手把手教你：将ClickHouse集群迁至云上
1. 前言
随着云上ClickHouse服务完善，越来越多的用户将自建ClickHouse服务迁移至云上。对于不同数据规模，我们选择不同的方案:
- 对于数据量比较小的表，通常小于10GB情况下，可以将数据到处为CSV格式，在云上集群重新写入数据；
- 使用clickhouse发行版自带工具clickhouse-copier 来完成。
本文详解clickhouse-copier 完成跨ClickHouse集群数据迁移(当然也可以用户集群内部数据不同表间数据迁移)。
2. Zookeeper集群准备
如果已经有Zookeeper集群，请忽略本章节。
由于clickhouse-copier 需要Zookeeper存储数据迁移任务信息，需要部署一个Zookeeper集群。
Zookeeper集群到源ClickHouse集群与目标ClickHouse集群之间的网络是正常的。
在本文中，我们部署一个单节点的Zookeeper集群。
步骤1: 准备可执行文件
$ wget http://apache.is.co.za/zookeeper/zookeeper-3.6.1/apache-zookeeper-3.6.1.tar.gz
$ tar -xvf zookeeper-3.6.1.tar.gz
$ chown hadoop:hadoop -R zookeeper-3.6.1步骤2：切换到hadoop账号
su hadoop步骤3： 准备配置文件 conf/zoo.cfg，填写配置，举例如下：
tickTime=2000
dataDir=/var/data/zookeepe
clientPort=2181步骤4：增加myid文件
echo 1 > /var/data/zookeeper/myid步骤5：启动Zookeeper进程
$ bin/zkServer.sh start后续，我们可以用该Zookeeper存储数据迁移任务信息。
3. 定义迁移任务
在任务迁移数据前，需要定义迁移任务。迁移任务信息定义在xml文件中。具体包含如下信息：
- 源集群，包含数据分片信息
- 目的集群，包含数据分片信息
- 执行数据迁移任务的线程数量
- 定义待迁移的表信息，有tables字段指定，包括：
- 数据源集群名称，由cluster_pull指定
- 数据源数据库名称，由database_pull指定
- 数据源表名称，由table_pull指定
- 目的集群名称，由cluster_push指定
- 目的数据库名称，由database_push指定
- 目的表名称，由table_push指定
- 目的表引擎定义，由engine指定
- 待迁移的partition列表，由enabled_partitions指定。未指定，则全表迁移
如果目标集群数据库不存在，则不会自动创建。故迁移数据前，确保目标集群数据库存在。源表和目标表的Schema相同，表引擎可以不相同。
举例如下：
<yandex>
<!-- Configuration of clusters as in an ordinary server config -->
<remote_servers>
<source_cluster>
<shard>
<internal_replication>false</internal_replication>
<replica>
<host>172.16.0.72</host>
<port>9000</port>
</replica>
</shard>
</source_cluster>
<destination_cluster>
<shard>
<internal_replication>false</internal_replication>
<replica>
<host>172.16.0.115</host>
<port>9000</port>
</replica>
<replica>
<host>172.16.0.47</host>
<port>9000</port>
</replica>
</shard>
<shard>
<internal_replication>false</internal_replication>
<replica>
<host>172.16.0.138</host>
<port>9000</port>
</replica>
<replica>
<host>172.16.0.49</host>
<port>9000</port>
</replica>
</shard>
</destination_cluster>
</remote_servers>
<!-- How many simultaneously active workers are possible. If you run more workers superfluous workers will sleep. -->
<max_workers>8</max_workers>
<!-- Setting used to fetch (pull) data from source cluster tables -->
<settings_pull>
<readonly>1</readonly>
</settings_pull>
<!-- Setting used to insert (push) data to destination cluster tables -->
<settings_push>
<readonly>0</readonly>
</settings_push>
<settings>
<connect_timeout>300</connect_timeout>
<!-- Sync insert is set forcibly, leave it here just in case. -->
<insert_distributed_sync>1</insert_distributed_sync>
</settings>
<tables>
<!-- A table task, copies one table. -->
<table_lineorder>
<!-- Source cluster name (from <remote_servers/> section) and tables in it that should be copied -->
<cluster_pull>source_cluster</cluster_pull>
<database_pull>default</database_pull>
<table_pull>lineorder</table_pull>
<!-- Destination cluster name and tables in which the data should be inserted -->
<cluster_push>destination_cluster</cluster_push>
<database_push>default</database_push>
<table_push>lineorder_7</table_push>
<engine>
ENGINE=ReplicatedMergeTree('/clickhouse/tables/{shard}/lineorder_7','{replica}')
PARTITION BY toYear(LO_ORDERDATE)
ORDER BY (LO_ORDERDATE, LO_ORDERKEY)
</engine>
<!-- Sharding key used to insert data to destination cluster -->
<sharding_key>rand()</sharding_key>
<!-- Optional expression that filter data while pull them from source servers -->
<!-- <where_condition></where_condition> -->
<!--
<enabled_partitions>
</enabled_partitions>
-->
</table_lineorder>
</tables>
</yandex>准备完成配置文件后，在Zookeeper上准备路径，并将定义任务文件上传到Zookeeper中。假设配置文件为task.xml, 执行如下指令：
$ bin/zkCli.sh create /clickhouse/copytasks ""
$ bin/zkCli.sh create /clickhouse/copytasks/task ""
$ bin/zkCli.sh create /clickhouse/copytasks/task/description "`cat ./task.xml`"4. 启动任务
定义好迁移任务后，就可以启动clickhouse-copier来迁移数据了。在此之前，需要准备的配置文件, 配置文件中描述了Zookeeper地址，以及日志配置。举例如下：
<yandex>
<logger>
<level>trace</level>
<size>100M</size>
<count>3</count>
</logger>
<zookeeper>
<node index="1">
<host>172.16.0.139</host>
<port>2181</port>
</node>
</zookeeper>
</yandex>假设该文件命名为config.xml
可以使用如下命令启动clickhouse-copier:
$ clickhouse-copie
--config ./config.xml \
--task-path /clickhouse/copytasks/task \
--base-dir ./clickhouse \其中，--task-path指定数据迁移任务在Zookeeper上的路径，即第3节中创建的路径。需要主要的是，路径下必现包含description文件。
如果数据量比较多，可以部署多个clickhouse-copier并发执行迁移任务。
5. 总结
clickhouse-copier是ClickHouse发行版自带的工具，在稳定性可靠性上是有保证的。在使用过程中，需要注意的问题：
- 在迁移过程中，源集群的表需要停止写入；
- 在迁移过程中，占用源，目的集群网络带宽，需要仔细评估；
- clickhouse-copier提供了较多灵活性，包括数据分片算法，指定迁移表的partitions；
本文系转载，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文系转载，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。