背景
以前介绍过ClickHouse相关的系列文章，现在继续说明。本文开始说明ClickHouse的副本与分片，和其他数据库一样，ClickHouse也会出现单节点故障和单节点资源到达上限的情况。所以针对上面的2个问题，就出现了副本和分片。副本：能避免单节点故障的问题，类似于MySQL的Replicate和MongoDB的Replicate Set。分片：解决单节点瓶颈的问题，类似于MySQL的分库分表和MongoDB的Sharding。
部署说明
一：副本
特点：
1. 依赖ZooKeeper，通过其来协调多个副本之间的同步。
2. 表级别的副本，副本是在表级别定义的。
3. 多主架构，可以在任意副本上执行语句。
环境：（版本：21.6.3.14）
| 实例A | 实例B | |
| IP |
12.16.20.12 |
12.16.20.17 |
| Port | 9000 | 9000 |
测试：
需要配置ZooKeeper的地址，并且需要保证2个实例的IP、Port可以通讯（<listen_host>0.0.0.0</listen_host>）。副本模式只需要修改2个实例的配置文件(config.xml)中的ZooKeeper的信息：
<zookeeper> <node index="1"> -- 单节点，可以配置成集群模式（3节点） <host>12.16.20.17</host> <port>2181</port> </node> </zookeeper>
建表引擎格式：
ENGINE = ReplicatedMergeTree('zk_path', 'replica_name')
zk_path：指定在ZooKeeper中创建数据表的路径，可以自定义。同一张表同一个分片的不同副本，定义相同路径。为了方便记录，可以约定为：
'/clickhouse/tables/{shard}/table_name'
- shard：分片信息，如果只配置副本，分片信息保持一致即可。
- replica_name：副本集名称，唯一。同一张表同一个分片的不同副本，定义不同名称。
实例A上执行：
CREATE TABLE repl_test ( `id` String, `price` Float64, `create_time` DateTime ) ENGINE = ReplicatedMergeTree('/clickhouse/tables/01/repl_test','dba06') PARTITION BY toYYYYMM(create_time) ORDER BY id
实例B上执行：
CREATE TABLE repl_test ( `id` String, `price` Float64, `create_time` DateTime ) ENGINE = ReplicatedMergeTree('/clickhouse/tables/01/repl_test','dba07') PARTITION BY toYYYYMM(create_time) ORDER BY id
2个实例上的副本表的zk_path一样，replica_name不一样。需要注意的是：和MySQL不一样，副本表需要在2个实例上分别手动建立。
现在在实例A上执行插入：
insert into repl_test values('A001',123,'2021-05-01 09:09:00'); insert into repl_test values('A002',123,'2021-06-01 09:09:00'); insert into repl_test values('B001',321,'2021-05-01 09:09:00'); insert into repl_test values('B002',321,'2021-06-01 09:09:00');
分别在2个实例上查询该表，都能显示数据，并且在实例B上执行插入，也能同步到实例A上，达到了多主的要求。
上面的建表语句中，shard、replica使用了硬编码的方式：01；dba06、dba07。这样维护起来比较麻烦，可以通过动态变量来替换，也可以把各个实例公有的参数ZooKeeper拎出来一起放到metrika.xml中（/etc/clickhouse-server/config.d/metrika.xml）：
<yandex> <zookeeper-server> <node index="1"> <host>12.16.20.17</host> <port>2181</port> </node> </zookeeper-server> <macros> <replica>dba06</replica> -- 另一个实例设置dba07 <shard>1</shard> </macros> </yandex>
每个实例的配置文件(config.xml)一致，只有<macros>参数里的不一样。并且修改config.xml，把上面的配置文件include进去：
<include_from>/etc/clickhouse-server/config.d/metrika.xml</include_from> <zookeeper incl="zookeeper-server" optional="false" /> <macros incl="macros" optional="true" />
incl标签对应的值需要和metrika.xml文件中的选项组保持一致。配置完成之后，可以通过以下SQL查看各个实例的变量：
select * from system.macros;
完成之后，在新建副本表时只需要在2个实例上执行同样的SQL：
