# ClickHouse数据入库规范 #### 规则 - 写本地表，查询分布式表，提升写入和查询性能，保证写入和查询的数据一致性。 - 只有在去重诉求的场景下，可以使用分布式表插入，通过sharding key将要去重的数据转发到同一个shard，便于后续去重查询。 - 外部模块保证数据导入的幂等性。 ClickHouse不支持数据写入的事务保证。通过外部导入数据模块控制数据的幂等性，比如某个批次的数据导入异常，则drop对应的分区数据或清理掉导入的数据后，重新导入该分区或批次数据。 - 大批量少频次的写入。 ClickHouse的每次数据写入都会生成一到多个part文件，如果data part过多, merge压力会变大，甚至出现各种异常影响数据写入可靠性和性能。表的字段在100以内每个批次数据写入1万行到几十万行，字段在几百到几千个建议每批次写入几千行到1万行，以降低对写入节点的内存和CPU压力和负载，写入频次每秒不超过1次。 - 多副本并行导入。 有大数据的导入场景，建议将数据提前拆分成多份，在一个shard内的多个副本同时导入，以分摊一个节点导入数据的压力，同时能提升数据入库的性能，缩短入库时间。 常见错误： Too many parts(304). Merges are processing significantly slower than inserts 原因分析：MergeTree的merge的速度跟不上目录生成的速度，数据目录越来越多就会抛出这个异常。 #### 建议 - 一次只插入一个分区内的数据 如果数据属于不同的分区，则每次插入，不同分区的数据会独立生成part文件，导致part总数量膨胀，建议一批插入的数据属于同一个分区。 - 写入速率 单节点写入速度为50\~200MB/S，如果写入的数据每行为1Kb，那么写入的速度为50000到200000行每秒，如果行数据容量更小，那么写入速度将更高，如果写入性能不够，可以使用多个副本同时写入，同一时间每个副本写入的数据保持均衡。 - 慎用分布式表批量插入 - 写分布式表，数据会分发到集群的所有本地表，每个本地表插入的数据量是总插入量的1/N，batch size可能比较小，导致data part过多，merge压力变大，甚至出现异常影响数据插入； - 数据的一致性问题：数据先在分布式表写入节点的主机落盘，然后数据被异步地发送到本地表所在主机进行存储，中间没有一致性的校验，如果分布式表写入数据的主机出现异常，会存在数据丢失风险； - 对于数据写分布式表和数据写本地表相比，分布式表数据写入性能也会变慢，单批次分布式表写，写入节点的磁盘和网络IO会成为性能瓶颈点。 - 分布式表转发给各个shard成功与否，插入数据的客户端无法感知，转发失败的数据会不断重试转发，消耗CPU。 - 大批量数据导入要分时、分节点、扩容 如果数据盘为SATA盘，当大批量数据集中插入时候，会抢占磁盘，使得磁盘长时间处于繁忙状态，影响其他alter类操作的效率。 尽量避免批量导数据的SQL并发执行，会给磁盘和ClickHouse并发能力带来冲击。 - Kafka数据入库 不建议建ClickHouse Kafka表引擎，进行数据同步到ClickHouse中，当前ClickHouse的kafka引擎有会导致kafka引擎数据入库产生性能等诸多问题，通过用户使用经验，需要应用侧自己写kafka的数据消费，攒批写入ClickHouse，提升ClickHouse的入库性能。 - 使用分区替换或增加的方式写入数据 为避免目标表写入脏数据导致的删改，先将数据写入临时表，再从临时表写入目标表。 操作步骤如下： 1. 创建一张与目标表table_dest结构、分区键、排序键、主键、存储策略、引擎都一致的临时表table_source。 2. 先把数据写到临时表，一次只写入一个分区的数据，检查临时表的数据准确无误。 3. 使用以下SQL查看目标表的分区： **SELECT partition AS \`partition\`,sum(rows) AS \`count\` FROM system.parts WHERE active AND database='** *数据库名* **' AND table='** *表名* **' GROUP BY partition ORDER BY partition ASC** **;** 4. 如果目标表存在该分区，将分区替换到目标表，到集群的每个节点上执行如下语法： **ALTER TABLE table_dest REPLACE PARTITION partition_expr FROM table_source;** 5. 如果目标表不存在该分区，将分区增加到目标表，到集群的每个节点上执行如下语法： **ALTER TABLE table_dest REPLACE PARTITION tuple() partition_expr FROM table_source** **;**