Clickhouse 入門

clickhouse 簡介
ck是一個列式存儲的數據庫，其針對的場景是OLAP。OLAP的特點是：

• 數據不經常寫，即便寫也是批量寫。不像OLTP是一條一條寫
• 大多數是讀請求
• 查詢並發較少，不適合放置先生高並發業務場景使用 , CK本身建議最大一秒100個並發查詢。
• 不要求事務

click的優點

為了增強壓縮比例，ck存儲的一列長度固，於是存儲的時候，不用在存儲該列的長度信息

使用向量引擎 , vector engine ，什么是向量引擎？
https://www.infoq.cn/article/columnar-databases-and-vectorization/?itm_source=infoq_en&itm_medium=link_on_en_item&itm_campaign=item_in_other_langs

clickhouse的缺點

• 不能完整支持事務
• 不能很高吞吐量的修改或刪除數據
• 由於索引的稀疏性，不適合基於key來查詢單個記錄

性能優化

為了提高插入性能，最好批量插入，最少批次是1000行記錄。且使用並發插入能顯著提高插入速度。

訪問接口

ck像es一樣暴露兩個端口，一個tcp的，一個http的。tcp默認端口：9000 ,http默認端口：8123。一般我們並不直接通過這些端口與ck交互，而是使用一些客戶端，這些客戶端可以是：

• Command-line Client 通過它可以鏈接ck,然后進行基本的crud操作，還可以導入數據到ck 。它使用tcp端口鏈接ck
• http interface : 能像es一樣，通過rest方式，按照ck自己的語法，提交crud
• jdbc driver
• odbc driver

輸入輸出格式

ck能夠讀寫多種格式做為輸入(即insert)，也能在輸出時(即select )吐出指定的格式。

比如插入數據時，指定數據源的格式為JSONEachRow

INSERT INTO UserActivity FORMAT JSONEachRow {"PageViews":5, "UserID":"4324182021466249494", "Duration":146,"Sign":-1} {"UserID":"4324182021466249494","PageViews":6,"Duration":185,"Sign":1}

讀取數據時，指定格式為JSONEachRow

SELECT * FROM UserActivity FORMAT JSONEachRow

值得注意的時指定這些格式應該是ck解析或生成的格式，並不是ck最終的的存儲格式，ck應該還是按自己的列式格式進行存儲。ck支持多種格式，具體看文檔
https://clickhouse.yandex/docs/en/interfaces/formats/#native

數據庫引擎

ck支持在其中ck中創建一個數據庫，但數據庫的實際存儲是Mysql，這樣就可以通過ck對該庫中表的數據進行crud, 有點像hive中的外表，只是這里外掛的是整個數據庫。

假設mysql中有以下數據

mysql> USE test;
Database changed

mysql> CREATE TABLE `mysql_table` (
    ->   `int_id` INT NOT NULL AUTO_INCREMENT,
    ->   `float` FLOAT NOT NULL,
    ->   PRIMARY KEY (`int_id`));
Query OK, 0 rows affected (0,09 sec)

mysql> insert into mysql_table (`int_id`, `float`) VALUES (1,2);
Query OK, 1 row affected (0,00 sec)

mysql> select * from mysql_table;
+--------+-------+
| int_id | value |
+--------+-------+
|      1 |     2 |
+--------+-------+
1 row in set (0,00 sec)

在ck中創建數據庫，鏈接上述mysql

CREATE DATABASE mysql_db ENGINE = MySQL('localhost:3306', 'test', 'my_user', 'user_password')

然后就可以在ck中，對mysql庫進行一系列操作

表引擎(table engine)—MergeTree 家族

表引擎定義一個表創建是時候，使用什么引擎進行存儲。表引擎控制如下事項

• 數據如何讀寫以及，以及存儲位置
• 支持的查詢能力
• 數據並發訪問能力
• 數據的replica特征

MergeTree 引擎

建表時，指定table engine相關配置

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
    name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1] [TTL expr1],
    name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2] [TTL expr2],
    ...
    INDEX index_name1 expr1 TYPE type1(...) GRANULARITY value1,
    INDEX index_name2 expr2 TYPE type2(...) GRANULARITY value2
) ENGINE = MergeTree()
[PARTITION BY expr]
[ORDER BY expr]
[PRIMARY KEY expr]
[SAMPLE BY expr]
[TTL expr]
[SETTINGS name=value, ...]