CREATE TABLE repl_test123 ( `id` String, `price` Float64, `create_time` DateTime ) ENGINE = ReplicatedMergeTree('/clickhouse/tables/{shard}/repl_test123','{replica}') PARTITION BY toYYYYMM(create_time) ORDER BY id
这样就保证了同一个语句不需要修改就在多个实例上执行，减少了手动修改导致的问题。
总结：
副本表的好处：增加了数据的可靠性，减少了单节点故障导致数据丢失的问题；副本表数据的同步是通过ZooKeeper进行协调的，不需要进行数据的传输；并且在各个副本表的各个实例上都可以执行SQL，提高了单点写入的性能问题，也分摊了查询，读写分离。
副本表的不足：需要在多个副本实例上建表，运维不方便；也无法解决单节点达到瓶颈的问题。
二：分片
ClickHouse每个实例都可以成为一个分片（shard），在集群配置中用shard代表分片，用replica代表副本。分片是指将数据拆分，将其分散在不同的实例上的过程。将数据分散到不同的机器上，不需要功能强大的服务器就可以存储更多的数据和处理更大的负载。每个分片只负责总数据的一部分，通过一个名为Distributed的引擎进行操作。类似于MongoDB的Sharding。
分片表的引擎可以用任意引擎，但是如果使用非ReplicatedMergeTree引擎的话，副本的数据同步需要Distributed来负责（写分片和副本），加大了其压力。所以如果使用分片，并且需要副本，推荐使用ReplicatedMergeTree引擎，数据同步交由其处理，减轻Distributed压力（需要增加internal_replication参数：<internal_replication>true</internal_replication>）。
环境：
| 实例A | 实例B | 实例C | 实例D | |
| IP | 12.16.20.12 | 12.16.20.17 | 12.16.20.12 | 12.16.20.17 |
| Port | 9000 | 9000 | 9010 | 9010 |
测试：
和副本一样，也一样需要配置ZooKeeper，也要保证2个实例的IP、Port可以通讯（<listen_host>0.0.0.0</listen_host>），因为ZooKeeper在各个节点上配置一致，便于维护，独立到/etc/clickhouse-server/config.d/metrika.xml 文件里。现在测试2种场景：2分片0副本、2分片1副本。
因为各个副本配置的集群信息一致（同一个集群），所以集群配置信息也放到metrika.xml 文件里。
场景一：2分片0副本
config.xml 配置文件各个实例一样（默认即可），只需要修改include：
<include_from>/etc/clickhouse-server/config.d/metrika.xml</include_from> <zookeeper incl="zookeeper-server" optional="false" /> <macros incl="macros" optional="false" /> <remote_servers incl="ck_remote_servers" />
metrika.xml信息：
<?xml version="1.0"?> <yandex> <zookeeper-server> <node index="1"> <host>12.16.20.17</host> <port>2181</port> </node> </zookeeper-server> <macros> <replica>dba06</replica> <shard>1</shard> </macros> <ck_remote_servers> <test_cluster_0_repl> <shard> <weight>1</weight> <replica> <host>12.16.20.12</host> <port>9000</port> <priority>1</priority> </replica> </shard> <shard> <weight>1</weight> <replica> <host>12.16.20.17</host> <port>9000</port> <priority>1</priority> </replica> </shard> </test_cluster_0_repl> </ck_remote_servers> </yandex>
各个实例的配置都一样，除了标签<macros>各个实例不一样，区别是：
<macros> <replica>dba07</replica> -- 可以配置各个节点的本地ip <shard>2</shard> </macros>
2分片[1、2]0副本的集群为[test_cluster_0_repl]已经配置完成，可以通过以下语句查看：
-- 查看集群 select * from system.clusters -- 查看macros select * from system.macros
注意，基于集群可以使用 on cluster cluster_name 语法，只需要在一个节点上执行SQL就可同步到所有节点。如新增表：
CREATE TABLE test_clsuter_a on cluster test_cluster_0_repl ( `id` String, `price` Float64, `create_time` DateTime ) ENGINE = MergeTree() PARTITION BY toYYYYMM(create_time) ORDER BY id
