# OpenSource ClickHouse数据源
OpenSource ClickHouse是一个开源、高性能、分布式的列式数据库管理系统，专为实时大规模数据分析而设计。
本数据集成服务支持开源OpenSource Clickhouse产品，提供高效、便捷的读写ClickHouse数据迁移能力。
#### 使用前准备及限制
- **网络要求**
  OpenSource ClickHouse数据源必须与CDM网络进行通讯，以确保数据传输的顺畅性。详情请参见[网络打通](https://support.huaweicloud.com/usermanual-dataartsstudio/dataartsstudio_01_7765.html)。
  
- **权限** **要求**
  - **读权限：** 需要从OpenSource ClickHouse读取数据，需要为数据集成服务的数据库用户授予ClickHouse的只读权限，至少需要具备**SELECT**权限。
  
  - **写权限：** 需要向OpenSource ClickHouse写入数据，需要为数据集成服务的数据库用户授予ClickHouse的写入权限，至少需要具备**INSERT** 和**CREATE TABLE** 、**DELETE**等常用操作权限。
   
- **端口放通**
  Clickhouse JDBC端口（8123）：开放8123端口以支持数据集成服务通过JDBC方式连通ClickHouse。
  
 
#### 支持的数据类型
不同Clickhouse版本支持的字段类型有所不同，字段类型支持以开源Clickhouse 21.3.4.25版本为基准，本数据集成服务兼容以下字段类型及其常见变体，确保在读写操作中能够准确处理各类数据：
| 类别     | ClickHouse字段类型 | 读取是否支持 | 写入是否支持 |
|:---|:---|:---|:---|
| 数值     | Int8           | √      | √      |
| 数值     | Int16          | √      | √      |
| 数值     | Int32          | √      | √      |
| 数值     | Int64          | √      | √      |
| 数值     | Int128         | √      | √      |
| 数值     | UInt8          | √      | √      |
| 数值     | UInt16         | √      | √      |
| 数值     | UInt32         | √      | √      |
| 数值     | UInt64         | √      | √      |
| 数值     | UInt128        | √      | √      |
| 数值     | Float32        | √      | √      |
| 数值     | Float64        | √      | √      |
| 数值     | Decimal        | √      | √      |
| 字符     | String         | √      | √      |
| 字符     | FixedString    | √      | √      |
| 时间     | Date           | √      | √      |
| 时间     | DateTime       | √      | √      |
| 时间     | DateTime64     | √      | √      |
| 布尔     | Boolean        | √      | √      |
| 数组     | Array          | √      | √      |
| 元组     | Tuple          | x      | x      |
| IP     | IPv4           | √      | √      |
| IP     | IPv6           | √      | √      |
| 枚举     | Enum8          | √      | √      |
| 枚举     | Enum16         | √      | √      |
| Nested | Nested         | x      | x      |
   
#### 支持的迁移场景
数据集成离线同步支持以下三种同步方式，以满足不同数据迁移场景的需求：
- **单表同步**
  适用于数据入湖和数据上云场景下，表或文件级别的数据同步。
  
- **分库分表同步**
  适用于数据入湖和数据上云场景下，多库多表同步场景。
  
- **整库迁移**
  适用于数据入湖和数据上云场景下，离线或自建数据库整体同步场景。
  
需要注意的是，分库分表与整库迁移能力会根据不同region的上线支持情况有所不同，具体支持情况以页面为准。以下是针对OpenSource ClickHouse的支持迁移场景概览：
| 支持迁移场景 | 单表读取 | 单表写入 | 分库分表读取 | 分库分表写入 | 整库读取 | 整库写入 |
|:---|:---|:---|:---|:---|:---|:---|
| 是否支持   | √    | √    | x      | √      | x    | x    |
   
#### 核心能力速览
- **连接配置**
  
  | 配置项    | 支持情况 | 说明                                     |
  |:---|:---|:---|
  | SSL加密  | √    | 支持SSL加密，保障数据传输安全。                      |
  | 连接配置调优 | √    | 支持connectTimeout等连接配置调优，可根据实际需求优化连接性能。 |
     
  
- **读取能力**
  
  | 配置项    | 支持情况 | 说明                                        |
  |:---|:---|:---|
  | 分片并发   | √    | 支持按主键或常见字段做水平分片，多线程并行抽取，显著提升吞吐效率。         |
  | 脏数据处理  | √    | 支持异常数据写入脏数据桶，避免因少量异常数据导致作业失败。             |
  | 自定义字段  | √    | 可在任务级追加计算列、常量列或脱敏函数，满足个性化业务需求。            |
  | 增量读取   | √    | 支持where条件下发查询，可实现增量读取。                    |
  | 流批读取方式 | 批读   | 支持批量读取数据，适用于处理大规模静态数据集，可一次性读取大量数据并进行集中处理。 |
     
  
- **写入能力**
  
  | 配置项    | 支持情况 | 说明                                                  |
  |:---|:---|:---|
  | 导入前后处理 | √    | 支持preSql等操作，可在数据导入前后进行数据清洗和处理。                      |
  | 并发写入   | √    | 支持并发写入，提升写入效率。                                      |
  | 写入行数调优 | √    | 可根据需求配置单次写入的行数，合理控制数据传输量，优化性能，避免因数据量过大导致的传输延迟或系统压力。 |
  | 脏数据处理  | x    | 支持异常数据写入脏数据桶，避免因少量异常数据导致作业失败，暂不支持。                  |
     
  
 
#### 创建数据源
在DataArts Studio管理中心新建相应的数据源，详情请参见[创建DataArts Studio数据连接](https://support.huaweicloud.com/usermanual-dataartsstudio/dataartsstudio_01_0009.html)。
#### 创建数据集成离线作业
在DataArts Studio数据开发中新建OpenSource ClickHouse集成作业，详情请参见[新建离线处理集成作业](https://support.huaweicloud.com/usermanual-dataartsstudio/dataartsstudio_01_1458.html)。
#### 最佳实践
[ClickHouse连接属性配置](https://support.huaweicloud.com/usermanual-dataartsstudio/dataartsstudio_01_1542.html)