• 該引擎會數據進行分區存儲。
• 數據插入時，不同分區的數據，會分為不同的數據段(data part), ck后台再對這些data part做合並，不同的分區的data part不會合到一起
• 一個data part 由有許多不可分割的最小granule組成

部分配置舉例

ENGINE MergeTree() PARTITION BY toYYYYMM(EventDate) ORDER BY (CounterID, EventDate, intHash32(UserID)) SAMPLE BY intHash32(UserID) SETTINGS index_granularity=8192

granule

gruanule是按主鍵排序后，緊鄰在一起，不可再分割的數據集。每個granule 的第一行數據的主鍵作為這個數據作為這個數據集的mark 。比如這里的主鍵是(CounterID, Date)。第一個granule排序的第一列數據，其主鍵為a,1 ,可以看到多一個gruanle中的多行數據，其主鍵可以相同。

同時為了方便索引，ck會對每個granule指定一個mark number, 方便實際使用的（通過編號，總比通過實際的主鍵值要好使用一點）。

這種索引結構非常像跳表。也稱為稀疏索引，因為它不是對每一行數據做索引，而是以排序后的數據范圍做索引。

查詢舉例，如果我們想查詢CounterID in ('a', 'h')，ck服務器基於上述結構，實際讀取的數據范圍為[0, 3) and [6, 8)

可以在建表時，通過index_granularity指定，兩個mark之間存儲的行記錄數，也即granule的大小(因為兩個mark間就是一個granule)

TTL

可以對表和字段進行過期設置

MergeTree 總結

MergeTree 相當於MergeTree家族表引擎的超類。它定義整個MergeTree家族的數據文件存儲的特征。即

• 有數據合並
• 有稀疏索引，像跳表一樣的數據結構，來存儲數據集。
• 可以指定數據分區

而在此數據基礎上，衍生出了一些列增對不同應用場景的子MergeTree。他們分別是

• ReplacingMergeTree 自動移除primary key相同的數據
• SummingMergeTree　能夠將相同主鍵的，數字類型字段進行sum,　最后存為一行，這相當於預聚合，它能減少存儲空間，提升查詢性能
• AggregatingMergeTree　能夠將同一主鍵的數據，按一定規則聚合，減少數據存儲，提高聚合查詢的性能，相當於預聚合。
• CollapsingMergeTree　將大多數列內容都相同，但是部分列值不同，但是數據是成對的行合並，比如列的值是1和-1

ReplicatedMergeTree　引擎

ck中創建的表，默認都是沒有replicate的，為了提高可用性，需要引入replicate。ck的引入方式是通過集成zookeeper實現數據的replicate副本。

正對上述的各種預聚合引擎，也有對應的ReplicatedMergeTree 引擎進行支持

• ReplicatedMergeTree
• ReplicatedSummingMergeTree
• ReplicatedReplacingMergeTree
• ReplicatedAggregatingMergeTree
• ReplicatedCollapsingMergeTree
• ReplicatedVersionedCollapsingMergeTree
• ReplicatedGraphiteMergeTree

表引擎(table engine)— Log Engine 家族

該系列表引擎正對的是那種會持續產生需要小表，並且各個表數據量都不大的日志場景。這些引擎的特點是：

• 數據存儲在磁盤上
• 以apeend方式新增數據
• 寫是加鎖，讀需等待，也即查詢性能不高

表引擎(table engine)— 外部數據源

ck建表時，還支持許多外部數據源引擎，他們應該是像hive　外表一樣，只是建立了一個表形態的鏈接，實際存儲還是源數據源。(這個有待確認)

這些外部數據源表引擎有：

• Kafka
• MySQL
• JDBC
• ODBC
• HDFS

Sql語法

sample 語句

在建表的時候，可以指定基於某個列的散列值做sample (之所以hash散列，是為了保證抽樣的均勻和隨機).這樣我們在查詢的時候，可以不用對全表數據做處理，而是基於sample抽樣一部分數據，進行結構計算就像。比如全表有100個人，如果要計算這一百個人的總成績，可以使用sample取十個人，將其成績求和后，乘以10。sample適用於那些不需要精確計算，並且對計算耗時非常敏感的業務場景。

安裝事宜

一些tips

生產環境關掉swap file

Disable the swap file for production environments.

記錄集群運行情況的一些表

system.metrics, system.events, and system.asynchronous_metrics tables.

安裝環境配置

cpu頻率控制

Linux系統，會根據任務的負荷對cpu進行降頻或升頻，這些調度升降過程會影響到ck的性能，使用以下配置，將cpu的頻率開到最大

echo 'performance' | sudo tee /sys/devices/system/cpu/cpu*/cpufreq/scaling_governor

linux系統頻率可能的配置如下：

運行超額分配內存

基於swap 磁盤機制，Linux系統可以支持應用系統對超過物理內存實際大小的，內存申請，基本原理是將一部分的不用的數據，swap到硬盤，騰出空間給正在用的數據，這樣對上層應用來看，仿佛擁有了很大的內存量，這種允許超額申請內存的行為叫：Overcommiting Memory

