背景：
隨着數據量的上升，OLAP一直是被討論的話題，雖然druid，kylin能夠解決OLAP問題，但是druid，kylin也是需要和hadoop全家桶一起用的，異常的笨重，再說我也搞不定，那只能找我能搞定的技術。故引進clickhoue，關於clickhoue在17年本人就開始關注，並且寫了一些入門的介紹，直到19年clickhoue功能慢慢的豐富才又慢慢的關注，並且編寫了同步程序，把mysql數據實時同步到clickhoue，並且最終在線上使用起來。
關於clickhouse是什么請自行查閱官網：https://clickhouse.yandex/
clickhouse官方性能測試：https://clickhouse.yandex/benchmark.html
clickhouse面對海量數據，比如單表過百億可以使用集群（復制+分片），如果數據量比較小，比如單表10-20億使用單機就足以滿足查詢需求。如果使用復制需要使用zk，更多集群的請自行查閱官方資料。
單機部署（以前的文章也有寫過單機部署） ：
在2016年clickhouse剛開始開源的時候對Ubuntu支持非常友好，一個apt命令就可以安裝了。對於centos等系統 支持就比較差，需要自己編譯，而且不一定能夠成功。隨着使用人群的擴大，目前對於centos支持也是非常的友好 了，有rpm包可以直接安裝。甚至目前Altinity公司已經制作了yum源，添加源之后直接yum安裝完成。這個在官方 文檔里面也有提到，參考： https://clickhouse.yandex/docs/en/getting_started/ https://github.com/Altinity/clickhouse-rpm-install 。目前線上使用的是centos 7.0的系統。之所以使用7.0的系統是因為同步數據的程序是用python寫的，而且用到的 一個核心包：python-mysql-replication需要使用python 2.7的環境。同時由於clickhouse不兼容mysql協議，為了方便開發接入系統不用過多更改代碼，引入了proxysql兼容mysql協議，clickhouse最新版本已經支持mysql協議，支持clickhouse的proxysql也需要python 2.7的環境，所以干脆直接用centos 7.0系統
測試環境：
服務器數量：1台
操作系統：centos 7.1
安裝服務：clickhouse，mysql
安裝mysql是測試clickhouse從mysql同步數據。
clickhouse安裝：
添加yum源
curl -s https://packagecloud.io/install/repositories/altinity/clickhouse/script.rpm.sh | sudo bash
yum安裝
yum install -y clickhouse-server clickhouse-client
服務啟動
/etc/init.d/clickhouse-server start
默認數據存放位置是： /var/lib/clickhouse/
登錄，查看數據庫（默認用戶是default，密碼為空）
[root@ck-server-01 sync]# clickhouse-client -h 127.0.0.1 ClickHouse client version 19.9.2.4. Connecting to 127.0.0.1:9000 as user default. Connected to ClickHouse server version 19.9.2 revision 54421. ck-server-01 :) show databases; SHOW DATABASES ┌─name────┐ │ default │ │ system │ └─────────┘ 2 rows in set. Elapsed: 0.003 sec. ck-server-01 :)
default數據庫里面沒有任何東西，和mysql里面的test庫是一樣的。system庫看名字就知道是什么。到這里clickhouse就部署完成，是不是很簡單？
補充一點，在官方的文檔里面有幾點建議：
1. 關閉大頁
2. 調整內存使用
3. 關閉cpu節能模式
echo 'performance' | sudo tee /sys/devices/system/cpu/cpu*/cpufreq/scaling_governor echo 0 > /proc/sys/vm/overcommit_memory echo 'never' > /sys/kernel/mm/transparent_hugepage/enabled
mysql部署請自行部署。這里不做介紹。如果想從mysql同步數據那么binlog 格式必須是row。而且必須binlog_row_image=full
安裝同步程序依賴的包;同步程序可以放在clickhouse服務器上面，也可以單獨放在其他服務器。同步程序使用pypy啟動，所以安裝包的時候需要安裝pyum -y install pypy-libs pypy pypy-devel
wget https://bootstrap.pypa.io/get-pip.py pypy get-pip.py /usr/lib64/pypy-5.0.1/bin/pip install MySQL-python /usr/lib64/pypy-5.0.1/bin/pip install mysql-replication /usr/lib64/pypy-5.0.1/bin/pip install clickhouse-driver==0.0.20
/usr/lib64/pypy-5.0.1/bin/pip install redis
這里也安裝了redis模塊是因為同步的binlog pos可以存放在redis里面，當然程序也是支持存放在文件里面
