CK02# ClickHouse分布式表读写原理梳理
本文主要梳理了ClickHouse分布式表，也就是是Distributed表引擎基本工作原理。主要内容有：
分布式表分片算法规则 分布式表写入基本流程 分布式表读出数据流程 非分布式表写入本地表
使用分布式表时，数据应该落到哪个分片节点上呢？ClickHouse有一套自己的分片算法，下面从概念开始就一探究竟。
分片键（sharding_key）： 要求返回一个整数类型的取值，下面语法中sharding_key需整数类型
CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1],
name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2],
...
) ENGINE = Distributed(cluster, database, table[, sharding_key[, policy_name]])
[SETTINGS name=value, ...]
权重（Weight） ：ClickHouse中一个节点一个分片，可以给分片配置权重，权重越大数据分配越多，默认权重为1
槽（Slot）： 槽的数量为集群中所有分片的权重之和
小结：通过权重与槽联合使用的一种简单分片算法。
在使用ClickHouse分布式表写入数据时，大体流程是这样的。
@1 数据先写入一个分片（例如：分片1）
@2 属于本分片的数据写入本地表，属于其他分片的数据先写入本分片的临时目录
例如：其他分片的数据先写入分片1的临时目录
@3 该分片与集群中其他分片建立连接
例如：分片1与分片2、分片1与分片3建立连接
@4 将写入本地临时文件的数据异步发送到其他分片
例如：分片1将临时目录数据发送到分片2与分片3
小结：使用分布式表直接写入数据时，集群中各个节点彼此会建立连接，彼此之间传输数据；性能低于直接写入本地表。
使用ClickHouse的分布式表查询，大体流程如下：
集群多副本时根据负载均衡选择一个副本，也就是说副本是可以承担查询功能的 将分布式查询语句转换为本地查询语句 将本地插叙语句发送到各个分片节点执行查询 再将返回的结果执行合并
小结：分布式表的查询类似于分库分表中间件，逻辑也很类似。
写入时通过分布式表，由于先写入本地临时目录，集群节点之间会有数据传输。那如果再写入时直接写入本地表，性能要高于通过分布式表。
小结：负载均衡的方式：
分片节点前挂载SLB等负载均衡，注意带宽限制 客户端写入时轮训与各个分片建立连接，在客户端进行负载均衡选择分片
评论