控制Overcommiting Memory行為的有三個數值

• 0: The Linux kernel is free to overcommit memory (this is the default), a heuristic algorithm is applied to figure out if enough memory is available.
• 1: The Linux kernel will always overcommit memory, and never check if enough memory is available. This increases the risk of out-of-memory situations, but also improves memory-intensive workloads.
• 2: The Linux kernel will not overcommit memory, and only allocate as much memory as defined in overcommit_ratio.

ck需要盡可能多的內存，所以需要開啟超額申請的功能，修改配置如下

 echo 0 | sudo tee /proc/sys/vm/overcommit_memory

關閉透明內存

Huge Pages 操作系統為了提速處理，將部分應用內存頁放到了處理器中，這個頁叫hug pages。而為了透明化這一過程，linux啟用了khugepaged內核線程來專門負責此事，這種透明自動化的方式叫： transparent hugepages 。 但自動化的方式會帶來內存泄露的風險，具體原因看參考鏈接。

所以CK安裝期望關閉該選項：

echo 'never' | sudo tee /sys/kernel/mm/transparent_hugepage/enabled

盡量用大的網絡帶寬

如果是ipv6的話，需要增大 route cache

不要將zk和ck裝在一起

ck會盡可能的多占用資源來保證性能，所以如果跟zk裝在一起，ck會影響zk,使其吞吐量下降，延遲增高

開啟zk日志清理功能

zk默認不會刪除過期的snapshot和log文件，日積月累將是個定時炸彈，所以需要修改zk配置，啟用autopurge功能，yandex的配置如下:

zk配置zoo.cfg

# http://hadoop.apache.org/zookeeper/docs/current/zookeeperAdmin.html

# The number of milliseconds of each tick
tickTime=2000
# The number of ticks that the initial
# synchronization phase can take
initLimit=30000
# The number of ticks that can pass between
# sending a request and getting an acknowledgement
syncLimit=10

maxClientCnxns=2000

maxSessionTimeout=60000000
# the directory where the snapshot is stored.
dataDir=/opt/zookeeper/{{ cluster['name'] }}/data
# Place the dataLogDir to a separate physical disc for better performance
dataLogDir=/opt/zookeeper/{{ cluster['name'] }}/logs

autopurge.snapRetainCount=10
autopurge.purgeInterval=1


# To avoid seeks ZooKeeper allocates space in the transaction log file in
# blocks of preAllocSize kilobytes. The default block size is 64M. One reason
# for changing the size of the blocks is to reduce the block size if snapshots
# are taken more often. (Also, see snapCount).
preAllocSize=131072

# Clients can submit requests faster than ZooKeeper can process them,
# especially if there are a lot of clients. To prevent ZooKeeper from running
# out of memory due to queued requests, ZooKeeper will throttle clients so that
# there is no more than globalOutstandingLimit outstanding requests in the
# system. The default limit is 1,000.ZooKeeper logs transactions to a
# transaction log. After snapCount transactions are written to a log file a
# snapshot is started and a new transaction log file is started. The default
# snapCount is 10,000.
snapCount=3000000

# If this option is defined, requests will be will logged to a trace file named
# traceFile.year.month.day.
#traceFile=

# Leader accepts client connections. Default value is "yes". The leader machine
# coordinates updates. For higher update throughput at thes slight expense of
# read throughput the leader can be configured to not accept clients and focus
# on coordination.
leaderServes=yes

standaloneEnabled=false
dynamicConfigFile=/etc/zookeeper-{{ cluster['name'] }}/conf/zoo.cfg.dynamic

對應的jvm參數

NAME=zookeeper-{{ cluster['name'] }}
ZOOCFGDIR=/etc/$NAME/conf

# TODO this is really ugly
# How to find out, which jars are needed?
# seems, that log4j requires the log4j.properties file to be in the classpath
CLASSPATH="$ZOOCFGDIR:/usr/build/classes:/usr/build/lib/*.jar:/usr/share/zookeeper/zookeeper-3.5.1-metrika.jar:/usr/share/zookeeper/slf4j-log4j12-1.7.5.jar:/usr/share/zookeeper/slf4j-api-1.7.5.jar:/usr/share/zookeeper/servlet-api-2.5-20081211.jar:/usr/share/zookeeper/netty-3.7.0.Final.jar:/usr/share/zookeeper/log4j-1.2.16.jar:/usr/share/zookeeper/jline-2.11.jar:/usr/share/zookeeper/jetty-util-6.1.26.jar:/usr/share/zookeeper/jetty-6.1.26.jar:/usr/share/zookeeper/javacc.jar:/usr/share/zookeeper/jackson-mapper-asl-1.9.11.jar:/usr/share/zookeeper/jackson-core-asl-1.9.11.jar:/usr/share/zookeeper/commons-cli-1.2.jar:/usr/src/java/lib/*.jar:/usr/etc/zookeeper"