proxysql安裝（主要是為了clickhouse兼容mysql協議）： proxysql在這里下載：https://github.com/sysown/proxysql/releases 選擇帶clickhouse的包下載，否則不會支持clickhouse。ps：較新版本的clickhouse已經原生兼容mysql協議。
proxysql安裝及配置
rpm -ivh proxysql-2.0.3-1-clickhouse-centos7.x86_64.rpm
啟動（必須這樣啟動，否則是不支持clickhouse的）：
proxysql --clickhouse-server
登錄proxysql，設置賬戶：
mysql -uadmin -padmin -h127.0.0.1 -P6032 INSERT INTO clickhouse_users VALUES ('clicku','clickp',1,100); LOAD CLICKHOUSE USERS TO RUNTIME; SAVE CLICKHOUSE USERS TO DISK;
使用proxysql連接到clickhouse：
[root@ck-server-01 sync]# mysql -u clicku -pclickp -h 127.0.0.1 -P6090 mysql: [Warning] Using a password on the command line interface can be insecure. Welcome to the MySQL monitor. Commands end with ; or \g. Your MySQL connection id is 28356 Server version: 5.5.30 (ProxySQL ClickHouse Module) Copyright (c) 2000, 2019, Oracle and/or its affiliates. All rights reserved. Oracle is a registered trademark of Oracle Corporation and/or its affiliates. Other names may be trademarks of their respective owners. Type 'help;' or '\h' for help. Type '\c' to clear the current input statement. mysql> show databases; +---------+ | name | +---------+ | default | | system | +---------+
mysql同步數據到clickhouse
mysql里面有個庫yayun，庫里面有張表tb1，同步這張表到clickhoue
mysql> use yayun; Database changed mysql> show create table tb1\G *************************** 1. row *************************** Table: tb1 Create Table: CREATE TABLE `tb1` ( `id` int(10) unsigned NOT NULL AUTO_INCREMENT, `pay_money` decimal(20,2) NOT NULL DEFAULT '0.00', `pay_day` date NOT NULL, `pay_time` datetime NOT NULL DEFAULT '0000-00-00 00:00:00', PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 1 row in set (0.00 sec)
1. clickhoue里面建庫，建表。
ck-server-01 :) create database yayun; CREATE DATABASE yayun Ok. 0 rows in set. Elapsed: 0.021 sec. ck-server-01 :)
2. 建表（clickhouse建表的格式以及字段類型和mysql完全不一樣，如果字段少還可以自己建，如果字段多比較痛苦，可以使用clickhouse自帶的從mysql導數據的命令來建表）,在建表之前需要進行授權，因為程序同步也是模擬一個從庫拉取數據.
GRANT REPLICATION SLAVE, REPLICATION CLIENT, SELECT ON *.* TO 'ch_repl'@'127.0.0.1' identified by '123';
3. 登陸clickhouse進行建表
ck-server-01 :) use yayun; USE yayun Ok. 0 rows in set. Elapsed: 0.001 sec. ck-server-01 :) CREATE TABLE tb1 :-] ENGINE = MergeTree :-] PARTITION BY toYYYYMM(pay_time) :-] ORDER BY (pay_time) AS :-] SELECT * :-] FROM mysql('127.0.0.1:3306', 'yayun', 'tb1', 'ch_repl', '123') ; CREATE TABLE tb1 ENGINE = MergeTree PARTITION BY toYYYYMM(pay_time) ORDER BY pay_time AS SELECT * FROM mysql('127.0.0.1:3306', 'yayun', 'tb1', 'ch_repl', '123') Ok. 0 rows in set. Elapsed: 0.031 sec.
