大数据学习教程SD版第十三篇【Clickhouse】_西蒙教育大数据-13 clickhouse 文档-优快云博客

本文是一篇关于Clickhouse的大数据学习教程，详细介绍了Clickhouse的安装、数据类型、表引擎、SQL操作、副本、分片、EXPLAIN功能、建表策略、查询优化、物化视图、MaterializeMySQL同步以及监控设置，包括Prometheus和Grafana的集成。Clickhouse是一个快速的列式数据库，适用于数据分析，提供了丰富的表引擎和SQL支持，但不擅长初始存储和JOIN操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Clickhouse 列式数据库

快，简单，yandex开源，C++编写，分析型数据库，SQL查询，列操作快，多样化引擎，高吞吐写入（LSM Tree），多版本数据（Hbase），顺序Append写，数据分区，线程级并行（单条查询能利用整机所有CPU），不适合初始存储，尽量避免join操作（不快，右表加载到内存）

1. Clickhouse 安装

准备工作

关闭防火墙

# status
systemctl status firewalld

取消打开文件数限制，并分发配置

/etc/security/limits.conf

/etc/security/limits.d/20-nproc.conf

* soft nofile 65535
* hard nofile 65535
* soft nproc 131072
* hard nproc 131072

ulimit -a ：查看修改后的效果

安装依赖(三台)

yum install -y libtool
yum install -y *unixODBC

取消selinux，同步配置,重启生效

/etc/selinux/config

SELINUX=disabled

临时关闭

setenforce 0

安装Clickhouse

下载并安装rpm包(三台)

# rpm包安装之后的路径关系
bin/  -> /usr/bin/xxx
conf/ -> /etc/xxx
lib/  -> /var/lib/xxx
log/  -> /var/log/xxx

修改配置，同步配置

/etc/clickhouse-server/config.xml

<listen_host>::</listen_host>

3.启动

# 会开机自启，关闭开启命令
systemctl disable clickhouse-server

# start
systemctl start clickhouse-server
clickhouse-client -m

2. Clickhouse 数据类型

数据类型	Clickhouse
整型	Int、Nullable(Int) Int 默认是Int32
浮点型	float、double
布尔型	无
Decimal型	Decimal(20,4)、Nullable(Decimal(20,4))
字符串	String
枚举类型	Enum8、Enum16
时间类型	Date、Datetime、
数组	Array[T]

# enum example
CREATE TABLE t_enum
(
x Enum8('hello' = 1, 'world' = 2)
)
ENGINE = TinyLog;

INSERT INTO t_enum VALUES ('hello'), ('world'), ('hello');

select * from t_enum;
┌─x─────┐
│ hello │
│ world │
│ hello │
└───────┘
# 查看值
SELECT CAST(x, 'Int8') FROM t_enum;

# array example
SELECT array(1, 2) AS x, toTypeName(x) ;
SELECT [1, 2] AS x, toTypeName(x);

3. Clickhouse 表引擎

引擎名称大小写敏感

引擎名称	引擎特点
TinyLog	测试使用，列文件磁盘存储，不支持索引，无并发
Memory	测试使用，内存存储
MergeTree	最强大，支持索引和分区(分区字段必须为表中字段)，TTL 生命周期
ReplacingMergeTree	MergeTree 子类，去重
SummingMergeTree	MergeTree 子类，针对指定列聚合操作，提供“预聚合”

关于数据分区：任何一个批次写入时会写入零食分区，10-15min后，会合并到已有分区，可以手动合并

optimize table xxxx final;

关于主键：只提供一级索引，不同于MySQL的唯一约束

关于稀疏索引：两个相邻索引之间存在数据的间隔

关于建表order by：必须参数，并且主键必须是 order by 字段的前缀字段

关于TTL ：列的数据失效时间或者表修改失效

关于去重：只会在合并过程中出现，并且只在分区内部进行去重，所以并不能保证全局去重，唯一建：order by的字段

4. Clickhouse SQL

4.1 DML

# 1.insert
insert into table_name1 values(),()……
insert into table_name1 select xxx from table_name2
# 2.delete
alter table table_name1 delete where xxx=xxx;
truncate table table_name1;
# 3.update
alter table table_name1 update xxx=xxx where xxx=xxx;

# 4.query

## 4.1 with rollup : 从右至左去掉维度进行小计
## 4.2 with cube : 从右至左去掉维度进行小计，再从左至右去掉维度进行小计
## 4.3 with totals: 只计算合计

4.2 DDL

# table
alter table table_name1 add column New_col Type after col1;
alter table table_name1 modify column new_col_name Type;
alter table table_name1 drop column col_name;

# export data
clickhouse-client --query "select ……"> /xxx/xxx.csv
## header
clickhouse-client --query "select ……" --format CSVWithNames > /xxx/xxx.csv

# import data
???

5. Clickhouse 副本

保证数据高可用，一台ck宕机，不影响整体使用

副本只能同步数据，不能同步表结构

启动ZK
增加配置,同步配置

/etc/clickhouse-server/config.d/metrika.xml 文件名可以随便，后面指定读取

<?xml version="1.0"?>
<yandex>
<zookeeper-servers>
<node index="1">
<host>hadoop102</host>
<port>2181</port>
</node>