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

一篇带给你ClickHouse集群搭建

初始化环境(所有节点)

# 修改机器的hostname
vi /etc/hostname
# 配置hosts
vi /etc/hosts
192.168.143.20 node1
192.168.143.21 node2
192.168.143.22 node3

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)

一篇带给你ClickHouse集群搭建

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
docker run -d --net host --name zookeeper zookeeper

配置集群(所有节点)

修改/etc/clickhouse-server/config.xml

<listen_host>::</listen_host>
<path>/var/lib/clickhouse/</path>
<path>/home/clickhouse/</path>

修改/etc/clickhouse-server/users.xml

<max_memory_usage>5000000000000</max_memory_usage>
<root>
<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>
<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-servers>
<node index="1">
<host>node1</host>
<port>2181</port>
</node>
</zookeeper-servers>
<networks>
<ip>::/0</ip>
</networks>
<macros>
<replica>node1</replica>
</macros>
<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

service clickhouse-server restart
# 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

create database test;
create table test.data
(
country String,
province String,
value String
)
engine=MergeTree()
partition by (country, province)
order by value;

创建分布式表(node1节点)

create table test.mo as test.data ENGINE = Distributed(test_cluster, test, data, rand());

使用Python连接clickhouse

安装clickhouse-driver

pip install clickhouse-driver

执行命令

from clickhouse_driver import Client
# 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('select count(*) from mo'))