ClickHouse-尚硅谷(7. 入门-分片集群)学习笔记
Posted yuan_404
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了ClickHouse-尚硅谷(7. 入门-分片集群)学习笔记相关的知识,希望对你有一定的参考价值。
上一篇:(6. 入门-副本)学习笔记
下一篇:(8. 高级-Explain 查看执行计划)学习笔记
文章目录
- 1 概述
- 2 集群写入流程(3 分片 2 副本共 6 个节点)
- 3 集群读取流程(3 分片 2 副本共 6 个节点)
- 4 3分片2副本共6个节点集群配置(供参考)
- 5 配置三节点版本集群及副本
- 6 项目为了节省资源,就使用单节点,不用集群
1 概述
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。
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。
2 集群写入流程(3 分片 2 副本共 6 个节点)
3 集群读取流程(3 分片 2 副本共 6 个节点)
4 3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>hadoop101</host>
<port>9000</port>
</replica>
<!--该分片的第二个副本-->
<replica>
<host>hadoop102</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>hadoop103</host>
<port>9000</port>
</replica>
<replica> <!--该分片的第二个副本-->
<host>hadoop104</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>hadoop105</host>
<port>9000</port>
</replica>
<replica> <!--该分片的第二个副本-->
<host>hadoop106</host>
<port>9000</port>
</replica>
</shard>
</gmall_cluster>
</remote_servers>
</yandex>
5 配置三节点版本集群及副本
5.1 集群及副本规划(2 个分片,只有第一个分片有副本)
5.2 配置步骤
-
在 hadoop102 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>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
sudo /home/atguigu/bin/xsync /etc/clickhouse-server/config.d/metrika-shard.xml
-
修改 103 和 104 中 metrika-shard.xml 宏的配置
[atguigu@hadoop103 ~]$ sudo vim /etc/clickhouse-server/config.d/metrika-shard.xml
-
在 hadoop102 上修改/etc/clickhouse-server/config.xml
-
同步/etc/clickhouse-server/config.xml 到 103 和 104
[atguigu@hadoop102 ~]$ sudo /home/atguigu/bin/xsync /etc/clickhouse-server/config.xml
-
重启三台服务器上的 ClickHouse 服务
[atguigu@hadoop102 clickhouse-server]$ sudo clickhouse restart [atguigu@hadoop102 clickhouse-server]$ ps -ef |grep click
-
在 hadoop102 上执行建表语句
➢ 会自动同步到 hadoop103 和 hadoop104 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);
可以到 hadoop103 和 hadoop104 上查看表是否创建成功
-
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() -
在 hadoop102 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');
-
通过查询分布式表和本地表观察输出结果
(1)分布式表SELECT * FROM st_order_mt_all;
(2)本地表
select * from st_order_mt;
(3)观察数据的分布
6 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 102 即可。
以上是关于ClickHouse-尚硅谷(7. 入门-分片集群)学习笔记的主要内容,如果未能解决你的问题,请参考以下文章
ClickHouse-尚硅谷(8. 高级-Explain 查看执行计划)学习笔记
ClickHouse-尚硅谷(8. 高级-Explain 查看执行计划)学习笔记
ClickHouse-尚硅谷(8. 高级-Explain 查看执行计划)学习笔记