這里使用MergeTree引擎，MergeTree是clickhouse里面最牛逼的引擎，支持海量數據，支持索引，支持分區，支持更新刪除。toYYYYMM(pay_time)的意思是根據pay_time分區，粒度是按月。ORDER BY (pay_time)的意思是根據pay_time排序存儲，同時也是索引。上面的create table命令如果mysql表里面以后數據那么數據也會一並進入clickhouse里面。通常會limit 1，然后更改一下表結構。上面沒有報錯的話我們看看clickhouse里面的表結構：
ck-server-01 :) show create table tb1; SHOW CREATE TABLE tb1 ┌─statement────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┐ │ CREATE TABLE yayun.tb1 (`id` UInt32, `pay_money` String, `pay_day` Date, `pay_time` DateTime) ENGINE = MergeTree PARTITION BY toYYYYMM(pay_time) ORDER BY pay_time SETTINGS index_granularity = 8192 │ └──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘ 1 rows in set. Elapsed: 0.002 sec.
其中這里的index_granularity = 8192是指索引的粒度。如果數據量沒有達到百億，那么通常無需更改。表結構也創建完成以后現在配置同步程序配置文件：metainfo.conf
[root@ck-server-01 sync]# cat metainfo.conf # 從這里同步數據 [master_server] host='127.0.0.1' port=3306 user='ch_repl' passwd='123' server_id=101 # redis配置信息，用於存放pos點 [redis_server] host='127.0.0.1' port=6379 passwd='12345' log_pos_prefix='log_pos_' #把log_position記錄到文件 [log_position] file='./repl_pos.log' # ch server信息，數據同步以后寫入這里 [clickhouse_server] host=127.0.0.1 port=9000 passwd='' user='default' #字段大小寫. 1是大寫，0是小寫 column_lower_upper=0 # 需要同步的數據庫 [only_schemas] schemas='yayun' # 需要同步的表 [only_tables] tables='tb1' # 指定庫表跳過DML語句(update,delete可選) [skip_dmls_sing] skip_delete_tb_name = '' skip_update_tb_name = '' #跳過所有表的DML語句（update，delete可選） [skip_dmls_all] #skip_type = 'delete' #skip_type = 'delete,update' skip_type = '' [bulk_insert_nums] #多少記錄提交一次 insert_nums=10 #選擇每隔多少秒同步一次,負數表示不啟用,單位秒 interval=60 # 同步失敗告警收件人 [failure_alarm] mail_host= 'xxx' mail_port= 25 mail_user= 'xxx' mail_pass= 'xxx' mail_send_from = 'xxx' alarm_mail = 'xxx' #日志存放路徑 [repl_log] log_dir="/tmp/relication_mysql_clickhouse.log"
設置pos點：
和mysql搭建從庫一樣，配置從哪里開始同步，看mysql的pos點：
mysql> show master status; +------------------+----------+--------------+------------------+-------------------+ | File | Position | Binlog_Do_DB | Binlog_Ignore_DB | Executed_Gtid_Set | +------------------+----------+--------------+------------------+-------------------+ | mysql-bin.000069 | 4024404 | | | | +------------------+----------+--------------+------------------+-------------------+ 1 row in set (0.00 sec)
把pos點寫入文件或者redis，我選擇記錄到文件就是。
[root@ck-server-01 sync]# cat repl_pos.log [log_position] filename = mysql-bin.000069 position = 4024404 [root@ck-server-01 sync]#
啟動同步程序：
[root@ck-server-01 sync]# pypy mysql-clickhouse-replication.py --help usage: Data Replication to clikhouse [-h] [-c CONF] [-d] [-l] mysql data is copied to clikhouse optional arguments: -h, --help show this help message and exit -c CONF, --conf CONF Data synchronization information file -d, --debug Display SQL information -l, --logtoredis log position to redis ,default file By dengyayun @2019 [root@ck-server-01 sync]#
默認pos點就是記錄文件，無需再指定記錄binlog pos方式
[root@ck-server-01 sync]# pypy mysql-clickhouse-replication.py --conf metainfo.conf --debug 11:59:54 INFO 開始同步數據時間 2019-07-17 11:59:54 11:59:54 INFO 從服務器 127.0.0.1:3306 同步數據 11:59:54 INFO 讀取binlog: mysql-bin.000069:4024404 11:59:54 INFO 同步到clickhouse server 127.0.0.1:9000 11:59:54 INFO 同步到clickhouse的數據庫: ['yayun'] 11:59:54 INFO 同步到clickhouse的表: ['tb1']
mysql插入10條數據：
mysql> insert into tb1 (pay_money,pay_day,pay_time)values('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00'),('66.22','2019-06-29','2019-06-29 14:00:00') ; Query OK, 10 rows affected (0.01 sec) Records: 10 Duplicates: 0 Warnings: 0 mysql> select * from tb1; +----+-----------+------------+---------------------+ | id | pay_money | pay_day | pay_time | +----+-----------+------------+---------------------+ | 1 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 | | 3 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 | | 5 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 | | 7 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 | | 9 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 | | 11 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 | | 13 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 | | 15 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 | | 17 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 | | 19 | 66.22 | 2019-06-29 | 2019-06-29 14:00:00 |