ZOOCFG="$ZOOCFGDIR/zoo.cfg"
ZOO_LOG_DIR=/var/log/$NAME
USER=zookeeper
GROUP=zookeeper
PIDDIR=/var/run/$NAME
PIDFILE=$PIDDIR/$NAME.pid
SCRIPTNAME=/etc/init.d/$NAME
JAVA=/usr/bin/java
ZOOMAIN="org.apache.zookeeper.server.quorum.QuorumPeerMain"
ZOO_LOG4J_PROP="INFO,ROLLINGFILE"
JMXLOCALONLY=false
JAVA_OPTS="-Xms{{ cluster.get('xms','128M') }} \
    -Xmx{{ cluster.get('xmx','1G') }} \
    -Xloggc:/var/log/$NAME/zookeeper-gc.log \
    -XX:+UseGCLogFileRotation \
    -XX:NumberOfGCLogFiles=16 \
    -XX:GCLogFileSize=16M \
    -verbose:gc \
    -XX:+PrintGCTimeStamps \
    -XX:+PrintGCDateStamps \
    -XX:+PrintGCDetails
    -XX:+PrintTenuringDistribution \
    -XX:+PrintGCApplicationStoppedTime \
    -XX:+PrintGCApplicationConcurrentTime \
    -XX:+PrintSafepointStatistics \
    -XX:+UseParNewGC \
    -XX:+UseConcMarkSweepGC \
-XX:+CMSParallelRemarkEnabled"

數據備份

數據除了存儲在ck之外，可以在hdfs中保留一份，以防止ck數據丟失后，無法恢復。

配置文件

ck的默認配置文件為/etc/clickhouse-server/config.xml，你可以在其中指定所有的服務器配置。

當然你可以將各種不同的配置分開，比如user的配置，和quota的配置，單獨放一個文件，其余文件放置的路徑為

 /etc/clickhouse-server/config.d

ck最終會將所有的配置合在一起生成一個完整的配置file-preprocessed.xml

各個分開的配置，可以覆蓋或刪除主配置中的相同配置，使用replace或remove屬性就行，比如

<query_masking_rules>
    <rule>
        <name>hide SSN</name>
        <regexp>\b\d{3}-\d{2}-\d{4}\b</regexp>
        <replace>000-00-0000</replace>
    </rule>
</query_masking_rules>

同時ck還可以使用zk做為自己的配置源，即最終配置文件的生成，會使用zk中的配置。

默認情況下：
users, access rights, profiles of settings, quotas這些設置都在users.xml

一些最佳實踐

一些最佳配置實踐：
1.寫入時，不要使用distribution 表，怕出現數據不一致
2.設置background_pool_size ，提升Merge的速度，因為merge線程就是使用這個線程池
3.設置max_memory_usage和max_memory_usage_for_all_queries，限制ck使用物理內存的大小，因為使用內存過大，操作系統會將ck進程殺死
4.設置max_bytes_before_external_sort和max_bytes_before_external_group_by，來使得聚合的sort和group在需要大內存且內存超過上述限制時，不至於失敗，可以轉而使用硬盤進行處理

一些踩坑處理：
1.Too many parts(304). Merges are processing significantly slower than inserts 問題是因為插入的太平凡，插入速度超過了后台merge的速度，解決版本辦法是，增大background_pool_size和降低插入速度，官方建議“每秒不超過1次的insert request”，實際是每秒的寫入影響不要超過一個文件。如果寫入的數據涉及多個分區文件，很可能還是出現這個問題。所以分區的設置一定要合理
2.DB::NetException: Connection reset by peer, while reading from socket xxx 。很有可能是沒有配置max_memory_usage和max_memory_usage_for_all_queries，導致內存超限，ck server被操作系統殺死
3.Memory limit (for query) exceeded:would use 9.37 GiB (attempt to allocate chunk of 301989888 bytes), maximum: 9.31 GiB 。是由於我們設置了ck server的內存使用上線。那些超限的請求被ck殺死，但ck本身並沒有掛。這個時候就要增加max_bytes_before_external_sort和max_bytes_before_external_group_by配置，來利用上硬盤
4.ck的副本和分片依賴zk,所以zk是個很大的性能瓶頸，需要對zk有很好的認識和配置，甚至啟用多個zk集群來支持ck集群
5.zk和ck建議都使用ssd,提升性能
對應文章：https://mp.weixin.qq.com/s/egzFxUOAGen_yrKclZGVag

參考資料

https://clickhouse.yandex/docs/en/operations/tips/
http://engineering.pivotal.io/post/virtual_memory_settings_in_linux_-_the_problem_with_overcommit/
https://blog.nelhage.com/post/transparent-hugepages/
https://wiki.archlinux.org/index.php/CPU_frequency_scaling

歡迎關注我的個人公眾號"西北偏北UP"，記錄代碼人生，行業思考，科技評論