表引擎可以为任意引擎，该集群下的所有节点都会创建该表（本地表），接着建立Distributed分布式表，语法：
Distributed('集群名','数据库名','表名', '分片键')
Distributed引擎表，其自身不存储数据，而是作为数据分片的代理，自动路由数据到集群中的各个节点，其中<分片键>参数要求返回整型类型的取值，即按照分片键的规则将数据分布到各个节点，如：
- userid：按照用户id余数拆分
- rand()：按照随机数拆分
- intHash64(userid)：按照用户id散列值划分
CREATE TABLE test_clsuter_all on cluster test_cluster_0_repl ( `id` String, `price` Float64, `create_time` DateTime ) ENGINE = Distributed('test_cluster_0_repl','default','test_clsuter_a', rand())
向分布式表test_clsuter_all写入数据：
insert into test_clsuter_all values('X001',123,'2021-05-01 09:09:00'); insert into test_clsuter_all values('X002',123,'2021-06-01 09:09:00'); insert into test_clsuter_all values('W001',321,'2021-05-01 09:09:00'); insert into test_clsuter_all values('W002',321,'2021-06-01 09:09:00'); insert into test_clsuter_all values('K001',123,'2021-05-01 09:09:00'); insert into test_clsuter_all values('K002',123,'2021-06-01 09:09:00'); insert into test_clsuter_all values('M001',321,'2021-05-01 09:09:00'); insert into test_clsuter_all values('M002',321,'2021-06-01 09:09:00'); insert into test_clsuter_all values('S001',123,'2021-05-01 09:09:00'); insert into test_clsuter_all values('S002',123,'2021-06-01 09:09:00'); insert into test_clsuter_all values('G001',321,'2021-05-01 09:09:00'); insert into test_clsuter_all values('G002',321,'2021-06-01 09:09:00');
最后在集群中的任意节点查询该表，都能看到全量数据。本地表则可以看到节点自身的数据。
场景二：2分片1副本
和场景一配置一样，唯一的差别就是，在metrika.xml中再添加一个副本：
<?xml version="1.0"?> <yandex> <zookeeper-server> <node index="1"> <host>12.16.20.17</host> <port>2181</port> </node> </zookeeper-server> <macros> <replica>dba06</replica> <shard>1</shard> </macros> <ck_remote_servers> <test_cluster_1_repl> <shard> <internal_replication>true</internal_replication> -- 有复制表引擎自己分发同步数据，减少Distributed压力。 <weight>1</weight> <replica> <host>12.16.20.12</host> <port>9000</port> <priority>1</priority> </replica> <replica> <host>12.16.20.12</host> <port>9010</port> <priority>1</priority> </replica> </shard> <shard> <internal_replication>true</internal_replication> <weight>1</weight> <replica> <host>12.16.20.17</host> <port>9000</port> <priority>1</priority> </replica> <replica> <host>12.16.20.17</host> <port>9010</port> <priority>1</priority> </replica> </shard> </test_cluster_1_repl> </ck_remote_servers> </yandex>
各个节点的区别也是macros：
<macros> <replica>dba06</replica> --可以写本机ip <shard>1</shard> --分片1，分片2 </macros>
完成之后，可以通过查询clusters表来了解各个节点的信息：
