ClickHouse环境搭建

1 ClickHouse 的安装

在这里插入图片描述

1.1 准备工作

1.1.1 确定防火墙处于关闭状态

1.1.2 CentOS 取消打开文件数限制

（1）在 hadoop102 的 /etc/security/limits.conf 文件的末尾加入以下内容

[careate@hadoop102 ~]$ sudo vim /etc/security/limits.conf
* soft nofile 65536
* hard nofile 65536
* soft nproc 131072
* hard nproc 131072

（3）执行同步操作

[careate@hadoop102 ~]$ sudo /home/careate/bin/xsync /etc/security/limits.conf

[careate@hadoop102 ~]$ sudo /home/careate/bin/xsync 
/etc/security/limits.d/20-nproc.conf

1.1.3 安装依赖

在这里插入图片描述

[careate@hadoop102 ~]$ sudo yum install -y libtool

在 hadoop103、hadoop104 上执行以上操作

[careate@hadoop102 ~]$ sudo yum install -y *unixODBC*

在这里插入图片描述

1.1.4 CentOS 取消 SELINUX

（1）修改/etc/selinux/config 中的 SELINUX=disabled

[careate@hadoop102 ~]$ sudo vim /etc/selinux/config
SELINUX=disabled

（2）执行同步操作

[careate@hadoop102 ~]$ sudo /home/careate/bin/xsync /etc/selinux/config

（3）重启三台服务器

1.2 单机安装

官网：https://clickhouse.tech/
下载地址：http://repo.red-soft.biz/repos/clickhouse/stable/el7/

1.2.1 在 hadoop102 的/opt/software 下创建 clickhouse 目录

[careate@hadoop102 software]$ mkdir clickhouse

1.2.2 将安装文件上传到 hadoop102 的software/clickhouse 目录下

1.2.3 将安装文件同步到 hadoop103、hadoop104

[careate@hadoop102 software]$ xsync clickhouse

1.2.4 分别在三台机子上安装这 4 个 rpm 文件

[careate@hadoop102 clickhouse]$ sudo rpm -ivh *.rpm

1.2.5 修改配置文件

[careate@hadoop102 clickhouse]$ sudo vim /etc/clickhouse-server/config.xml

（1）把 <listen_host>::</listen_host> 的注释打开，这样的话才能让 ClickHouse 被除本机以外的服务器访问
（2）分发配置文件

sudo /home/careate/bin/xsync /etc/clickhouse-server/config.xml

在这个文件中，有 ClickHouse 的一些默认路径配置，比较重要的
数据文件路径： /var/lib/clickhouse/
日志文件路径：/var/log/clickhouse-server/clickhouse-server.log</log

1.2.6 启动 Server

[careate@hadoop102 clickhouse]$ sudo systemctl start clickhouse-server

1.2.7 三台机器上关闭开机自启

[careate@hadoop102 clickhouse]$sudo systemctl disable clickhouse-server

1.2.8 使用 client 连接 server

[careate@hadoop102 clickhouse]$ clickhouse-client -m

-m :可以在命令窗口输入多行命令

2 副本

副本的目的主要是保障数据的高可用性，即使一台 ClickHouse 节点宕机，那么也可以从其他服务器获得相同的数据。
https://clickhouse.tech/docs/en/engines/table-engines/mergetree-family/replication/

2.1 副本写入流程

在这里插入图片描述

2.2 配置步骤

（1）启动 zookeeper 集群
（2）在 hadoop102 的/etc/clickhouse-server/config.d 目录下创建一个名为 metrika.xml
的配置文件,内容如下：
注：也可以不创建外部文件，直接在 config.xml 中指定

<?xml version="1.0"?>
<yandex>
<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>
</yandex>

（3）同步到 hadoop103 和 hadoop104 上

sudo /home/careate/bin/xsync /etc/clickhouse-server/config.d/metrika.xml

（4）在 hadoop102 的/etc/clickhouse-server/config.xml 中增加

<zookeeper incl="zookeeper-servers" optional="true" />
<include_from>/etc/clickhouse-server/config.d/metrika.xml</include_from>

