如何在Debian9上安装和使用ClickHouse

来自菜鸟教程
跳转至：导航、​搜索

作为 Write for DOnations 计划的一部分，作者选择了 Free and Open Source Fund 来接受捐赠。

介绍

ClickHouse 是一个开源的、面向列的分析数据库，由 Yandex 为 OLAP 和大数据用例创建。 ClickHouse 对实时查询处理的支持使其适用于需要亚秒级分析结果的应用程序。 ClickHouse 的查询语言是一种 SQL 方言，它支持强大的声明式查询功能，同时为最终用户提供熟悉度和更小的学习曲线。

面向列的 数据库将记录存储在按列而不是行分组的块中。 通过不为查询中不存在的列加载数据，面向列的数据库在完成查询时花费更少的时间读取数据。 因此，对于某些工作负载（例如 OLAP），这些数据库可以比传统的基于行的系统更快地计算和返回结果。

在线分析处理 (OLAP) 系统允许组织大量数据并执行复杂的查询。 它们能够管理 PB 级的数据并快速返回查询结果。 通过这种方式，OLAP 可用于数据科学和业务分析等领域的工作。

在本教程中，您将在您的机器上安装 ClickHouse 数据库服务器和客户端。 您将使用 DBMS 执行典型任务，并可选择启用来自另一台服务器的远程访问，以便您能够从另一台机器连接到数据库。 然后，您将通过建模和查询示例网站访问数据来测试 ClickHouse。

先决条件

  • 一台带有 sudo 的 Debian 9 服务器启用了非 root 用户和防火墙设置。 您可以按照初始服务器设置教程来创建用户并设置防火墙。
  • （可选）具有 sudo 的辅助 Debian 9 服务器启用了非 root 用户和防火墙设置。 您可以按照初始服务器设置教程。

第 1 步 — 安装 ClickHouse

在本节中，您将使用 apt-get 安装 ClickHouse 服务器和客户端程序。

首先，通过运行 SSH 进入您的服务器： 

ssh sammy@your_server_ip

dirmngr 是用于管理证书和密钥的服务器。 添加和验证远程存储库密钥需要它，通过运行安装它： 

sudo apt-get install -y dirmngr

Yandex 维护一个 APT 存储库，其中包含最新版本的 ClickHouse。 添加存储库的 GPG 密钥，以便您能够安全地下载经过验证的 ClickHouse 包： 

sudo apt-key adv --keyserver keyserver.ubuntu.com --recv E0C56BD4

您将看到类似于以下内容的输出： 

Output
Executing: /tmp/apt-key-gpghome.JkkcKnBAFY/gpg.1.sh --keyserver keyserver.ubuntu.com --recv E0C56BD4

gpg: key C8F1E19FE0C56BD4: public key "ClickHouse Repository Key <milovidov@yandex-team.ru>" imported
gpg: Total number processed: 1
gpg:               imported: 1

输出确认它已成功验证并添加了密钥。

通过执行以下命令将存储库添加到您的 APT 存储库列表： 

echo "deb http://repo.yandex.ru/clickhouse/deb/stable/ main/" | sudo tee /etc/apt/sources.list.d/clickhouse.list

在这里，您已将 echo 的输出通过管道传输到 sudo tee，以便此输出可以打印到 root 拥有的文件。

现在，运行 apt-get update 来更新你的包： 

sudo apt-get update

clickhouse-server 和 clickhouse-client 软件包现在可供安装。 安装它们： 

sudo apt-get install -y clickhouse-server clickhouse-client

您已成功安装 ClickHouse 服务器和客户端。 您现在已准备好启动数据库服务并确保其正常运行。

第 2 步 — 启动服务

您在上一节中安装的 clickhouse-server 包创建了一个 systemd 服务，该服务执行启动、停止和重新启动数据库服务器等操作。 systemd是Linux的init系统，用于初始化和管理服务。 在本节中，您将启动服务并验证它是否成功运行。

