Flink 电商实时数仓(二十八):ClickHouse基础(七)使用基础(4)分片集群
0 简介
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。
1 集群写入流程(3 分片 2 副本共 6 个节点)
![](https://img2020.cnblogs.com/blog/1275415/202103/1275415-20210327215228891-585635752.png)
2 集群读 取流 程 ( 3 分片 2 副本共 6 个 节 点)
![](https://img2020.cnblogs.com/blog/1275415/202103/1275415-20210327215356853-1570959118.png)
3 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
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
<yandex> <clickhouse_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>hadoop201</host> <port>9000</port> </replica> <!--该分片的第二个副本--> <replica> <host>hadoop202</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>hadoop203</host> <port>9000</port> </replica> <replica> <!--该分片的第二个副本--> <host>hadoop204</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>hadoop205</host> <port>9000</port> </replica> <replica> <!--该分片的第二个副本--> <host>hadoop206</host> <port>9000</port> </replica> </shard> </gmall_cluster> </clickhouse_remote_servers> </yandex>
4 配置三节点版本集群及副本
4.1 集群及副本规划(2 个分片,只有第一个分片有副本)
![](https://img2020.cnblogs.com/blog/1275415/202103/1275415-20210327215758913-1432764246.png)
4.2 配置步骤
(1)在 hadoop202 的/etc/clickhouse-server/config.d 目录下创建 metrika-shard.xml 文件
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
<?xml version="1.0"?> <yandex> <clickhouse_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>hadoop202</host> <port>9000</port> </replica> <replica> <!--该分片的第二个副本--> <host>hadoop203</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>hadoop204</host> <port>9000</port> </replica> </shard> </gmall_cluster> </clickhouse_remote_servers> <zookeeper-servers> <node index="1"> <host>hadoop202</host> <port>2181</port> </node> <node index="2"> <host>hadoop203</host> <port>2181</port> </node> <node index="3"> <host>hadoop204</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 hadoop202 的 metrika-shard.xml 同步到 203 和 204
sudo /home/atguigu/bin/xsync /etc/clickhouse-server/config.d/metrika-shard.xml
![](https://img2020.cnblogs.com/blog/1275415/202103/1275415-20210327222441888-1504887793.png)
(3)修改 203 和 204 中 metrika-shard.xml 宏的配置
➢ 203
![](https://img2020.cnblogs.com/blog/1275415/202103/1275415-20210327222515100-1883504519.png)
➢ 204
[atguigu@hadoop204 ~]$ sudo vim /etc/clickhouse-server/config.d/metrika-shard.xml
![](https://img2020.cnblogs.com/blog/1275415/202103/1275415-20210327222547351-942867377.png)
(4)在 hadoop202 上修改/etc/clickhouse-server/config.xml
![](https://img2020.cnblogs.com/blog/1275415/202103/1275415-20210327222608472-735975591.png)
(5)同步/etc/clickhouse-server/config.xml 到 203 和 204
[atguigu@hadoop202 ~]$ sudo /home/atguigu/bin/xsync /etc/clickhouse-server/config.xml
(6)重启三台服务器上的 ClickHouse 服务
[atguigu@hadoop202 clickhouse-server]$ sudo systemctl stop clickhouse-server [atguigu@hadoop202 clickhouse-server]$ sudo systemctl start clickhouse-server [atguigu@hadoop202 clickhouse-server]$ ps -ef |grep click
![](https://img2020.cnblogs.com/blog/1275415/202103/1275415-20210327222708831-1520133409.png)
(7)在 hadoop202 上执行建表语句
➢ 会自动同步到 hadoop203 和 hadoop204 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_0105','{replica}') partition by toYYYYMMDD(create_time) primary key (id) order by (id,sku_id);
![](https://img2020.cnblogs.com/blog/1275415/202103/1275415-20210327222812572-484099336.png)
可以到 hadoop203 和 hadoop204 上查看表是否创建成功
![](https://img2020.cnblogs.com/blog/1275415/202103/1275415-20210327222857391-1463079804.png)
(8)在 hadoop202 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()
![](https://img2020.cnblogs.com/blog/1275415/202103/1275415-20210327222957189-407792559.png)
(9)在 hadoop202 上插入测试数据
insert into st_order_mt_all 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
➢ 分布式表
SELECT * FROM st_order_mt_all;
➢ 本地表
select * from st_order_mt;
➢ 观察数据的分布
![](https://img2020.cnblogs.com/blog/1275415/202103/1275415-20210327223104250-1985724555.png)
5 项目为了节省资源,就使用单节点,不用集群
不需要修改文件引用,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 202 即可。
本文来自博客园,作者:秋华,转载请注明原文链接:https://www.cnblogs.com/qiu-hua/p/14587288.html