select * from system.clusters; ┌─cluster─────────────┬─shard_num─┬─shard_weight─┬─replica_num─┬─host_name──────┬─host_address───┬─port─┬─is_local─┬─user────┬─default_database─┬─errors_count─┬─slowdowns_count─┬─estimated_recovery_time─┐ │ test_cluster_1_repl │ 1 │ 1 │ 1 │ 12.16.20.12 │ 12.16.20.12 │ 9000 │ 1 │ default │ │ 0 │ 0 │ 0 │ │ test_cluster_1_repl │ 1 │ 1 │ 2 │ 12.16.20.12 │ 12.16.20.12 │ 9010 │ 0 │ default │ │ 0 │ 0 │ 0 │ │ test_cluster_1_repl │ 2 │ 1 │ 1 │ 12.16.20.17 │ 12.16.20.17 │ 9000 │ 0 │ default │ │ 0 │ 0 │ 0 │ │ test_cluster_1_repl │ 2 │ 1 │ 2 │ 12.16.20.17 │ 12.16.20.17 │ 9010 │ 0 │ default │ │ 0 │ 0 │ 0 │ └─────────────────────┴───────────┴──────────────┴─────────────┴────────────────┴────────────────┴──────┴──────────┴─────────┴──────────────────┴──────────────┴─────────────────┴─────────────────────────┘
注意，基于集群可以使用 on cluster cluster_name 语法，只需要在一个节点上执行SQL即可同步到所有节点。如新增表：
CREATE TABLE repl_abc on cluster test_cluster_1_repl ( `id` String, `price` Float64, `create_time` DateTime ) ENGINE = ReplicatedMergeTree('/clickhouse/tables/{shard}/repl_abc','{replica}') PARTITION BY toYYYYMM(create_time) ORDER BY id
这样各个节点（分配和副本）都会新建该表（本地表），接着建立Distributed分布式表：
CREATE TABLE repl_abc_all on cluster test_cluster_1_repl ( `id` String, `price` Float64, `create_time` DateTime ) ENGINE = Distributed('test_cluster_1_repl','testdb','repl_abc', rand())
insert into repl_abc_all values('X001',123,'2021-05-01 09:09:00'); insert into repl_abc_all values('X002',123,'2021-06-01 09:09:00'); insert into repl_abc_all values('W001',321,'2021-05-01 09:09:00'); insert into repl_abc_all values('W002',321,'2021-06-01 09:09:00'); insert into repl_abc_all values('K001',123,'2021-05-01 09:09:00'); insert into repl_abc_all values('K002',123,'2021-06-01 09:09:00'); insert into repl_abc_all values('M001',321,'2021-05-01 09:09:00'); insert into repl_abc_all values('M002',321,'2021-06-01 09:09:00'); insert into repl_abc_all values('S001',123,'2021-05-01 09:09:00'); insert into repl_abc_all values('S002',123,'2021-06-01 09:09:00'); insert into repl_abc_all values('G001',321,'2021-05-01 09:09:00'); insert into repl_abc_all values('G002',321,'2021-06-01 09:09:00');
和场景一类似，在任意一节点向分布式表写入数据，最后在集群中的任意节点查询该表，都能看到全量数据。本地表则可以看到节点自身的数据。
注意：建立副本表（ReplicatedMergeTree）的时候，如果数据库的引擎是Atomic，则在删除表之后马上重建会遇到：
Code: 253. DB::Exception: Received from localhost:9000. DB::Exception: There was an error on [12.16.20.17:9000]: Code: 253, e.displayText() = DB::Exception: Replica /clickhouse/tables/2/repl_test123/replicas/dba07 already exists. (version 21.6.3.14 (official build)).
