Clickhouse 与 Kafka 的数据同步

作者: LemonNan

原文地址: https://mp.weixin.qq.com/s/SUUHF9R_FKg-3vq7Q3cwBQ

注: 转载需注明作者及原文地址

Clickhouse 本身为一个分析型数据库，提供很多跟其他组件的同步方案，本文将以 Kafka 作为数据来源介绍如何将 Kafka 的数据同步到 Clickhouse 中。

话不多说，先上一张数据同步的流程图

在数据同步之前，我们需要建对应的 clickhouse 表，根据上面的流程图，我们需要建立三个表：

1.数据表

2.kafka 引擎表

3.物化视图

# 创建数据表
CREATE DATAbase IF NOT EXISTS data_sync;
CREATE TABLE IF NOT EXISTS data_sync.test
(
    name String DEFAULT 'lemonNan' COMMENT '姓名',
    age int DEFAULT 18 COMMENT '年龄',
    gongzhonghao String DEFAULT 'lemonCode' COMMENT '公众号',
    my_time DateTime64(3, 'UTC') COMMENT '时间'
) ENGINE = ReplacingMergeTree()
PARTITION BY toYYYYMM(my_time)
ORDER BY my_time

# 创建 kafka 引擎表, 地址: 172.16.16.4, topic: lemonCode
CREATE TABLE IF NOT EXISTS data_sync.test_queue(
    name String,
    age int,
    gongzhonghao String, 
    my_time DateTime64(3, 'UTC')
) ENGINE = Kafka
SETTINGS
  kafka_broker_list = '172.16.16.4:9092',
  kafka_topic_list = 'lemonCode',
  kafka_group_name = 'lemonNan',
  kafka_format = 'JSONEachRow',
  kafka_row_delimiter = 'n',
  kafka_schema = '',
  kafka_num_consumers = 1

# 创建物化视图
CREATE MATERIALIZED VIEW IF NOT EXISTS test_mv TO test AS SELECt name, age, gongzhonghao, my_time FROM test_queue;

下面是开始模拟流程图的数据走向，已安装 Kafka 的可以跳过安装步骤。

kafka 这里为了演示安装的是单机

# 启动 zookeeper
docker run -d --name zookeeper -p 2181:2181  wurstmeister/zookeeper
# 启动 kafka, KAFKA_ADVERTISED_LISTENERS 后的 ip地址为机器ip
docker run -d --name kafka -p 9092:9092 -e KAFKA_BROKER_ID=0 -e KAFKA_ZOOKEEPER_CONNECT=zookeeper:2181 --link zookeeper -e KAFKA_ADVERTISED_LISTENERS=PLAINTEXT://172.16.16.4:9092 -e KAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9092 -t wurstmeister/kafka

# 启动生产者，向 topic lemonCode 发送消息
kafka-console-producer.sh --bootstrap-server 172.16.16.4:9092 --topic lemonCode
# 发送以下消息
{"name":"lemonNan","age":20,"gongzhonghao":"lemonCode","my_time":"2022-03-06 18:00:00.001"}
{"name":"lemonNan","age":20,"gongzhonghao":"lemonCode","my_time":"2022-03-06 18:00:00.001"}
{"name":"lemonNan","age":20,"gongzhonghao":"lemonCode","my_time":"2022-03-06 18:00:00.002"}
{"name":"lemonNan","age":20,"gongzhonghao":"lemonCode","my_time":"2022-03-06 23;59:59.002"}

select * from test;

到这一步，数据已经从 Kafka 同步到了 Clickhouse 中了，怎么说呢，还是比较方便的。

这里使用的表引擎是 ReplicateMergeTree, 用 ReplicateMergeTree 的一个原因是生成多个数据副本，减少数据丢失风险，使用 ReplicateMergeTree 引擎的话，数据会自动同步到相同分片的其他节点上。

在实际情况里，还有一种方式也可以进行数据的同步，通过使用不同的 kafka consumer group 进行数据消费。

具体见下图:

通过 ReplicateMergeTree 的同步机制将数据同步到同分片下其他节点，同步时占用消费节点资源。

通过 Kafka 本身的消费机制，将消息广播至多个 Clickhouse 节点，数据同步不占用 Clickhouse 额外资源。

搭建过程可能需要注意的地方

本文出现的 172.16.16.4 为机器内网ip一般引擎表以 queue 为结尾，物化视图以 mv 为结尾，辨识度会高一点 总结

本文介绍了数据从 Kafka 同步至 Clickhouse以及多副本的方案，Clickhouse 还提供了很多其它的集成方案，包括 Hive、MongoDB、S3、SQLite、Kafka 等等等等，具体可以看下方链接。

集成的表引擎：https://clickhouse.com/docs/zh/engines/table-engines/integrations/

欢迎搜索公众号 LemonCode , 一起交流学习!