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
-
- 192.168.143.20 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)
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
- -- 将下面行注释去掉 -->
:: -
- -- 修改默认数据存储目录,比如在/home下创建目录clickhouse -->
/var/lib/clickhouse/ - -- 修改为如下 -->
/home/clickhouse/
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 -->
5000000000000 -
- -- 在前面增加用户配置 -->
- -- 通过Linux命令计算出密码的sha256加密值 -->
-
xxxx...xxxx -
-
::/0 -
-
default -
default -
增加配置文件/etc/metrika.xml
- -- ck集群节点 -->
-
-
-
-
true -
-
node1 -
9000 - <user>rootuser>
- <password>123456password>
-
-
-
-
true -
-
node2 -
9000 - <user>rootuser>
- <password>123456password>
-
-
-
-
true -
-
node3 -
9000 - <user>rootuser>
- <password>123456password>
-
-
-
-
- -- zookeeper相关配置-->
-
-
index ="1"> -
node1 -
2181 -
-
-
-
-
::/0 -
-
-
-
node1 -
-
- -- 压缩相关配置 -->
-
- <case>
-
10000000000 -
0.01 -
lz4 - case>
-
-
-
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'))
【编辑推荐】