避免该问题的方法有2种：
- 使用普通数据库而不是Atomic数据库（ENGINE = Atomic）： CREATE DATABASE … Engine=Ordinary。
-
修改参数 database_atomic_delay_before_drop_table_sec = 0
<database_atomic_delay_before_drop_table_sec>0</database_atomic_delay_before_drop_table_sec>
这样，在建立副本表（ReplicatedMergeTree）再删除马上重建，不会报错。
以上是没有用户认证的部署，线上环境如果有认证（user：default；password：123456）的话，需要在各个shard中添加参数（metrika.xml），各个参数的意义：
<ck_remote_servers> <test_cluster_1_repl> <!-- 分片1 --> <shard> <!-- 有复制表直接负责数据分发同步 --> <internal_replication>true</internal_replication> <!-- 影响数据分布的倾斜，权重越大数据写入越多 --> <weight>1</weight> <!-- 分片、副本配置 --> <replica> <host>12.16.20.12</host> <port>9000</port> <!-- 节点认证用户 --> <user>default</user> <!-- 节点用户密码 --> <password>123456</password> <!-- 节点权重，值越小优先级越高 -->
<priority>1</priority> </replica> <replica> <host>12.16.20.12</host> <port>9010</port> <user>default</user> <password>123456</password>
<priority>1</priority> </replica> </shard> <!-- 分片2 --> <shard> <internal_replication>true</internal_replication> <weight>1</weight> <replica> <host>12.16.20.17</host> <port>9000</port> <user>default</user> <password>123456</password>
<priority>1</priority> </replica> <replica> <host>12.16.20.17</host> <port>9010</port> <user>default</user> <password>123456</password>
<priority>1</priority> </replica> </shard> </test_cluster_1_repl> </ck_remote_servers>
这样，在设置好认证的数据库上也能正常的进行分片、复制的功能。
总结：
分片的好处：解决了单节点达到瓶颈的问题，和通过分布式表Distributed引擎能本身实现数据的路由和聚合。
分片分布式表的不足：Distributed表在写入时会在本地节点生成临时数据，会产生写放大，所以会对CPU及内存造成一些额外消耗，也会增加merge负担。
使用说明
一：ZooKeeper离线
不管是ClickHouse的副本还是分片都是通过ZooKeeper来进行协调的，如果ZooKeeper节点异常了，则会出现：
Code: 242. DB::Exception: Received from xxxx DB::Exception: Table is in readonly mode (zookeeper path: /xxx/xxx/xxx).
表不能进行修改，能查询，变成了只读表。所以ZooKeeper线上也必须要开启集群模式。
二：副本离线
①：如果一个分片的节点出现异常宕机，如果有副本节点，则数据写入分布式表会直接写入到其副本节点，不影响数据库的可用性。当节点起来之后该节点会自动同步该数据。
②：如果一个分片的节点出现异常宕机，包括副本节点，则数据读取和写入分布式表只会对未异常的节点进行正常操作，异常节点报错。如果异常节点起来之后，会把报错期间的数据重新写入，保证数据的最终写入成功。
扩容&缩容
一：缩容
1：副本缩容
副本节点作为一个独立的节点，直接下线缩容即可。
2：分片缩容
按照上面的部署，把2分片缩容到1分片。具体的操作如下：
①：准备数据
-- 首先看看分片2上有多少个分区： > select table,active,partition_id,name,database from system.parts where table='repl_abc'; 确认有2个分区：202105、202106 -- 查看分片1的本地表数据，保证缩容之后，数据写入的准确性 > select count(*) from repl_abc; 结果是17
-- 查看分片1的分布式表数据 >select count(*) from repl_abc_all; 结果是40
即需要把分片2的数据（23条）写入到分片1，再下线分片2。
②：导出数据，在分片1上执行：FETCH PARTITION
-- 备份分片2上的分区202105 clickhouse-client --port=9000 --password=123456 -m --query "ALTER TABLE testdb.repl_abc FETCH PARTITION 202105 FROM '/clickhouse/tables/2/repl_abc'" -- 备份分片2上的分区202106 clickhouse-client --port=9000 --password=123456 -m --query "ALTER TABLE testdb.repl_abc FETCH PARTITION 202106 FROM '/clickhouse/tables/2/repl_abc'"
上面的导出文件会保存在data目录下的detached目录中，其中的FROM是zk_path的地址：即shard分区为2，表为repl_abc的数据。
③：导入数据，在分片1上执行：
-- 导入分区202105到表中 clickhouse-client --port=9000 --password=123456 -m --query "ALTER TABLE testdb.repl_abc ATTACH PARTITION 202105" -- 导入分区202106到表中 clickhouse-client --port=9000 --password=123456 -m --query "ALTER TABLE testdb.repl_abc ATTACH PARTITION 202106"
④：验证数据
-- 查询分片1的本地表 select count(*) from repl_abc; 结果为40，说明数据迁移成功
⑤：删除源表&修改配置
验证没问题之后，删除分片2上的本地表，然后修改metrika.xml文件，删除分片2的信息，缩容配置持久化。最后通过下面SQL查询集群信息：
select * from system.clusters;
二：扩容
1. 副本扩容
副本扩容比较简单，只需要在新实例上创建表，修改表结构中的{replica_name}，{zk_path}不需要改变。数据会自动通过ZooKeeper来协调获取主信息，从主上下载数据到本地。
2. 分片扩容
