使用clickhouse kafka表引擎消费kafka写入clickhouse

时间：2022-07-14 00:47:58

Clickhouse 本身为一个分析型数据库，提供很多跟其他组件的同步方案，本文将以 Kafka 作为数据来源介绍如何将 Kafka 的数据同步到 Clickhouse 中。

流程图

话不多说，先上一张数据同步的流程图

使用clickhouse kafka表引擎消费kafka写入clickhouse


建表

在数据同步之前，我们需要建对应的 clickhouse 表，根据上面的流程图，我们需要建立三个表：

1.数据表

2.kafka 引擎表

3.物化视图

数据表

# 创建数据表

CREATE DATABASE IF NOT EXISTS data_sync;

CREATE TABLE IF NOT EXISTS data_sync.test

(

    name String DEFAULT 'lemonNan' COMMENT '姓名',

    age int DEFAULT 18 COMMENT '年龄',

    gongzhonghao String DEFAULT 'lemonCode' COMMENT '公众号',

    my_time DateTime64(3, 'UTC') COMMENT '时间'

) ENGINE = ReplacingMergeTree()

PARTITION BY toYYYYMM(my_time)

ORDER BY my_time

引擎表

# 创建 kafka 引擎表, 地址: 172.16.16.4, topic: lemonCode

CREATE TABLE IF NOT EXISTS data_sync.test_queue(

    name String,

    age int,

    gongzhonghao String,

    my_time DateTime64(3, 'UTC')

) ENGINE = Kafka

SETTINGS

  kafka_broker_list = '172.16.16.4:9092',

  kafka_topic_list = 'lemonCode',

  kafka_group_name = 'lemonNan',

  kafka_format = 'JSONEachRow',

  kafka_row_delimiter = '\n',

  kafka_schema = '',

  kafka_num_consumers = 1

物化视图

# 创建物化视图

CREATE MATERIALIZED VIEW IF NOT EXISTS test_mv TO test AS SELECT name, age, gongzhonghao, my_time FROM test_queue;

数据模拟

下面是开始模拟流程图的数据走向，已安装 Kafka 的可以跳过安装步骤。

安装 kafka

kafka 这里为了演示安装的是单机

# 启动 zookeeper

docker run -d --name zookeeper -p 2181:2181  wurstmeister/zookeeper

# 启动 kafka, KAFKA_ADVERTISED_LISTENERS 后的 ip地址为机器ip

docker run -d --name kafka -p 9092:9092 -e KAFKA_BROKER_ID=0 -e KAFKA_ZOOKEEPER_CONNECT=zookeeper:2181 --link zookeeper -e KAFKA_ADVERTISED_LISTENERS=PLAINTEXT://172.16.16.4:9092 -e KAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9092 -t wurstmeister/kafka

使用kafka命令发送数据

# 启动生产者，向 topic lemonCode 发送消息

kafka-console-producer.sh --bootstrap-server 172.16.16.4:9092 --topic lemonCode

# 发送以下消息

{"name":"lemonNan","age":20,"gongzhonghao":"lemonCode","my_time":"2022-03-06 18:00:00.001"}

{"name":"lemonNan","age":20,"gongzhonghao":"lemonCode","my_time":"2022-03-06 18:00:00.001"}

{"name":"lemonNan","age":20,"gongzhonghao":"lemonCode","my_time":"2022-03-06 18:00:00.002"}

{"name":"lemonNan","age":20,"gongzhonghao":"lemonCode","my_time":"2022-03-06 23;59:59.002"}

查看 Clickhouse 的数据表

select * from test;

使用clickhouse kafka表引擎消费kafka写入clickhouse

到这一步，数据已经从 Kafka 同步到了 Clickhouse 中了，怎么说呢，还是比较方便的。

关于数据副本

这里使用的表引擎是 ​​ReplicateMergeTree ​​, 用 ReplicateMergeTree 的一个原因是生成多个数据副本，减少数据丢失风险，使用 ReplicateMergeTree 引擎的话，数据会自动同步到相同分片的其他节点上。

在实际情况里，还有一种方式也可以进行数据的同步，通过使用不同的 ​​kafka consumer group ​​进行数据消费。

具体见下图:

副本方案1

通过 ReplicateMergeTree 的同步机制将数据同步到同分片下其他节点，同步时占用消费节点资源。


使用clickhouse kafka表引擎消费kafka写入clickhouse


副本方案2

通过 Kafka 本身的消费机制，将消息广播至多个 Clickhouse 节点，数据同步不占用 Clickhouse 额外资源。

使用clickhouse kafka表引擎消费kafka写入clickhouse

注意的地方

搭建过程可能需要注意的地方

  • 本文出现的 ​​172.16.16.4​​ 为机器内网ip
  • 一般引擎表以 queue 为结尾，物化视图以 mv 为结尾，辨识度会高一点

总结

本文介绍了数据从 Kafka 同步至 Clickhouse以及多副本的方案，Clickhouse 还提供了很多其它的集成方案，包括 Hive、MongoDB、S3、SQLite、Kafka 等等等等，具体可以看下方链接。

集成的表引擎：​​https://clickhouse.com/docs/zh/engines/table-engines/integrations/​​

标签：

相关文章