
        zookeeper要求3.4.5以及以上版本
        使用Docker部署即可

机器准备
机器一：(Docker安装ZK) 112.xxx.xxx.240
机器二：(RPM安装ClickHouse) 120.xxx.xxx.49
机器三：(RPM安装ClickHouse) 120.xx.xxx.202

第一步：在机器一上面安装zk

Docker部署ZK
docker run -d --name zookeeper -p 2181:2181 -t zookeeper:3.7.0

第二步 :在机器二/三上面 通过RPM方式部署CK 版本：ClickHouse 22.1.2.2

安装文档地址:安装 | ClickHouse Docs

#各个节点上传到新建文件夹
/usr/local/software/*

#安装
sudo rpm -ivh *.rpm

#启动
systemctl start clickhouse-server

#停止
systemctl stop clickhouse-server

#重启
systemctl restart clickhouse-server

#状态查看
sudo systemctl status clickhouse-server

#查看端口占用，如果命令不存在 yum install -y lsof
lsof -i :8123

#查看日志
tail -f /var/log/clickhouse-server/clickhouse-server.log
tail -f /var/log/clickhouse-server/clickhouse-server.err.log

#开启远程访问，取消下面的注释
vim /etc/clickhouse-server/config.xml

#编辑配置文件
<listen_host>0.0.0.0</listen_host>

#重启
systemctl restart clickhouse-server

实操：

1. 先把几个rpm文件上传到/usr/local/software目录下

2.cd /usr/local/software sudo rpm -ivh *.rpm进行安装

中间会停顿下让你输入密码，直接回车即可。

3.安装后需要启动 systemctl start clickhouse-server

查看启动状态:sudo systemctl status clickhouse-server

4.查看端口占用

5.查看日志

tail -f /var/log/clickhouse-server/clickhouse-server.log

6.取消下面的注释开启远程访问
vim /etc/clickhouse-server/config.xml

7.重启ck

systemctl start clickhouse-server

8.远程工具连接

到这就完成RPM形式的单机部署~将机器三，也按照这种形式部署起来然后继续下面的副本配置操作

注意:阿里云部署时，报错 <Error> DNSResolver: Cannot resolve host (iZwz9bg08mzvexxkzyu7iiZ), error 0: iZwz9bg08mzvexxkzyu7iiZ

DB::Exception: Not found address of host

解决：增加ip和host域名
sudo vim /etc/hosts
在集群副本的hosts文件中，增加局域网ip和hostname即可

三、高可用集群架构-ClickHouse副本配置实操

第一步:机器二、机器三都需要配置

vim /etc/clickhouse-server/config.xml

<zookeeper>
<node>
<host>112.xx.xxx.240</host>#一开始使用docker安装的那个zk公网IP地址
<port>2181</port>
</node>
</zookeeper>

<interserver_http_host>120.xx.xx.202</interserver_http_host>#当前机器的IP地址

wq!保存退出

重启:

实操 -->2台机器都要更改后重启：

更改1

更改2

第二步:在每个机器上创建表

副本同步，同步的是数据，表结构是不会同步的

#节点一，zk路径一致，副本名称不一样
CREATE TABLE tb_product
(
userId UInt32
) ENGINE = ReplicatedMergeTree('/clickhouse/tables/1/tb_product', 'product-replica-1')
ORDER BY (userId)

#节点二，zk路径一致，副本名称不一样
CREATE TABLE tb_product
(
userId UInt32
) ENGINE = ReplicatedMergeTree('/clickhouse/tables/1/tb_product', 'product-replica-2')
ORDER BY (userId)

#查询zk配置
select * from system.zookeeper where path='/'

注意：副本只能同步数据，不能同步表结构，需要在每台机器上手动建表

演示：在其中任何一个节点插入数据，然后去另外一个节点上面查看

在202机器上可以查看到结果

四、ClickHouse高可用集群架构分片

什么是ClickHouse的分片

数据分片-允许多台机器/节点同并行执行查询，实现了分布式并行计算
分片间的数据是不同的，不同的服务器存储同一张表的不同部分,作用是为了水平切分表,缓解单节点的压力