通过运行以下命令启动 clickhouse-server 服务： 

sudo service clickhouse-server start

前面的命令不会显示任何输出。 要验证服务是否成功运行，请执行： 

sudo service clickhouse-server status

您将看到类似于以下内容的输出： 

Output
● clickhouse-server.service - ClickHouse Server (analytic DBMS for big data)
   Loaded: loaded (/etc/systemd/system/clickhouse-server.service; enabled; vendor preset: enabled)
   Active: active (running) since Sat 2018-12-22 07:23:20 UTC; 1h 9min ago
 Main PID: 27101 (ClickHouse-serv)
    Tasks: 34 (limit: 1152)
   CGroup: /system.slice/ClickHouse-server.service
           └─27101 /usr/bin/ClickHouse-server --config=/etc/ClickHouse-server/config.xml

输出表示服务器正在运行。

您已成功启动 ClickHouse 服务器，现在可以使用 clickhouse-client CLI 程序连接到服务器。

第三步——创建数据库和表

在 ClickHouse 中，您可以通过在交互式数据库提示中直接执行 SQL 语句来创建和删除数据库。 语句由遵循特定语法的命令组成，这些命令告诉数据库服务器执行请求的操作以及所需的任何数据。 您可以使用 CREATE DATABASE table_name 语法创建数据库。 要创建数据库，首先通过运行以下命令启动客户端会话： 

clickhouse-client

此命令将使您登录到客户端提示符，您可以在其中运行 ClickHouse SQL 语句来执行以下操作：

  • 创建、更新和删除数据库、表、索引、分区和视图。
  • 执行查询以检索使用各种条件选择性过滤和分组的数据。

在这一步中，随着 ClickHouse 客户端准备好插入数据，您将创建一个数据库和表。 出于本教程的目的，您将创建一个名为 test 的数据库，并在其中创建一个名为 visits 的表，用于跟踪网站访问持续时间。

现在您在 ClickHouse 命令提示符中，通过执行以下命令创建您的 test 数据库： 

CREATE DATABASE test;

您将看到以下输出，表明您已创建数据库： 

Output
CREATE DATABASE test

Ok.

0 rows in set. Elapsed: 0.003 sec.

ClickHouse 表类似于其他关系数据库中的表； 它以结构化格式保存相关数据的集合。 您可以指定列及其类型、添加数据行以及对表执行不同类型的查询。

在 ClickHouse 中创建表的语法遵循以下示例结构： 

CREATE TABLE table_name
(
    column_name1 column_type [options],
    column_name2 column_type [options],
    ...
) ENGINE = engine

table_name 和 column_name 值可以是任何有效的 ASCII 标识符。 ClickHouse 支持多种列类型； 一些最受欢迎的是：

  • UInt64：用于存储 0 到 18446744073709551615 范围内的整数值。
  • Float64：用于存储2039.23、10.5等浮点数。
  • String：用于存储变长字符。 它不需要最大长度属性，因为它可以存储任意长度。
  • Date：用于存储遵循YYYY-MM-DD格式的日期。
  • DateTime：用于存储日期和时间，格式为YYYY-MM-DD HH:MM:SS。

在列定义之后，您指定用于表的引擎。 在 ClickHouse 中，Engines 决定了底层数据的物理结构、表的查询能力、并发访问模式以及对索引的支持。 不同的发动机类型适用于不同的应用要求。 最常用和应用最广的发动机型号是MergeTree。

现在您已经了解了表的创建，您将创建一个表。 首先确认您将要修改的数据库： 

USE test;

您将看到以下输出，表明您已从 default 数据库切换到 test 数据库： 

Output
USE test

Ok.

0 rows in set. Elapsed: 0.001 sec.

