以示例讲解Clickhouse Docker集群部署以及配置
导读
目录
写在前面环境部署Zookeeper集群部署Clickhouse集群部署1.临时镜像拷贝出配置 2.修改config.xml配置3.拷贝到其他文件夹4.分发到其他服务器配置集群1.修改配置2.新增集群配置文件metrika.xml集群运行及测试
写在前面
抽空来更新一下大数据的玩意儿了，起初架构选型的时候有考虑Hadoop那一套做数仓，但是Hadoop要求的服务器数量有点高，集群至少6台或以上，所以选择了Clickhouse（后面简称CH）。CH做集群的话，3台服务器起步就可以的，当然，不是硬性，取决于你的zookeeper做不做集群，其次CH性能更强大，对于量不是非常巨大的场景来说，单机已经足够应对OLAP多种场景了。
进入正题，相关环境：
| IP | 服务器名 | 操作系统 | 服务 | 备注 |
| 172.192.13.10 | server01 | Ubuntu20.04 | 两个Clickhouse实例、Zookeeper | CH实例1端口:tcp 9000, http 8123, 同步端口9009，MySQL 9004, 类型: 主分片1 CH实例2端口:tcp 9000, http 8124, 同步端口9010，MySQL 9005, 类型: server02的副本 |
| 172.192.13.11 | server02 | Ubuntu20.04 | 两个Clickhouse实例、Zookeeper | CH实例3端口:tcp 9000, http 8123, 同步端口9009，MySQL 9004, 类型: 主分片2 CH实例4端口:tcp 9000, http 8124, 同步端口9010，MySQL 9005, 类型: server03的副本 |
| 172.192.13.12 | server03 | Ubuntu20.04 | 两个Clickhouse实例、Zookeeper | CH实例5端口:tcp 9000, http 8123, 同步端口9009，MySQL 9004, 类型: 主分片3 CH实例6端口:tcp 9000, http 8124, 同步端口9010，MySQL 9005, 类型: server01的副本 |
在每一台服务上都安装docker，docker里面分别安装有3个服务：ch-main，ch-sub，zookeeper_node，如图所示：
细心的已经看到，PORTS没有映射关系，这里是使用Docker host网络模式，模式简单并且性能高，避免了很多容器间或跨服务器的通信问题，这个踩了很久。
环境部署
1. 服务器环境配置
在每一台服务器上执行：vim /etc/hosts，打开hosts之后新增配置：
172.192.13.10 server01 172.192.13.11 server02 172.192.13.12 server03
2.安装docker
太简单，略...
3.拉取clickhouse、zookeeper镜像
太简单，略...
Zookeeper集群部署
在每个服务器上你想存放的位置，新建一个文件夹来存放zk的配置信息，这里是/usr/soft/zookeeper/，在每个服务器上依次运行以下启动命令：
server01执行：
docker run -d -p 2181:2181 -p 2888:2888 -p 3888:3888 --name zookeeper_node --restart always \ -v /usr/soft/zookeeper/data:/data \ -v /usr/soft/zookeeper/datalog:/datalog \ -v /usr/soft/zookeeper/logs:/logs \ -v /usr/soft/zookeeper/conf:/conf \ --network host \ -e ZOO_MY_ID=1 zookeeper
server02执行：
docker run -d -p 2181:2181 -p 2888:2888 -p 3888:3888 --name zookeeper_node --restart always \ -v /usr/soft/zookeeper/data:/data \ -v /usr/soft/zookeeper/datalog:/datalog \ -v /usr/soft/zookeeper/logs:/logs \ -v /usr/soft/zookeeper/conf:/conf \ --network host \ -e ZOO_MY_ID=2 zookeeper
server03执行：
docker run -d -p 2181:2181 -p 2888:2888 -p 3888:3888 --name zookeeper_node --restart always \ -v /usr/soft/zookeeper/data:/data \ -v /usr/soft/zookeeper/datalog:/datalog \ -v /usr/soft/zookeeper/logs:/logs \ -v /usr/soft/zookeeper/conf:/conf \ --network host \ -e ZOO_MY_ID=3 zookeeper
唯一的差别是：-e ZOO_MY_ID=*而已。
其次，每台服务上打开/usr/soft/zookeeper/conf路径，找到zoo.cfg配置文件，修改为：
dataDir=/data dataLogDir=/datalog tickTime=2000 initLimit=5 syncLimit=2 clientPort=2181 autopurge.snapRetainCount=3 autopurge.purgeInterval=0 maxClientCnxns=60 server.1=172.192.13.10:2888:3888 server.2=172.192.13.11:2888:3888 server.3=172.192.13.12:2888:3888
然后进入其中一台服务器，进入zk查看是否配置启动成功：
docker exec -it zookeeper_node /bin/bash ./bin/zkServer.sh status
Clickhouse集群部署
1.临时镜像拷贝出配置
运行一个临时容器，目的是为了将配置、数据、日志等信息存储到宿主机上：
docker run --rm -d --name=temp-ch yandex/clickhouse-server
拷贝容器内的文件：
docker cp temp-ch:/etc/clickhouse-server/ /etc/ //https://www.cnblogs.com/EminemJK/p/15138536.html
