Clickhouse分布式表初体验

ClickHouse的分布式表是一种特殊类型的表，它允许你跨多个节点进行数据的查询和写入操作。以下是创建分布式表的步骤和案例：

创建本地表：

在集群的每个节点上创建一个本地表，可以使用`ReplicatedMergeTree`系列引擎来实现数据的复制。例如：

复制代码

CREATE TABLE city_local (
  `fdate` Int64,
  `city_code` Int32,
  `city_name` String,
  `total_cnt` Int64
) ENGINE = ReplicatedMergeTree('/clickhouse/tables/{shard}/city_local', '{replica}')
PARTITION BY fdate
ORDER BY (fdate, city_code, city_name)
SETTINGS index_granularity = 8192, storage_policy = 'ssd_to_hdd';

这里`{shard}`和`{replica}`是集群配置中的占位符，用于指定分片和副本信息。

创建分布式表：

使用`Distributed`引擎创建一个分布式表，它不会存储数据，而是将查询和写入操作代理到本地表。例如：

sql 复制代码

CREATE TABLE city_all ON CLUSTER ck_cluster_name AS city_local
ENGINE = Distributed(ck_cluster_name, 'test_db', 'city_local', rand());

这里`ck_cluster_name`是集群名称，`test_db`是数据库名称，`city_local`是本地表名称，`rand()`是一个分片键，用于数据的随机分布。

插入数据：

可以直接向分布式表插入数据，ClickHouse会将数据分发到对应的本地表。例如：

sql 复制代码

INSERT INTO city_all (fdate, city_code, city_name, total_cnt) VALUES (20210131, 4000, 'guangzhou', 420000);

数据会被写入到对应的本地表中。

查询分布式表：

查询分布式表时，ClickHouse会在所有分片上执行查询并将结果合并。例如：

sql 复制代码

SELECT * FROM city_all;

这会返回所有分片上的`city_all`表的数据。

更新和删除操作：

分布式表本身不支持直接的`UPDATE`和`DELETE`操作，这些操作需要在本地表上执行。例如：

sql 复制代码

ALTER TABLE city_local ON CLUSTER ck_cluster_name UPDATE total_cnt = 3333 WHERE city_name = 'foshan';
ALTER TABLE city_local ON CLUSTER ck_cluster_name DELETE WHERE city_name = 'foshan';

这些操作会应用到集群中的所有本地表。

添加字段：

可以为本地表添加新字段，并且这个变化会自动反映到分布式表上。例如：

sql 复制代码

ALTER TABLE city_local ON CLUSTER ck_cluster_name ADD COLUMN history Int32;

添加字段后，新插入的数据会包含这个新字段。

删除表：

删除分布式表或本地表时，需要指定集群名称。例如：

sql 复制代码

DROP TABLE city_all ON CLUSTER ck_cluster_name;
DROP TABLE city_local ON CLUSTER ck_cluster_name;

这会删除集群中的相应表。

以上步骤和示例展示了如何在ClickHouse中创建和使用分布式表。需要注意的是，分布式表的写入操作默认是异步的，可能会在短时间内造成数据的不一致性。因此，在生产环境中，通常建议直接写入本地表，而从分布式表进行读取操作。