分布式表引擎Distributed

官方文档:分布式引擎 | ClickHouse Docs

分布式表引擎Distributed:Distributed表引擎主要是用于分布式，自身不存储任何数据，数据都分散存储在某一个分片上，能够自动路由数据至集群中的各个节点，需要和其他数据表引擎一起协同工作.主要起汇总返回的作用。

一张分布式表底层会对应多个分片数据表，由具体的分片表存储数据，分布式表与分片表是一对多的关系。分布式表主要有本地表（xxx_local）和分布式表（xxx_all）两部分组成

建表语法:

参数:

cluster：集群名称，与集群配置中的自定义名称相对应,比如 wnn_shard。

database：数据库名称

**table：本地表名称

sharding_key：可选参数，用于分片的key值，在写入的数据Distributed表引擎会依据分片key的规则，将数据分布到各个节点的本地表

user_id等业务字段、rand()随机函数等规则

参数详细说明，见官方文档分布式引擎 | ClickHouse Docs

多分片表查询方式:

本着谁执行谁负责的原则，向ClickHouse发起分布式表执行SELECT * FROM distributed_table
它会转为如下形式SELECT * FROM local_table，先执行本地分片，再发送远端各分片执行
合并结果为临时表返回

4.1 ClickHouse高可用架构之两分片实操

第一步：在[每个ClickHouse机器上]做配置

#进入配置目录
cd /etc/clickhouse-server

#编辑配置文件
sudo vim config.xml

<!-- 2shard 1replica -->
    <cluster_2shards_1replicas>
        <!-- shard1  -->
        <shard>
            <replica>
                <host>120.xx.xxx.49</host>
                <port>9000</port>
            </replica>
        </shard>
        
        <!-- shard2  -->
        <shard>
            <replica>
                <host>120.xxx.xxx.202</host>
                <port> 9000</port>
            </replica>
        </shard>
        
    </cluster_2shards_1replicas>

保存退出后，重启服务systemctl restart clickhouse-server

然后查询下分片是否成功:select * from system.clusters

可以看到集群名称分片个数以及分片后的IP地址

每个节点重启ClickHouse
#重启
systemctl restart clickhouse-server

判断是否配置成功
重启ClickHouse前查询，查不到对应的集群名称，重启ClickHouse后能查询到
select * from system.clusters

4.2 ClickHouse高可用架构之两分片建表实操

分布式ddl指的是在一台服务器上执行sql,其他服务器同步执行,需要借助于cluster

建表实操:

#【选一个节点】创建好本地表后，在1个节点创建，会在其他节点都存在
create table default.wnn_order on cluster cluster_2shards_1replicas
(id Int8,name String) engine =MergeTree order by id;


#【选一个节点】创建分布式表名 wnn_order_all，在1个节点创建，会在其他节点都存在
create table wnn_order_all on cluster cluster_2shards_1replicas (
id Int8,name String
)engine = Distributed(cluster_2shards_1replicas,default, wnn_order,hiveHash(id));

#分布式表插入
insert into wnn_order_all values(1,'冰冰'),(2,'大钊'),(3,'小D'),(4,'老王');

#【任意节点查询-分布式，全部数据】
SELECT * from wnn_order_all

#【任意本地节点查询，部分数据】
SELECT * from wnn_order

如何往集群中写入数据,方法有两种：

方式一:
自已指定要将哪些数据写入哪些服务器，并直接在每个分片上执行写入。
在分布式表上«查询»，在数据表上 INSERT
可以使用任何分片方案，对于复杂业务特性的需求，数据可以完全独立地写入不同的分片。

方式二
在分布式表上执行 INSERT。在这种情况下，分布式表会跨服务器分发插入数据。
为了写入分布式表，必须要配置分片键（最后一个参数）
如果只有一个分片，则写操作在没有分片键的情况下也能工作，这种情况下分片键没有意义
每个分片都可以在配置文件中定义权重。默认情况下，权重等于1。数据依据分片权重按比例分发到分片上
如果有两个分片，第一个分片的权重是9，而第二个分片的权重是10，则发送 9 / 19 的行到第一个分片， 10 / 19 的行到第二个分片。

注意:
每个clickhouse-server实例只能放一个分片的一个备份，3分片2备份需要6台机器，1个机器不能存放两个副本