ClickHouse单机部署以及从MySQL增量同步数据
背景：
随着数据量的上升，OLAP一直是被讨论的话题，虽然druid，kylin能够解决OLAP问题，但是druid，kylin也是需要和hadoop全家桶一起用的，异常的笨重，再说我也搞不定，那只能找我能搞定的技术。故引进clickhoue，关于clickhoue在17年本人就开始关注，并且写了一些入门的介绍，直到19年clickhoue功能慢慢的丰富才又慢慢的关注，并且编写了同步程序，把mysql数据实时同步到clickhoue，并且最终在线上使用起来。
关于clickhouse是什么请自行查阅官网：https://clickhouse.yandex/
clickhouse官方性能测试：https://clickhouse.yandex/benchmark.html
clickhouse面对海量数据，比如单表过百亿可以使用集群（复制+分片），如果数据量比较小，比如单表10-20亿使用单机就足以满足查询需求。如果使用复制需要使用zk，更多集群的请自行查阅官方资料。
单机部署（以前的文章也有写过单机部署） ：
在2016年clickhouse刚开始开源的时候对Ubuntu支持非常友好，一个apt命令就可以安装了。对于centos等系统 支持就比较差，需要自己编译，而且不一定能够成功。随着使用人群的扩大，目前对于centos支持也是非常的友好 了，有rpm包可以直接安装。甚至目前Altinity公司已经制作了yum源，添加源之后直接yum安装完成。这个在官方 文档里面也有提到，参考： https://clickhouse.yandex/docs/en/getting_started/ https://github.com/Altinity/clickhouse-rpm-install 。目前线上使用的是centos 7.0的系统。之所以使用7.0的系统是因为同步数据的程序是用python写的，而且用到的 一个核心包：python-mysql-replication需要使用python 2.7的环境。同时由于clickhouse不兼容mysql协议，为了方便开发接入系统不用过多更改代码，引入了proxysql兼容mysql协议，clickhouse最新版本已经支持mysql协议，支持clickhouse的proxysql也需要python 2.7的环境，所以干脆直接用centos 7.0系统
测试环境：
服务器数量：1台
操作系统：centos 7.1
安装服务：clickhouse，mysql
安装mysql是测试clickhouse从mysql同步数据。
clickhouse安装：
添加yum源
curl -s https://packagecloud.io/install/repositories/altinity/clickhouse/script.rpm.sh | sudo bash
yum安装
yum install -y clickhouse-server clickhouse-client
服务启动
/etc/init.d/clickhouse-server start
默认数据存放位置是： /var/lib/clickhouse/
登录，查看数据库（默认用户是default，密码为空）
[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数据库里面没有任何东西，和mysql里面的test库是一样的。system库看名字就知道是什么。到这里clickhouse就部署完成，是不是很简单？
补充一点，在官方的文档里面有几点建议：
1. 关闭大页
2. 调整内存使用
3. 关闭cpu节能模式
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部署请自行部署。这里不做介绍。如果想从mysql同步数据那么binlog 格式必须是row。而且必须binlog_row_image=full
安装同步程序依赖的包;同步程序可以放在clickhouse服务器上面，也可以单独放在其他服务器。同步程序使用pypy启动，所以安装包的时候需要安装yum -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
这里也安装了redis模块是因为同步的binlog pos可以存放在redis里面，当然程序也是支持存放在文件里面
proxysql安装（主要是为了clickhouse兼容mysql协议）： proxysql在这里下载：https://github.com/sysown/proxysql/releases 选择带clickhouse的包下载，否则不会支持clickhouse。ps：较新版本的clickhouse已经原生兼容mysql协议。
proxysql安装及配置
rpm -ivh proxysql-2.0.3-1-clickhouse-centos7.x86_64.rpm
启动（必须这样启动，否则是不支持clickhouse的）：
proxysql --clickhouse-server
登录proxysql，设置账户：
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连接到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同步数据到clickhouse
mysql里面有个库yayun，库里面有张表tb1，同步这张表到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里面建库，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类型和mysql完全不一样，如果字段少还可以自己建，如果字段多比较痛苦，可以使用clickhouse自带的从mysql导数据的命令来建表）,在建表之前需要进行授权，因为程序同步也是模拟一个从库拉取数据.