本指南的其余部分将假定您正在此数据库的上下文中执行语句。

通过运行以下命令创建您的 visits 表： 

CREATE TABLE visits (
 id UInt64,
 duration Float64,
 url String,
 created DateTime
) ENGINE = MergeTree() 
PRIMARY KEY id 
ORDER BY id;

以下是该命令的作用的细分。 您创建一个名为 visits 的表，它有四列：

  • id：主键列。 与其他 RDBMS 系统类似，ClickHouse 中的主键列唯一标识一行； 每一行都应该有该列的唯一值。
  • duration：浮点列，用于存储每次访问的持续时间（以秒为单位）。 float 列可以存储十进制值，例如 12.50。
  • url：存储访问过的URL的字符串列，如http://example.com。
  • created：跟踪访问发生时间的日期和时间列。

在列定义之后，您将 MergeTree 指定为表的存储引擎。 MergeTree 系列 引擎推荐用于生产数据库，因为它优化了对大型实时插入的支持、整体稳健性和查询支持。 此外，MergeTree 引擎支持按主键对行进行排序、对行进行分区以及复制和采样数据。

如果您打算使用 ClickHouse 来归档不经常查询的数据或存储临时数据，您可以使用引擎的 Log 系列 来针对该用例进行优化。

在列定义之后，您将定义其他表级选项。 PRIMARY KEY 子句将 id 设置为主键列，ORDER BY 子句将存储按 id 列排序的值。 主键唯一标识一行，用于高效访问单行和高效的行托管。

在执行 create 语句时，您将看到以下输出： 

OutputCREATE TABLE visits
(
    id UInt64,
    duration Float64,
    url String,
    created DateTime
)
ENGINE = MergeTree()
PRIMARY KEY id
ORDER BY id

Ok.

0 rows in set. Elapsed: 0.010 sec.

在本节中，您创建了一个数据库和一个表来跟踪网站访问数据。 在下一步中，您将向表中插入数据、更新现有数据并删除该数据。

第 4 步 — 插入、更新和删除数据和列

在此步骤中，您将使用 visits 表来插入、更新和删除数据。 以下命令是将行插入 ClickHouse 表的语法示例： 

INSERT INTO table_name VALUES (column_1_value, column_2_value, ....);

现在，通过运行以下每个语句，将几行示例网站访问数据插入 visits 表： 

INSERT INTO visits VALUES (1, 10.5, 'http://example.com', '2019-01-01 00:01:01');

INSERT INTO visits VALUES (2, 40.2, 'http://example1.com', '2019-01-03 10:01:01');

INSERT INTO visits VALUES (3, 13, 'http://example2.com', '2019-01-03 12:01:01');

INSERT INTO visits VALUES (4, 2, 'http://example3.com', '2019-01-04 02:01:01');

您将看到针对每个插入语句重复的以下输出。 

Output
INSERT INTO visits VALUES

Ok.

1 rows in set. Elapsed: 0.004 sec.

每行的输出显示您已成功将其插入 visits 表中。

现在，您将在 visits 表中添加一个附加列。 在现有表中添加或删除列时，ClickHouse 支持 ALTER 语法。

例如，向表中添加列的基本语法如下： 

ALTER TABLE table_name ADD COLUMN column_name column_type;

添加一个名为 location 的列，该列将通过运行以下语句存储访问网站的位置： 

ALTER TABLE visits ADD COLUMN location String;

您将看到类似于以下内容的输出： 

OutputALTER TABLE visits
    ADD COLUMN
    location String


Ok.

0 rows in set. Elapsed: 0.014 sec.

输出显示您已成功添加 location 列。

从 19.3.6 版本开始，由于实施限制，ClickHouse 不支持更新和删除单个数据行。 但是，ClickHouse 支持批量更新和删除，并且为这些操作提供了独特的 SQL 语法，以突出它们的非标准用法。

以下语法是批量更新行的示例： 

ALTER TABLE table_name UPDATE  column_1 = value_1, column_2 = value_2 ...  WHERE  filter_conditions;

您将运行以下语句来更新 duration 小于 15 的所有行的 url 列。 输入到数据库提示符中执行： 

ALTER TABLE visits UPDATE url = 'http://example2.com' WHERE duration < 15;

批量更新语句的输出如下： 

Output
ALTER TABLE visits
    UPDATE url = 'http://example2.com' WHERE duration < 15


Ok.

0 rows in set. Elapsed: 0.003 sec.