增加分片节点，集群的分片数将增加，这样会让新的分片表和老的分片表的分片数量不一致。因为扩容需要用到新分片，所以需要先新增一个集群，让扩容的分片表可以使用到新的分片节点，然后将旧集群中的数据迁移至新集群，最后删除旧集群的数据与集群配置信息。具体的分片配置可以看上面的部署。大致的操作步骤：
-- 1. 修改配置，在原有的配置上，新增集群。 2. 让配置生效，重启所有节点。 3. 在新集群中新增分片表。 4. 使用分布式表迁移数据： -- INSERT INTO TABLE db.tb_all SELECT * FROM db_1.tb_1_all 5. 迁移完成之后，删除旧的分片表。
三：配置模板
1）实例:
| 实例A | 实例B | 实例C | 实例D | |
| IP | 192.168.11.1 | 192.168.11.1 | 192.168.11.2 | 192.168.11.2 |
| Port | 9000 | 9000 | 9010 | 9010 |
2）配置：
config.xml 配置文件不需要修改，新增2个参数即可（参数优化暂时不考虑）：
<listen_host>0.0.0.0</listen_host> ... ... <include_from>/etc/clickhouse-server/config.d/metrika.xml</include_from> <zookeeper incl="zookeeper-server" optional="false" /> <macros incl="macros" optional="true" /> <remote_servers incl="ck_remote_servers" />
因为include了metrika.xml文件，所以只需要修改该文件即可。该文件包含了：ZooKeeper地址、集群信息、以及macros变量。
1分片1副本：类似一个主从
-
主节点配置：
View Code<?xml version="1.0"?> <yandex> <zookeeper-server> <node index="1"> <host>192.168.11.1</host> <port>2181</port> </node> </zookeeper-server> <macros> <replica>A</replica> <shard>1</shard> </macros> <ck_remote_servers> <cluster_1shard_1repl> <shard> <weight>1</weight> <replica> <host>192.168.11.1</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> <replica> <host>192.168.11.2</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> </shard> </cluster_1shard_1repl> </ck_remote_servers> </yandex>
-
副本点配置：
View Code<?xml version="1.0"?> <yandex> <zookeeper-server> <node index="1"> <host>192.168.11.1</host> <port>2181</port> </node> </zookeeper-server> <macros> <replica>B</replica> <shard>1</shard> </macros> <ck_remote_servers> <cluster_1shard_1repl> <shard> <internal_replication>true</internal_replication> <weight>1</weight> <replica> <host>192.168.11.1</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> <replica> <host>192.168.11.2</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> </shard> </cluster_1shard_1repl> </ck_remote_servers> </yandex>
2分片0副本
-
分片1配置：
View Code<?xml version="1.0"?> <yandex> <zookeeper-server> <node index="1"> <host>192.168.11.1</host> <port>2181</port> </node> </zookeeper-server> <macros> <replica>A</replica> <shard>1</shard> </macros> <ck_remote_servers> <cluster_2shard_0repl> <shard> <weight>1</weight> <replica> <host>192.168.11.1</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> </shard> <shard> <weight>1</weight> <replica> <host>192.168.11.2</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> </shard> </cluster_2shard_0repl> </ck_remote_servers> </yandex>
-
分片1配置：
View Code<?xml version="1.0"?> <yandex> <zookeeper-server> <node index="1"> <host>192.168.11.1</host> <port>2181</port> </node> </zookeeper-server> <macros> <replica>B</replica> <shard>2</shard> </macros> <ck_remote_servers> <cluster_2shard_0repl> <shard> <weight>1</weight> <replica> <host>192.168.11.1</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> </shard> <shard> <weight>1</weight> <replica> <host>192.168.11.2</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> </shard> </cluster_2shard_0repl> </ck_remote_servers> </yandex>
2分片1副本
-
分片1配置：