2.修改config.xml配置
//同时兼容IPV6，一劳永逸 <listen_host>0.0.0.0</listen_host> //设置时区 <timezone>Asia/Shanghai</timezone> //删除原节点<remote_servers>的测试信息 <remote_servers incl="clickhouse_remote_servers" /> //新增，和上面的remote_servers 节点同级 <include_from>/etc/clickhouse-server/metrika.xml</include_from> //新增，和上面的remote_servers 节点同级 <zookeeper incl="zookeeper-servers" optional="true" /> //新增，和上面的remote_servers 节点同级 <macros incl="macros" optional="true" />
其他listen_host仅保留一项即可，其他listen_host则注释掉。
3.拷贝到其他文件夹
cp -rf /etc/clickhouse-server/ /usr/soft/clickhouse-server/main cp -rf /etc/clickhouse-server/ /usr/soft/clickhouse-server/sub
main为主分片，sub为副本。
4.分发到其他服务器
#拷贝配置到server02上 scp /usr/soft/clickhouse-server/main/ server02:/usr/soft/clickhouse-server/main/ scp /usr/soft/clickhouse-server/sub/ server02:/usr/soft/clickhouse-server/sub/ #拷贝配置到server03上 scp /usr/soft/clickhouse-server/main/ server03:/usr/soft/clickhouse-server/main/ scp /usr/soft/clickhouse-server/sub/ server03:/usr/soft/clickhouse-server/sub/
SCP真香。
然后就可以删除掉临时容器：docker rm -f temp-ch
配置集群
这里三台服务器，每台服务器起2个CH实例，环状相互备份，达到高可用的目的，资源充裕的情况下，可以将副本Sub实例完全独立出来，修改配置即可，这个又是Clickhouse的好处之一，横向扩展非常方便。
1.修改配置
进入server1服务器，/usr/soft/clickhouse-server/sub/conf修改config.xml文件，主要修改内容：
原： <http_port>8123</http_port> <tcp_port>9000</tcp_port> <mysql_port>9004</mysql_port> <interserver_http_port>9009</interserver_http_port> 修改为： <http_port>8124</http_port> <tcp_port>9001</tcp_port> <mysql_port>9005</mysql_port> <interserver_http_port>9010</interserver_http_port>
修改的目的目的是为了和主分片main的配置区分开来，端口不能同时应用于两个程序。server02和server03如此修改或scp命令进行分发。
2.新增集群配置文件metrika.xml
server01，main主分片配置：
进入/usr/soft/clickhouse-server/main/conf文件夹内，新增metrika.xml文件（文件编码：utf-8）。
<yandex> <!-- CH集群配置,所有服务器都一样 --> <clickhouse_remote_servers> <cluster_3s_1r> <!-- 数据分片1 --> <shard> <internal_replication>true</internal_replication> <replica> <host>server01</host> <port>9000</port> <user>default</user> <password></password> </replica> <replica> <host>server03</host> <port>9001</port> <user>default</user> <password></password> </replica> </shard> <!-- 数据分片2 --> <shard> <internal_replication>true</internal_replication> <replica> <host>server02</host> <port>9000</port> <user>default</user> <password></password> </replica> <replica> <host>server01</host> <port>9001</port> <user>default</user> <password></password> </replica> </shard> <!-- 数据分片3 --> <shard> <internal_replication>true</internal_replication> <replica> <host>server03</host> <port>9000</port> <user>default</user> <password></password> </replica> <replica> <host>server02</host> <port>9001</port> <user>default</user> <password></password> </replica> </shard> </cluster_3s_1r> </clickhouse_remote_servers> <!-- zookeeper_servers所有实例配置都一样 --> <zookeeper-servers> <node index="1"> <host>172.16.13.10</host> <port>2181</port> </node> <node index="2"> <host>172.16.13.11</host> <port>2181</port> </node> <node index="3"> <host>172.16.13.12</host> <port>2181</port> </node> </zookeeper-servers> <!-- marcos每个实例配置不一样 --> <macros> <layer>01</layer> <shard>01</shard> <replica>cluster01-01-1</replica> </macros> <networks> <ip>::/0</ip> </networks> <!-- 数据压缩算法 --> <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> </yandex>