输出显示您的更新查询已成功完成。 输出中的 0 rows in set 表示查询没有返回任何行； 这将适用于任何更新和删除查询。

批量删除行的示例语法类似于更新行，并具有以下结构： 

ALTER TABLE table_name DELETE WHERE filter_conditions;

要测试删除数据，请运行以下语句以删除所有 duration 小于 5 的行： 

ALTER TABLE visits DELETE WHERE duration < 5;

批量删除语句的输出将类似于： 

Output
ALTER TABLE visits
    DELETE WHERE duration < 5


Ok.

0 rows in set. Elapsed: 0.003 sec.

输出确认您已删除持续时间少于五秒的行。

要从表中删除列，语法将遵循以下示例结构： 

ALTER TABLE table_name DROP COLUMN column_name;

通过运行以下命令删除您之前添加的 location 列： 

ALTER TABLE visits DROP COLUMN location;

确认您已删除该列的 DROP COLUMN 输出将如下所示： 

OutputALTER TABLE visits
    DROP COLUMN
    location String


Ok.

0 rows in set. Elapsed: 0.010 sec.

现在您已经成功地在 visits 表中插入、更新和删除了行和列，您将继续在下一步中查询数据。

第 5 步 — 查询数据

ClickHouse 的查询语言是 SQL 的一种自定义方言，具有适用于分析工作负载的扩展和功能。 在此步骤中，您将运行选择和聚合查询以从 visits 表中检索数据和结果。

选择查询允许您检索按您指定的条件过滤的数据行和列，以及要返回的行数等选项。 您可以使用 SELECT 语法选择数据的行和列。 SELECT 查询的基本语法是： 

SELECT func_1(column_1), func_2(column_2) FROM table_name WHERE filter_conditions row_options;

执行以下语句以检索 url 为 http://example.com 的行的 url 和 duration 值。 

SELECT url, duration FROM visits WHERE url = 'http://example2.com' LIMIT 2;

您将看到以下输出： 

OutputSELECT
    url,
    duration
FROM visits
WHERE url = 'http://example2.com'
LIMIT 2

┌─url─────────────────┬─duration─┐
│ http://example2.com │     10.5 │
└─────────────────────┴──────────┘
┌─url─────────────────┬─duration─┐
│ http://example2.com │       13 │
└─────────────────────┴──────────┘

2 rows in set. Elapsed: 0.013 sec.

输出返回了与您指定的条件匹配的两行。 现在您已经选择了值，您可以开始执行聚合查询。

聚合查询是对一组值进行操作并返回单个输出值的查询。 在分析数据库中，这些查询经常运行，并且由数据库进行了很好的优化。 ClickHouse 支持的一些聚合函数有：

  • count：返回符合指定条件的行数。
  • sum：返回所选列值的总和。
  • avg：返回所选列值的平均值。

一些 ClickHouse 特定的聚合函数包括：

  • uniq：返回匹配的不同行的近似数量。
  • topK：使用近似算法返回特定列的最频繁值的数组。

为了演示聚合查询的执行，您将通过运行 sum 查询来计算访问的总持续时间： 

SELECT SUM(duration) FROM visits;

您将看到类似于以下内容的输出： 

Output
SELECT SUM(duration)
FROM visits

┌─SUM(duration)─┐
│          63.7 │
└───────────────┘

1 rows in set. Elapsed: 0.010 sec.

现在，通过执行计算前两个 URL： 

SELECT topK(2)(url) FROM visits;

您将看到类似于以下内容的输出： 

OutputSELECT topK(2)(url)
FROM visits

┌─topK(2)(url)──────────────────────────────────┐
│ ['http://example2.com','http://example1.com'] │
└───────────────────────────────────────────────┘

1 rows in set. Elapsed: 0.010 sec.

现在您已成功查询 visits 表，您将在下一步中删除表和数据库。

第 6 步 — 删除表和数据库

在本节中，您将删除 visits 表和 test 数据库。

删除表的语法如下： 

DROP TABLE table_name;

要删除 visits 表，请运行以下语句： 

DROP TABLE visits;

您将看到以下输出，表明您已成功删除该表： 

outputDROP TABLE visits

Ok.

0 rows in set. Elapsed: 0.005 sec.

