副本
1.副本写入流程
副本中ck节点是平等的
2.配置步骤
- 启动zookeeper集群
- 修改配置
在hadoop102的/etc/clickhouse-server/config.d目录下创建一个名为metrika.xml的配置文件(名字随便起),内容如下:
<?xml version="1.0"?>
<yandex>
<zookeeper-servers>
<node index="1">
<host>hadoop1</host>
<port>2181</port>
</node>
<node index="2">
<host>hadoop2</host>
<port>2181</port>
</node>
<node index="3">
<host>hadoop3</host>
<port>2181</port>
</node>
</zookeeper-servers>
</yandex>
然后一定记得授权
chown clickhouse:clickhouse metrika.xml
然后还需要指定这个外部文件路径:
vim /etc/clickhouse-server/config.d
#添加:
<zookeeper incl="zookeeper-servers" optional="true" ></zookeeper>
<include_from>/etc/clickhouse-server/config.d/metrika.xml</include_from>
还可以直接写死在/etc/clickhouse-server/config.d文件里,打开文件搜zookeeper跳转到相应位置。不过因为配置文件太长,修改配置不如外部配置文件方便。
- 生效
启动zookeeper;然后因为改了配置文件,还需重启clickhouse。
3.副本引擎
只有合并树家族支持副本。
副本是表级别的,不是整个服务器级的。所以,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。
这种方式副本只能同步数据,不能同步表结构,所以需要在每台机器上自己手动建表。(除非从配置文件宏定义中获取)
hadoop102:
create table t_order_rep2 (
id UInt32,
sku_id String,
total_amount Decimal(16,2),
create_time Datetime
) engine =ReplicatedMergeTree('/clickhouse/table/01/t_order_rep','rep_102')
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id,sku_id);
hadoop103:
create table t_order_rep2 (
id UInt32,
sku_id String,
total_amount Decimal(16,2),
create_time Datetime
) engine =ReplicatedMergeTree('/clickhouse/table/01/t_order_rep','rep_103')
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id,sku_id);
其中第一个参数是分片的zk_path,一般按照: /clickhouse/table/{shard}/{table_name}的格式写,如果只有一个分片就写 01 即可。 第二个参数是副本名称,相同的分片副本名称不能相同。
在 hadoop102 上执行 insert 语句
在 hadoop103 上执行 select,可以查询出结果,说明副本配置正确
分片
解决数据横向扩容问题。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。简单来说分布式表不负责存,只负责管,数据都存在每个节点上。
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。
1.集群写入流程(3分片2副本工6节点)
一般都设置成true。
2.集群读取流程(3分片2副本工6节点)
3. 3分片 2 副本共 6 个节点集群配置
还是打开/etc/clickhouse-server/config.d/metrika.xml
<yandex>
<remote_servers>
<gmall_cluster>
<shard>
<internal_replication>true</internal_replication>
<replica>
<host>hadoop101</host>
<port>9000</port>
</replica>
<replica>
<host>hadoop102</host>
<port>9000</port>
</replica>
</shard>
<shard>
<internal_replication>true</internal_replication>
<replica>
<host>hadoop103</host>
<port>9000</port>
</replica>
<replica>
<host>hadoop104</host>
<port>9000</port>
</replica>
</shard>
<shard>
<internal_replication>true</internal_replication>
<replica>
<host>hadoop105</host>
<port>9000</port>
</replica>
<replica>
<host>hadoop106</host>
<port>9000</port>
</replica>
</shard>
</gmall_cluster>
</remote_servers>
</yandex>
注:也可以不创建外部文件,直接在 config.xml 的<remote_servers>中指定。
4.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
在 hadoop102 的/etc/clickhouse-server/config.d 目录下创建 metrika-shard.xml 文件
<?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>hadoop102</host>
<port>9000</port>
</replica>
<replica>
<!--该分片的第二个副本-->
<host>hadoop103</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>hadoop104</host>
<port>9000</port>
</replica>
</shard>
</gmall_cluster>
</remote_servers>
<zookeeper-servers>
<node index="1">
<host>hadoop102</host>
<port>2181</port>
</node>
<node index="2">
<host>hadoop103</host>
<port>2181</port>
</node>
<node index="3">
<host>hadoop104</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>
将 hadoop102 的 metrika-shard.xml 同步到 103 和 104
修改 103 和 104 中 metrika-shard.xml 宏的配置(macros),用于建表时候的引用
103:
<shard>01</shard>
<replica>rep_1_2</replica>
104:
<shard>02</shard>
<replica>rep_2_1</replica>
不要忘记chown
修改3台/etc/clickhouse-server/config.xml
<zookeeper incl="zookeeper-servers" optional="true" ></zookeeper>
<include_from>/etc/clickhouse-server/config.d/metrika-shard.xml</include_from>
启动和验证
重启三台服务器上的 ClickHouse 服务
clickhouse restart
然后进入客户端查看
show clusters;
可以看到我们刚配置的gmall_cluster
在 hadoop102 上执行建表语句
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);
其中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,表会自动同步到 hadoop103 和 hadoop104 上
在 hadoop102 上创建 Distribute 分布式表
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()
插入数据:
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');
分布式表:
SELECT * FROM st_order_mt_all2;
本地表:
select * from st_order_mt;