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

  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

  1. 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>
    
  2. 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
    

  3. 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
    

  4. 在 hadoop102 上修改/etc/clickhouse-server/config.xml

  5. 同步/etc/clickhouse-server/config.xml 到 103 和 104

    [atguigu@hadoop102 ~]$ sudo /home/atguigu/bin/xsync 
    /etc/clickhouse-server/config.xml
    
  6. 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
    

  7. 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

  8. 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()

  9. 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');
    
  10. 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(6. 入门-副本)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

ClickHouse-尚硅谷(8. 高级-Explain 查看执行计划)学习笔记

ClickHouse-尚硅谷(3. 入门-数据类型)学习笔记

ClickHouse-尚硅谷(3. 入门-数据类型)学习笔记