GRANT REPLICATION SLAVE, REPLICATION CLIENT, SELECT ON *.* TO 'ch_repl'@'127.0.0.1' identified by '123';
3. 登陆clickhouse进行建表
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.
这里使用MergeTree引擎，MergeTree是clickhouse里面最牛逼的引擎，支持海量数据，支持索引，支持分区，支持更新删除。toYYYYMM(pay_time)的意思是根据pay_time分区，粒度是按月。ORDER BY (pay_time)的意思是根据pay_time排序存储，同时也是索引。上面的create table命令如果mysql表里面以后数据那么数据也会一并进入clickhouse里面。通常会limit 1，然后更改一下表结构。上面没有报错的话我们看看clickhouse里面的表结构：
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.
其中这里的index_granularity = 8192是指索引的粒度。如果数据量没有达到百亿，那么通常无需更改。表结构也创建完成以后现在配置同步程序配置文件：metainfo.conf
[root@ck-server-01 sync]# cat metainfo.conf # 从这里同步数据 [master_server] host='127.0.0.1' port=3306 user='ch_repl' passwd='123' server_id=101 # redis配置信息，用于存放pos点 [redis_server] host='127.0.0.1' port=6379 passwd='12345' log_pos_prefix='log_pos_' #把log_position记录到文件 [log_position] file='./repl_pos.log' # ch server信息，数据同步以后写入这里 [clickhouse_server] host=127.0.0.1 port=9000 passwd='' user='default' #字段大小写. 1是大写，0是小写 column_lower_upper=0 # 需要同步的数据库 [only_schemas] schemas='yayun' # 需要同步的表 [only_tables] tables='tb1' # 指定库表跳过DML语句(update,delete可选) [skip_dmls_sing] skip_delete_tb_name = '' skip_update_tb_name = '' #跳过所有表的DML语句（update，delete可选） [skip_dmls_all] #skip_type = 'delete' #skip_type = 'delete,update' skip_type = '' [bulk_insert_nums] #多少记录提交一次 insert_nums=10 #选择每隔多少秒同步一次,负数表示不启用,单位秒 interval=60 # 同步失败告警收件人 [failure_alarm] mail_host= 'xxx' mail_port= 25 mail_user= 'xxx' mail_pass= 'xxx' mail_send_from = 'xxx' alarm_mail = 'xxx' #日志存放路径 [repl_log] log_dir="/tmp/relication_mysql_clickhouse.log"
设置pos点：
和mysql搭建从库一样，配置从哪里开始同步，看mysql的pos点：
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点写入文件或者redis，我选择记录到文件就是。
[root@ck-server-01 sync]# cat repl_pos.log [log_position] filename = mysql-bin.000069 position = 4024404 [root@ck-server-01 sync]#
启动同步程序：
[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]#
默认pos点就是记录文件，无需再指定记录binlog pos方式
[root@ck-server-01 sync]# pypy mysql-clickhouse-replication.py --conf metainfo.conf --debug 11:59:54 INFO 开始同步数据时间 2019-07-17 11:59:54 11:59:54 INFO 从服务器 127.0.0.1:3306 同步数据 11:59:54 INFO 读取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的数据库: ['yayun'] 11:59:54 INFO 同步到clickhouse的表: ['tb1']
mysql插入10条数据：
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 |
同步程序日志输出：
[root@ck-server-01 sync]# pypy mysql-clickhouse-replication.py --conf metainfo.conf --debug 12:12:09 INFO 开始同步数据时间 2019-07-17 12:12:09 12:12:09 INFO 从服务器 127.0.0.1:3306 同步数据 12:12:09 INFO 读取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的数据库: ['yayun'] 12:12:09 INFO 同步到clickhouse的表: ['tb1'] 12:12:09 INFO INSERT 数据插入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数据查询：
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数据更新：
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数据查询：
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.
可以看见数据都同步完成。
代码地址：
https://github.com/yymysql/mysql-clickhouse-replication
总结：
目前线上报表业务都已经在使用clickhoue，数据同步采用自行开发的同步程序进行同步。目前数据一致性没有什么问题。当然同步的表需要有自增主键，否则有些情况比较难处理。延时也比较小。数据的延时以及数据的一致性都有监控。
总体来说使用clickhoue处理olap还是非常不错的选择，小伙伴们可以尝试。
参考资料
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