（5）同步到 hadoop103 和 hadoop104 上

sudo /home/careate/bin/xsync /etc/clickhouse-server/config.xml

分别在 hadoop102 和 hadoop103 上启动 ClickHouse 服务
注意：因为修改了配置文件，如果以前启动了服务需要重启

[careate@hadoop102|3 ~]$ sudo clickhouse restart

注意：我们演示副本操作只需要在 hadoop102 和 hadoop103 两台服务器即可，上面的操作，我们 hadoop104 可以你不用同步，我们这里为了保证集群中资源的一致性，做了同步。
（6）在 hadoop102 和 hadoop103 上分别建表
副本只能同步数据，不能同步表结构，所以我们需要在每台机器上自己手动建表
①hadoop102

create table t_order_rep2 (
 id UInt32,
 sku_id String,
 total_amount Decimal(16,2),
 create_time Datetime
) engine =ReplicatedMergeTree('/clickhouse/table/01/t_order_rep','rep_102')
 partition by toYYYYMMDD(create_time)
 primary key (id)
 order by (id,sku_id);

②hadoop103

create table t_order_rep2 (
 id UInt32,
 sku_id String,
 total_amount Decimal(16,2),
 create_time Datetime
) engine =ReplicatedMergeTree('/clickhouse/table/01/t_order_rep','rep_103')
 partition by toYYYYMMDD(create_time)
 primary key (id)
 order by (id,sku_id);

③参数解释
ReplicatedMergeTree 中，第一个参数是分片的 zk_path 一般按照：/clickhouse/table/{shard}/{table_name} 的格式写，如果只有一个分片就写 01 即可
第二个参数是副本名称，相同的分片副本名称不能相同。
（7）在 hadoop102 上执行 insert 语句

insert into t_order_rep2 values
(101,'sku_001',1000.00,'2020-06-01 12:00:00'),
(102,'sku_002',2000.00,'2020-06-01 12:00:00'),
(103,'sku_004',2500.00,'2020-06-01 12:00:00'),
(104,'sku_002',2000.00,'2020-06-01 12:00:00'),
(105,'sku_003',600.00,'2020-06-02 12:00:00');

（8）在 hadoop103 上执行 select，可以查询出结果，说明副本配置正确
在这里插入图片描述

3 分片集群

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。

3.1 集群写入流程（3 分片 2 副本共 6 个节点）

在这里插入图片描述

3.2 集群读取流程（3 分片 2 副本共 6 个节点）

在这里插入图片描述

3.3 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
注：也可以不创建外部文件，直接在 config.xml 的<remote_servers>中指定

<yandex>
<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>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>

3.4 配置三节点版本集群及副本

3.4.1 集群及副本规划（2 个分片，只有第一个分片有副本）

在这里插入图片描述

3.4.2 配置步骤

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

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

sudo /home/careate/bin/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

[careate@hadoop103 ~]$ sudo vim 
/etc/clickhouse-server/config.d/metrika-shard.xml

在这里插入图片描述

（2）104

[careate@hadoop104 ~]$ sudo vim 
/etc/clickhouse-server/config.d/metrika-shard.xml

在这里插入图片描述

4）在 hadoop102 上修改/etc/clickhouse-server/config.xml
在这里插入图片描述

5）同步/etc/clickhouse-server/config.xml 到 103 和 104

[careate@hadoop102 ~]$ sudo /home/careate/bin/xsync 
/etc/clickhouse-server/config.xml

6）重启三台服务器上的 ClickHouse 服务

[careate@hadoop102 clickhouse-server]$ sudo clickhouse restart
[careate@hadoop102 clickhouse-server]$ 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

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()
在这里插入图片描述

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_all;

（2）本地表

select * from st_order_mt;

（3）观察数据的分布
在这里插入图片描述