clickhouse分片集群部署与错误记录_clickhouse shard无法识别

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.  集群及副本规划（2  个分片，只有第一个分片有副本）

 

2.  配置步骤

1）在 hadoop102  的/etc/clickhouse-server/config.d  目录下创建 metrika-shard.xml

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>
			<user>default</user>
			<password>000000</password>
			</replica>
			<replica> <!--该分片的第二个副本-->
			<host>hadoop103</host>
			<port>9000</port>
			<user>default</user>
			<password>000000</password>
			</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>
			<user>default</user>
		          <password>000000</password>
			</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>

并且设置文件权限，chown clickhouse:clickhouse *

 

2）将 hadoop102 的 metrika-shard.xml  同步到 103 和 104 同地址下

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

 

3）修改 103 和 104 中 metrika-shard.xml  宏的配置

（1）103

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

 

（2）104

 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

xsync /etc/clickhouse-server/config.xml

6）重启三台服务器上的 ClickHouse，并查看集群

clickhouse restart

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  gmall_cluster对应配置文件集群名称

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_all2;

（2）本地表

select * from st_order_mt;

（3）观察数据的分布