Clickhouse数据库八：搭建分片集群(高并发)

复本虽然能够提高数据的可用性，降低丢失风险，但是对数据的横向扩容没有解决。每台机子实际上必须容纳全量数据。

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。

8.1 读写原理

8.2 分片集群规划

规划一个即分片, 有复本的集群.

说明:

1. shard1 一共两个复本(hadoop102, hadoop103)
2. shard2 只有一个复本(hadoop104)

8.3配置分片集群

• 在hadoop102, 打开配置文件:

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

<?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>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>
     
    </clickhouse_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>
     
	<!-- 宏: 将来建表的时候, 可以从这里自动读取, 每个机器上的建表语句就可以一样了 相当于变量 -->
    <macros>
        <shard>01</shard>   <!-- 不同机器放的分片索引不一样,  hadoop103,hadoop104需要更改 -->
        <replica>hadoop102</replica>  <!-- 不同机器放的副本数不一样, hadoop103,hadoop104需要更改, 以主机命名比较方便-->
    </macros>
</yandex>

分发metrika.xml到hadoop103,hadoop104

1. 不要忘记先在hadoop104安装clickhouse
2. 分发/etc/clickhouse-server/config.xml
3. 分发/etc/clickhouse-server/config.d/metrika.xml

hadoop103 的宏

	<!-- 宏: 将来建表的时候, 可以从这里自动读取, 每个机器上的建表语句就可以一样了 相当于变量 -->
    <macros>
        <shard>01</shard>   <!-- 不同机器放的分片索引不一样,  hadoop103,hadoop104需要更改 -->
        <replica>hadoop103</replica>  <!-- 不同机器放的副本数不一样, hadoop103,hadoop104需要更改, 以主机命名比较方便-->
    </macros>
</yandex>

hadoop104的宏

	<!-- 宏: 将来建表的时候, 可以从这里自动读取, 每个机器上的建表语句就可以一样了 相当于变量 -->
    <macros>
        <shard>02</shard>   <!-- 不同机器放的分片索引不一样,  hadoop103,hadoop104需要更改 -->
        <replica>hadoop104</replica>  <!-- 不同机器放的副本数不一样, hadoop103,hadoop104需要更改, 以主机命名比较方便-->
    </macros>
</yandex>

8.4 3个节点创建数据库

分别在hadoop102,hadoop103,hadoop104上创建数据库gmall

create database gmall;

8.5 任意节点创建本地表

选择任意一节点创建本地表, 会自动同步到其他节点
本地表只负责存储自己的切片数据!

create table st_order_mt_gmall on cluster gmall_cluster (
    id UInt32,
    sku_id String,
    total_amount Decimal(16,2),
    create_time  Datetime
) engine =ReplicatedMergeTree('/clickhouse/tables/gmall/{shard}/st_order_mt_gmall','{replica}')
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id,sku_id);

8.6 创建分布式表st_order_mt_gmall_all

在hadoop102创建分布式表

create table st_order_mt_gmall_all on cluster gmall_cluster
(
    id UInt32,
    sku_id String,
    total_amount Decimal(16,2),
    create_time  Datetime
)engine = Distributed(gmall_cluster,gmall, st_order_mt_gmall,hiveHash(sku_id));

8.7 通过分布式表添加数据

insert into  st_order_mt_gmall_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')

8.8 查询数据

• 通过分布式表查询

select * from st_order_mt_gmall_all;

可以查询到所有数据!

• 通过本地表查询

select * from st_order_mt_gmall;

只能查到当前节点的分片数据