郑州商城网站开发佛山低价网站建设

一、简介

分片功能依赖于 Distributed 表引擎，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

ClickHouse 进行分片集群的目的是解决数据的横向扩容，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。

二、集群规划

3 分片 2 副本共 6 个节点，s 表示分片数，r 表示副本数

hadoop1	hadoop2	hadoop3	hadoop4	hadoop5	hadoop6
s1r1	s1r2	s2r1	s2r2	s3r1	s3r2

1. 写入流程

实际生产中会设置 internal_replication=true，开启副本内部同步

2. 读取流程

• 优先选择 error_count 值小的副本进行读取
• 当同一分片的 error_count 值相同时选择方式有随机、顺序、优先第一顺位和主机名称近似等四种

3. 集群配置

su root
cd /etc/clickhouse-server/config.dvim metrika.xml#添加配置
<yandex><remote_servers><gmall_cluster> <!-- 自定义集群名称--><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>#也可以直接在 config.xml 的<remote_servers>中指定

三、三节点版本集群配置操作

生产上 ClickHouse 建议独立部署在服务器上，建议资源：100G内存，CPU为32线程

1. 分片及副本规划

hadoop102	hadoop103	hadoop104
s1r1	s1r2	s2r1

2. 实操步骤

• 在 hadoop102 节点的 /etc/clickhouse-server/config.d 目录下创建 metrika-shard.xml 文件

  su root
  cd /etc/clickhouse-server/config.d 
  vim metrika-shard.xml#添加配置
  <?xml version="1.0"?>
  <yandex><remote_servers><gmall_cluster> <!-- 自定义集群名称--><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>chown clickhouse:clickhouse metrika-shard.xml#也可以直接在 config.xml 的<remote_servers>中指定
  

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

  cd /etc/clickhouse-servervim config.xml#添加外部文件路径
  <zookeeper incl="zookeeper-servers" optional="true" />
  <include_from>/etc/clickhouse-server/config.d/metrika-shard.xml</include_from>
  

• 分发配置到 hadoop103 和 hadoop104

  /etc/clickhouse-server/config.d/metrika-shard.xml
  /etc/clickhouse-server/config.xml
  

• 分别修改 hadoop103 和 hadoop104 中 metrika-shard.xml 的 <macros> 的配置

  #hadoop103
  sudo vim /etc/clickhouse-server/config.d/metrika-shard.xml<macros><shard>01</shard> <!--不同机器放的分片数不一样--><replica>rep_1_2</replica> <!--不同机器放的副本数不一样-->
  </macros>#hadoop104
  sudo vim /etc/clickhouse-server/config.d/metrika-shard.xml<macros><shard>02</shard> <!--不同机器放的分片数不一样--><replica>rep_2_1</replica> <!--不同机器放的副本数不一样-->
  </macros>
  

• 分别在三台节点上启动 clickhouse 服务

  sudo clickhouse start
  

• 在 hadoop102 上创建一张本地表

  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);--on cluster 的集群名字要和配置文件中自定义的集群名一致
  --分片和副本名称从配置文件的宏定义中获取
  --hadoop103 和 hadoop104 上会自动同步创建这张表
  

• 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));--on cluster 的集群名字要和配置文件中自定义的集群名一致
  --hadoop103 和 hadoop104 上会自动同步创建这张表
  --表引擎为 Distributed，其中的参数分别为：集群名称，数据库名，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()
  

• 向 hadoop102 上的分布式表插入数据

  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');
  

• 分别在 hadoop102、hadoop103 和 hadoop104 上查询本地表和分布式表的数据进行对比

  --hadoop102
  select * from st_order_mt;
  select * from st_order_mt_all2;--hadoop103
  select * from st_order_mt;
  select * from st_order_mt_all2;--hadoop104
  select * from st_order_mt;
  select * from st_order_mt_all2;