您可以使用 DROP database table_name 语法删除数据库。 要删除 test 数据库，请执行以下语句： 

DROP DATABASE test;

结果输出显示您已成功删除数据库。 

Output
DROP DATABASE test

Ok.

0 rows in set. Elapsed: 0.003 sec.

您已在此步骤中删除了表和数据库。 现在您已经在 ClickHouse 实例中创建、更新和删除了数据库、表和数据，您将在下一部分中启用对数据库服务器的远程访问。

第 7 步 — 设置防火墙规则（可选）

如果您打算仅在本地将 ClickHouse 与在同一服务器上运行的应用程序一起使用，或者您的服务器上未启用防火墙，则无需完成此部分。 相反，如果您将远程连接到 ClickHouse 数据库服务器，则应执行此步骤。

当前，您的服务器启用了防火墙，该防火墙会禁用您的公共 IP 地址访问所有端口。 您将完成以下两个步骤以允许远程访问：

  • 修改 ClickHouse 的配置，让它监听所有接口。
  • 添加防火墙规则，允许传入连接到端口 8123，这是 ClickHouse 服务器运行的 HTTP 端口。

如果您在数据库提示符内，请键入 CTRL+D 退出它。

通过执行以下命令编辑配置文件： 

sudo nano /etc/clickhouse-server/config.xml

然后取消注释包含 <!-- <listen_host>0.0.0.0</listen_host> --> 的行，如以下文件：

/etc/clickhouse-server/config.xml 

...
 <interserver_http_host>example.yandex.ru</interserver_http_host>
    -->

    <!-- Listen specified host. use :: (wildcard IPv6 address), if you want to accept connections both with IPv4 and IPv6 from everywhere. -->
    <!-- <listen_host>::</listen_host> -->
    <!-- Same for hosts with disabled ipv6: -->
    <listen_host>0.0.0.0</listen_host>

    <!-- Default values - try listen localhost on ipv4 and ipv6: -->
    <!--
    <listen_host>::1</listen_host>
    <listen_host>127.0.0.1</listen_host>
    -->
...

保存文件并退出nano。 要应用新配置，请运行以下命令重新启动服务： 

sudo service clickhouse-server restart

您不会看到此命令的任何输出。 ClickHouse 的服务器在端口 8123 上侦听 HTTP 连接，在端口 9000 上侦听来自 clickhouse-client 的连接。 使用以下命令允许访问第二个服务器的 IP 地址的两个端口： 

sudo ufw allow from second_server_ip/32 to any port 8123  

sudo ufw allow from second_server_ip/32 to any port 9000

您将看到两个命令的以下输出，表明您已启用对两个端口的访问： 

OutputRule added

现在可以从您添加的 IP 访问 ClickHouse。 如果需要，请随意添加其他 IP，例如本地计算机的地址。

要验证您是否可以从远程计算机连接到 ClickHouse 服务器，请首先在第二台服务器上按照本教程步骤 1 中的步骤操作，并确保在其上安装了 clickhouse-client。

现在您已经登录到第二台服务器，通过执行以下命令启动客户端会话： 

clickhouse-client --host your_server_ip

您将看到以下输出，表明您已成功连接到服务器： 

OutputClickHouse client version 19.3.6.
Connecting to your_server_ip:9000 as user default.
Connected to ClickHouse server version 19.3.6 revision 54415.

hostname :)

在此步骤中，您已通过调整防火墙规则启用对 ClickHouse 数据库服务器的远程访问。

结论

您已在服务器上成功设置 ClickHouse 数据库实例并创建数据库和表、添加数据、执行查询和删除数据库。 在 ClickHouse 的文档中，您可以阅读他们针对其他开源和商业分析数据库的 基准测试 和一般参考 文档 。 其他 功能 ClickHouse 提供的包括跨多个服务器的分布式查询处理，通过将数据存储在不同的 分片 上来提高性能并防止数据丢失。

取自“https://cainiaojiaocheng.com/index.php?title=如何在Debian9上安装和使用ClickHouse&oldid=28114”
Powered by MediaWiki