Clickhouses数据迁移工具：Clickhouse-copier介绍

MySQL轻松学·京东数据库工程师

在使用clickhouse的时候，可能会有不同集群间迁移数据需求，这里可以使用如下几种方式：

DETACH/FREEZE分区，进行SCP拷贝，然后再ATTACH alter table db.table DETACH PARTITION [partition]; #下线分区 alter table db.table FREEZE PARTITION [partition]; #备份分区 alter table db.table ATTACH PARTITION [partition]; #上线分区
利用remote函数 insert into ... select * from remote('ip',db.table,'user','password')
clickhouse-copier工具 这个工具是标准发布的clickhouse server的一部分，它可以在完全并行的模式下工作, 并以最有效的方式分发数据

三种方式的优缺点：

方式	优点	缺点
DETACH/FREEZE	适用小表；	源和目标集群分区数量需要一样；操作较繁琐；
remote	适用小表；操作方便；	大表速度较慢；
clickhouse-copier	并行操作；可以变更表名主键；可以变更分区；	配置繁琐；需要借助zookeeper使用；

本文主要介绍Clickhouse-copier的使用方式

Clickhouse-copier是在安装clickhouse软件后自带的工具命令。

> clickhouse-copier --help

usage: clickhouse-copier --config-file <config-file> --task-path <task-path>Copies tables from one cluster to another
--daemon	★守护进程
--umask=mask	设置守护进程的umask
--pidfile=path	Pid文件路径
-C<file>, --config-file=<file>	★配置文件，zookeeper等信息
-L<file>, --log-file=<file>	日志文件
-E<file>, --errorlog-file=<file>	错误日志文件
-P<file>, --pid-file=<file>	Pid文件
--task-path=task-path	★Zookeeper中的任务路径
--safe-mode	★禁止ALTER DROP PARTITION
--copy-fault-probability=copy-fault-probability	指定分区时，测试分区状态
--log-level=log-level	日志级别，debug
--base-dir=base-dir	★默认当前路径，生成目录clickhouse-copier_日期_Pid
--help	查看帮助

标★的比较重要，通常情况只需指定--daemon、--config和--task-path ，其他采用默认即可。

使用Clickhouse-copier需要借助zookeeper，为减少网络流量，建议clickhouse-copier在源数据所在的服务器上运行。

一、首先需要准备一个schema.xml配置

包括源和目标的集群分片信息，以及需要同步的表信息

<yandex><remote_servers><source_cluster><shard><weight>1</weight><replica><host>10.10.1.1</host><user>user</user><password>password</password><port>9000</port></replica></shard><shard><weight>1</weight><replica><host>10.10.1.2</host><user>user</user><password>password</password><port>9000</port></replica></shard></source_cluster><destination_cluster><shard><weight>1</weight><replica><host>10.10.1.3</host><user>user</user><password>password</password><port>9000</port></replica></shard><shard><weight>1</weight><replica><host>10.10.1.4</host><user>user</user><password>password</password><port>9000</port></replica></shard></destination_cluster></remote_servers><max_workers>2</max_workers><settings_pull> <readonly>1</readonly></settings_pull><settings_push> <readonly>0</readonly></settings_push><settings> <connect_timeout>3</connect_timeout>  <insert_distributed_sync>1</insert_distributed_sync></settings><tables> <test1>  <cluster_pull>source_cluster</cluster_pull> <database_pull>default</database_pull> <table_pull>test1</table_pull>  <cluster_push>destination_cluster</cluster_push> <database_push>default</database_push> <table_push>test1</table_push> <engine> ENGINE=ReplicatedMergeTree('/clickhouse/tables/{layer}-{shard}/default/test1', '{replica}') PARTITION BY toMonday(EventDate) ORDER BY (ID, EventDate) </engine> <sharding_key>rand()</sharding_key>  </test1> </tables></yandex>

关于schema.xml配置格式可参考： https://clickhouse.yandex/docs/en/operations/utils/clickhouse-copier/

二、完成schema.xml配置后，需要将此配置上载至 Zookeeper 节点的特定路径下 (/<task-path>/description)

可以创建多个任务

在zookeeper随便一个节点机器执行以下命令：

> ./zkCli.sh create /clickhouse/copytasks "" > ./zkCli.sh create /clickhouse/copytasks/task1 "" > ./zkCli.sh create /clickhouse/copytasks/task1/description "`cat schema.xml`"

三、准备zookeeper.xml配置文件

<yandex><zookeeper><node index="1"> <host>10.1.1.5</host> <port>2181</port></node></zookeeper><logger> <level>trace</level> <log>./log/log.log</log> <errorlog>./log/log.err.log</errorlog> <size>1000M</size> <count>10</count> <stderr>./log/stderr.log</stderr> <stdout>./log/stdout.log</stdout></logger></yandex>

四、在clickhouse机器启动

源和目标都可以，为减少网络流量，建议clickhouse-copier在源数据所在的服务器上运行。

> clickhouse-copier --config zookeeper.xml --task-path /clickhouse/copytasks/task1 --daemon

工具启动后，需要一段时间才能完成任务，具体取决于要复制的表的大小。若未指定--base-dir，则在当前所在目录下生成 clickhouse-copier_时间_pid 格式的目录，目录下包含两个日志文件，可以通过这两个日志文件查看复制错误及详情。

log.err.log #记录错误，此错误是目标没有表，但会自动创建

log.log #记录执行详细信息

五、注意事项 1、源和目标集群名称不能一样，会把源覆盖掉（重要） 2、如果目标没有库，不会自动创建库，需要提前建库 3、如果目标没有表，会自动创建表 4、复制表，副本需要手动创建表 5、目标库可以更改表名、分区、排序等 六、性能

源	目标	数据量	数据大小	时间
1片	1片	60亿	80G	180分钟
1片	2片	60亿	80G	180分钟
2片	2片	60亿	80G	60分钟
6片	6片	60亿	80G	40分钟

七、结论

Clickhouse-copier可以在不同集群间迁移数据，还可以用于重新分片或更改表名及主键。在一个1对1的环境中，它的性能与insert ... select相同，但当它应用于大型ClickHouse集群时，它的性能拷贝速度会有很大提升，并且规避了并行复制任务带来的诸多问题。

ck

Clickhouses数据迁移工具：Clickhouse-copier介绍

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