一篇带给你ClickHouse集群搭建

ClickHouse是一个列导向数据库，是原生的向量化执行引擎。它在大数据领域没有走Hadoop生态，而是采用Local attached storage作为存储，这样整个IO可能就没有Hadoop那一套的局限。它的系统在生产环境中可以应用到比较大的规模，因为它的线性扩展能力和可靠性保障能够原生支持shard+replication这种解决方案。它还提供了一些SQL直接接口，有比较丰富的原生client。

ClickHouse数据库的特点：

• 速度快ClickHouse性能超过了市面上大部分的列式存储数据库，相比传统的数据ClickHouse要快100-1000倍，ClickHouse还是有非常大的优势。1亿数据集:ClickHouse比Vertica约快5倍，比Hive快279倍，比MySQL快801倍。10亿数据集:ClickHouse比Vertica约快5倍，MySQL和Hive已经无法完成任务了。
• 功能多1.支持类SQL查询;2.支持繁多库函数(例如IP转化，URL分析等，预估计算/HyperLoglog等);3.支持数组(Array)和嵌套数据结构(Nested Data Structure);4.支持数据库异地复制部署。

要注意，由于ClickHouse的快速查询还是基于系统资源的，因此在使用的时候要注意每个节点上的存储量，以及节点机器的系统资源要充足。因为查询时是使用内存进行聚合，所以同时并发查询的数量不能太多，否则就会造成资源崩溃。

环境配置

初始化环境(所有节点)

#修改机器的hostname
vi/etc/hostname

#配置hosts
vi/etc/hosts

192.168.143.20node1
192.168.143.21node2
192.168.143.22node3

修改完后，执行hostname node1…3，不用重启机器使其生效

下载并安装ClickHouse(所有节点)

主要下载四个文件：

• Clickhouse-client
• Clickhouse-common-static
• Clickhouse-server
• clickhouse-server-common

rpm-ivh*.rpm

安装 zookeeper(任意一个节点)

#我这里选择node1
dockerrun-d--nethost--namezookeeperzookeeper

配置集群(所有节点)

修改/etc/clickhouse-server/config.xml

<!--将下面行注释去掉-->
<listen_host>::</listen_host>

<!--修改默认数据存储目录，比如在/home下创建目录clickhouse-->
<path>/var/lib/clickhouse/</path>
<!--修改为如下-->
<path>/home/clickhouse/</path>

修改/etc/clickhouse-server/users.xml

<!--配置查询使用的内存，根据机器资源进行配置-->
<max_memory_usage>5000000000000</max_memory_usage>

<!--在</users>前面增加用户配置-->
<root>
<!--通过Linux命令计算出密码的sha256加密值-->
<password_sha256_hex>xxxx...xxxx</password_sha256_hex>
<networks>
<ip>::/0</ip>
</networks>
<profile>default</profile>
<quota>default</quota>
</root>

增加配置文件/etc/metrika.xml

<yandex>
<!--ck集群节点-->
<clickhouse_remote_servers>
<test_cluster>
<shard>
<internal_replication>true</internal_replication>
<replica>
<host>node1</host>
<port>9000</port>
<user>root</user>
<password>123456</password>
</replica>
</shard>
<shard>
<internal_replication>true</internal_replication>
<replica>
<host>node2</host>
<port>9000</port>
<user>root</user>
<password>123456</password>
</replica>
</shard>
<shard>
<internal_replication>true</internal_replication>
<replica>
<host>node3</host>
<port>9000</port>
<user>root</user>
<password>123456</password>
</replica>
</shard>
</test_cluster>

<!--zookeeper相关配置-->
<zookeeper-servers>
<nodeindex="1">
<host>node1</host>
<port>2181</port>
</node>
</zookeeper-servers>

<networks>
<ip>::/0</ip>
</networks>

<macros>
<replica>node1</replica>
</macros>

<!--压缩相关配置-->
<clickhouse_compression>
<case>
<min_part_size>10000000000</min_part_size>
<min_part_size_ratio>0.01</min_part_size_ratio>
<method>lz4</method>
</case>
</clickhouse_compression>
</clickhouse_remote_servers>
</yandex>

重启clickhouse服务

serviceclickhouse-serverrestart

#如果不成功，则使用以下命令
nohup/usr/bin/clickhouse-server--config=/etc/clickhouse-server/config.xml$

创建数据表(所有节点)

使用可视化工具连接每个节点，在上面创建MergeTree

createdatabasetest;

createtabletest.data
(
countryString,
provinceString,
valueString
)
engine=MergeTree()
partitionby(country,province)
orderbyvalue;

创建分布式表(node1节点)

createtabletest.moastest.dataENGINE=Distributed(test_cluster,test,data,rand());

使用Python连接clickhouse

安装clickhouse-driver

pipinstallclickhouse-driver

执行命令

fromclickhouse_driverimportClient

#在哪个节点创建了分布式表，就连接哪个节点
client=Client('192.168.143.20',user='root',password='123456',database='test')
print(client.execute('selectcount(*)frommo'))