Clickhouse 学习笔记（6）—— ClickHouse 分片集群

前置知识：

Clickhouse学习笔记（5）—— ClickHouse 副本-CSDN博客

与副本对比：

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

集群写入流程（3分片 2副本 共6节点）

一般来说internal_replication这一参数都是为true的，可以减轻distribute节点的压力

集群读取流程（3分片 2副本 共6节点）

所谓errors_count就是在通信过程中产生错误的次数

集群配置流程（2分片 只有1个分片有副本 3节点） 集群架构示意

1.新建配置文件metrika-shard.xml

在hadoop102上，进入/etc/clickhouse-server/config.d

新建文件metrika-shard.xml

也可以不创建外部文件，直接在 config.xml 的中指定

先文件中写入内容（hadoop102）：

truehadoop1029000hadoop1039000truehadoop1049000hadoop1022181hadoop1032181hadoop104218101rep_1_1

hadoop103：（仅macros参数不同）

01rep_1_2

hadoop104：（仅macros参数不同）

02rep_2_12.修改config.xml

然后同步到hadoop103、104

3.重启服务

sudo clickhouse restart

查看是否启动成功：ps -ef | grep clickhouse

集群功能测试

在hadoop102创建表，会自动同步到hadoop103和104上

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on cluster后面要设置配置文件中自定义的集群名称

ReplicatedMergeTree中的分片和副本名称从配置文件的宏定义（marcos）中获取

可以看到在103和104上都有对应的表：

然后在 hadoop102 上创建 Distribute 分布式表：

create table st_order_mt_all 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()

同样也可以同步到103和104上：

然后在hadoop102上插入数据：

insert into st_order_mt values\ (201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\ (202,'sku_009',1000.00,'2020-06-01 12:00:00') ,\ (201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\ (201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\ (201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\ (201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\ (201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\ (201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\ (201,'sku_009',1000.00,'2020-06-01 12:00:00') ,\ (201,'sku_009',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');

查询分布式表和本地表即可得到结果；