同步程序日志輸出：
[root@ck-server-01 sync]# pypy mysql-clickhouse-replication.py --conf metainfo.conf --debug 12:12:09 INFO 開始同步數據時間 2019-07-17 12:12:09 12:12:09 INFO 從服務器 127.0.0.1:3306 同步數據 12:12:09 INFO 讀取binlog: mysql-bin.000069:4024404 12:12:09 INFO 同步到clickhouse server 127.0.0.1:9000 12:12:09 INFO 同步到clickhouse的數據庫: ['yayun'] 12:12:09 INFO 同步到clickhouse的表: ['tb1'] 12:12:09 INFO INSERT 數據插入SQL: INSERT INTO yayun.tb1 VALUES, [{u'id': 1, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 3, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 5, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 7, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 9, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 11, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 13, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 15, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 17, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}, {u'id': 19, u'pay_money': '66.22', u'pay_day': datetime.date(2019, 6, 29), u'pay_time': datetime.datetime(2019, 6, 29, 14, 0)}]
clickhoue數據查詢：
ck-server-01 :) select * from tb1; SELECT * FROM tb1 ┌─id─┬─pay_money─┬────pay_day─┬────────────pay_time─┐ │ 1 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 3 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 5 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 7 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 9 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 11 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 13 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 15 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 17 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 19 │ 66.22 │ 2019-06-29 │ 2019-06-29 14:00:00 │ └────┴───────────┴────────────┴─────────────────────┘ 10 rows in set. Elapsed: 0.005 sec.
mysql數據更新：
mysql> update tb1 set pay_money='88.88'; Query OK, 10 rows affected (0.00 sec) Rows matched: 10 Changed: 10 Warnings: 0 mysql> select * from tb1; +----+-----------+------------+---------------------+ | id | pay_money | pay_day | pay_time | +----+-----------+------------+---------------------+ | 1 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 | | 3 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 | | 5 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 | | 7 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 | | 9 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 | | 11 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 | | 13 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 | | 15 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 | | 17 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 | | 19 | 88.88 | 2019-06-29 | 2019-06-29 14:00:00 | +----+-----------+------------+---------------------+ 10 rows in set (0.00 sec)
clickhoue數據查詢：
ck-server-01 :) select * from tb1; SELECT * FROM tb1 ┌─id─┬─pay_money─┬────pay_day─┬────────────pay_time─┐ │ 1 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 3 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 5 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 7 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 9 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 11 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 13 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 15 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 17 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00 │ │ 19 │ 88.88 │ 2019-06-29 │ 2019-06-29 14:00:00 │ └────┴───────────┴────────────┴─────────────────────┘ 10 rows in set. Elapsed: 0.009 sec.
可以看見數據都同步完成。
代碼地址：
https://github.com/yymysql/mysql-clickhouse-replication
總結：
目前線上報表業務都已經在使用clickhoue，數據同步采用自行開發的同步程序進行同步。目前數據一致性沒有什么問題。當然同步的表需要有自增主鍵，否則有些情況比較難處理。延時也比較小。數據的延時以及數據的一致性都有監控。
總體來說使用clickhoue處理olap還是非常不錯的選擇，小伙伴們可以嘗試。
參考資料
https://clickhouse-driver.readthedocs.io/en/latest/
https://python-mysql-replication.readthedocs.io/en/latest/examples.html
https://clickhouse.yandex/docs/en/
https://github.com/sysown/proxysql/wiki/ClickHouse-Support