<macros>节点每个服务器每个实例不同，其他节点配置一样即可，下面仅列举<macros>节点差异的配置。
server01，sub副本配置：
<macros> <layer>01</layer> <shard>02</shard> <replica>cluster01-02-2</replica> </macros>
server02，main主分片配置：
<macros> <layer>01</layer> <shard>02</shard> <replica>cluster01-02-1</replica> </macros>
server02，sub副本配置：
<macros> <layer>01</layer> <shard>03</shard> <replica>cluster01-03-2</replica> </macros>
server03，main主分片配置：
<macros> <layer>01</layer> <shard>03</shard> <replica>cluster01-03-1</replica> </macros>
server03，sub副本配置：
<macros> <layer>01</layer> <shard>02</shard> <replica>cluster01-01-2</replica> </macros>
至此，已经完成全部配置，其他的比如密码等配置，可以按需增加。
集群运行及测试
在每一台服务器上依次运行实例，zookeeper前面已经提前运行，没有则需先运行zk集群。
运行main实例：
docker run -d --name=ch-main -p 8123:8123 -p 9000:9000 -p 9009:9009 --ulimit nofile=262144:262144 \-v /usr/soft/clickhouse-server/main/data:/var/lib/clickhouse:rw \-v /usr/soft/clickhouse-server/main/conf:/etc/clickhouse-server:rw \-v /usr/soft/clickhouse-server/main/log:/var/log/clickhouse-server:rw \ --add-host server01:172.192.13.10 \ --add-host server02:172.192.13.11 \ --add-host server03:172.192.13.12 \ --hostname server01 \ --network host \ --restart=always \ yandex/clickhouse-server
运行sub实例：
docker run -d --name=ch-sub -p 8124:8124 -p 9001:9001 -p 9010:9010 --ulimit nofile=262144:262144 \ -v /usr/soft/clickhouse-server/sub/data:/var/lib/clickhouse:rw \ -v /usr/soft/clickhouse-server/sub/conf:/etc/clickhouse-server:rw \ -v /usr/soft/clickhouse-server/sub/log:/var/log/clickhouse-server:rw \ --add-host server01:172.192.13.10 \ --add-host server02:172.192.13.11 \ --add-host server03:172.192.13.12 \ --hostname server01 \ --network host \ --restart=always \ yandex/clickhouse-server
在每台服务器执行命令，唯一不同的参数是hostname，因为我们前面已经设置了hostname来指定服务器，否则在执行select * from system.clusters查询集群的时候，将is_local列全为0，则表示找不到本地服务，这是需要注意的地方。在每台服务器的实例都启动之后，这里使用正版DataGrip来打开：
在任一实例上新建一个查询：
create table T_UserTest on cluster cluster_3s_1r
(
ts DateTime,
uid String,
biz String
)
engine = ReplicatedMergeTree('/clickhouse/tables/{layer}-{shard}/T_UserTest', '{replica}')
PARTITION BY toYYYYMMDD(ts)
ORDER BY ts
SETTINGS index_granularity = 8192;cluster_3s_1r是前面配置的集群名称，需一一对应上，/clickhouse/tables/是固定的前缀，相关语法可以查看官方文档了。
刷新每个实例，即可看到全部实例中都有这张T_UserTest表，因为已经搭建zookeeper，很容易实现分布式DDL。
继续新建Distributed分布式表：
CREATE TABLE T_UserTest_All ON CLUSTER cluster_3s_1r AS T_UserTest ENGINE = Distributed(cluster_3s_1r, default, T_UserTest, rand())
每个主分片分别插入相关信息：
--server01insert into T_UserTest values ('2021-08-16 17:00:00',1,1)
--server02
insert into T_UserTest values ('2021-08-16 17:00:00',2,1)
--server03
insert into T_UserTest values ('2021-08-16 17:00:00',3,1)然后查询分布式表select * from T_UserTest_All，
查询对应的副本表或者关闭其中一台服务器的docker实例，查询也是不受影响，时间关系不在测试。