View Code<?xml version="1.0"?> <yandex> <zookeeper-server> <node index="1"> <host>192.168.11.1</host> <port>2181</port> </node> </zookeeper-server> <macros> <replica>A</replica> <shard>1</shard> </macros> <ck_remote_servers> <cluster_2shard_1repl> <shard> <internal_replication>true</internal_replication> <weight>1</weight> <replica> <host>192.168.11.1</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> <replica> <host>192.168.11.1</host> <port>9010</port> <user>default</user> <password>123456</password> </replica> </shard> <shard> <internal_replication>true</internal_replication> <weight>1</weight> <replica> <host>192.168.11.2</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> <replica> <host>192.168.11.2</host> <port>9010</port> <user>default</user> <password>123456</password> </replica> </shard> </cluster_2shard_1repl> </ck_remote_servers> </yandex>
-
分片1副本配置：
View Code<?xml version="1.0"?> <yandex> <zookeeper-server> <node index="1"> <host>192.168.11.1</host> <port>2181</port> </node> </zookeeper-server> <macros> <replica>AA</replica> <shard>1</shard> </macros> <ck_remote_servers> <cluster_2shard_1repl> <shard> <internal_replication>true</internal_replication> <weight>1</weight> <replica> <host>192.168.11.1</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> <replica> <host>192.168.11.1</host> <port>9010</port> <user>default</user> <password>123456</password> </replica> </shard> <shard> <internal_replication>true</internal_replication> <weight>1</weight> <replica> <host>192.168.11.2</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> <replica> <host>192.168.11.2</host> <port>9010</port> <user>default</user> <password>123456</password> </replica> </shard> </cluster_2shard_1repl> </ck_remote_servers> </yandex>
-
分片2配置：
View Code<?xml version="1.0"?> <yandex> <zookeeper-server> <node index="1"> <host>192.168.11.1</host> <port>2181</port> </node> </zookeeper-server> <macros> <replica>B</replica> <shard>2</shard> </macros> <ck_remote_servers> <cluster_2shard_1repl> <shard> <internal_replication>true</internal_replication> <weight>1</weight> <replica> <host>192.168.11.1</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> <replica> <host>192.168.11.1</host> <port>9010</port> <user>default</user> <password>123456</password> </replica> </shard> <shard> <internal_replication>true</internal_replication> <weight>1</weight> <replica> <host>192.168.11.2</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> <replica> <host>192.168.11.2</host> <port>9010</port> <user>default</user> <password>123456</password> </replica> </shard> </cluster_2shard_1repl> </ck_remote_servers> </yandex>
-
分片2副本配置：
View Code<?xml version="1.0"?> <yandex> <zookeeper-server> <node index="1"> <host>192.168.11.1</host> <port>2181</port> </node> </zookeeper-server> <macros> <replica>BB</replica> <shard>2</shard> </macros> <ck_remote_servers> <cluster_2shard_1repl> <shard> <internal_replication>true</internal_replication> <weight>1</weight> <replica> <host>192.168.11.1</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> <replica> <host>192.168.11.1</host> <port>9010</port> <user>default</user> <password>123456</password> </replica> </shard> <shard> <internal_replication>true</internal_replication> <weight>1</weight> <replica> <host>192.168.11.2</host> <port>9000</port> <user>default</user> <password>123456</password> </replica> <replica> <host>192.168.11.2</host> <port>9010</port> <user>default</user> <password>123456</password> </replica> </shard> </cluster_2shard_1repl> </ck_remote_servers> </yandex>
以上的配置区别：macros 参数定义
总结
ClickHouse是一个快速开源的列式数据库管理系统，在其高性能的前提下，通过副本表和分片来进一步保障了数据库的可用性和可靠性，关于更多的该方面的说明，后续会进一步说明和更新。