clickhouse（三、查询同步远程集群）

• 需求

在使用ck时，我们难免会遇到跨集群的数据传输，比如数据备份，不同环境同步数据等。之前试过查询出来再写入，数据量少的情况还能接受，超过10w这样效率就显得很低了，而大数据环境下10w当然是不能接受的。所以ck也提供了一种比较高效的方式，直接跨集群传输，减少了io次数，进而大幅度提升效率。

• 方案

ck提供remote函数，允许我们去查询远程的服务。（这里要吐槽下ck的文档，目录结构的划分实在是很难找到相关函数）

remote('addresses_expr', db, table[, 'user'[, 'password']])
remote('addresses_expr', db.table[, 'user'[, 'password']])

• 示例

文档里面没有测试用例，这里我再补充一个查询远程表行数命令：

SELECT count(*) FROM 
remote('ip:port', 'database', 'test', 'user', 'password');

其中remote()函数就可以理解为远程表名，需要注意的是port是指TCP端口，也是就默认的9000端口。那么如何传输数据了，其实就和本地表一样，只需要insert into test select ...就行了。当然select部分是可以多层嵌套加条件的，而remote函数就可以理解为一个表名使用。我们在内网用一个测试表在测试集群传输。

dc_sit_02 :) select count(*) from test_all;

SELECT count(*)
FROM test_all

┌───count()─┐
│ 180990246 │
└───────────┘

条数180990246，约等于1.8亿。

dc_sit_02 :) insert into test_all SELECT * FROM remote('ip:9000', 'default', 'test_all', 'default', '');

INSERT INTO test_all SELECT *
FROM remote('ip:9000', 'default', 'test_all', 'default', '')

Ok.

Elapsed: 137.199 sec. Processed 180.99 million rows, 16.41 GB (1.32 million rows/s., 119.59 MB/s.) 

可以看到执行了137秒，约等于2分钟，数据大小16.4G，实际速率和集群资源决定。平均132w行/s，查询并且插入，速度已经算很快了。
如果你也有数据传输需求，不防试一试这个利器。下一节 介绍一个运维重要知识点，查看clickhouse集群、表容量相关信息。