大数据ClickHouse进阶二十：MaterializeMySQL物化引擎深入了解

​MaterializeMysqL物化引擎深入了解

在ClickHouse基础课程中我们知道可以使用两种方式通过ClickHouse可以操作MysqL数据库，分别使用使用 MysqL数据库引擎和MysqL表引擎。

一、​​​​​​​MysqL数据库引擎

使用MysqL数据库引擎将远程MysqL服务器的表映射到ClickHouse中，允许对表进行Insert插入和Select查询，方便ClickHouse与MysqL之间进行数据交换。MysqL数据库引擎不会将MysqL的数据真正同步到ClickHouse存储中，ClickHouse就像一个壳子，可以将MysqL的表映射成ClickHouse表，使用ClickHouse查询MysqL中的数据，在MysqL中进行的CRUD操作，可以同时映射到ClickHouse中。

MysqL数据库引擎会将对其的查询转换为MysqL语法并发送到MysqL服务器中，因此可以执行诸如SHOW TABLES或SHOW CREATE TABLE之类的操作，但是不允许创建表、修改表、删除数据、重命名操作。

MysqL数据库引擎语法如下：

CREATE DATABASE [IF NOT EXISTS] db_name [ON CLUSTER cluster]
ENGINE = MysqL('host:port', ['database' | database], 'user', 'password')

二、​​​​​​​​​​​​​​MysqL表引擎

ClickHouse MysqL数据库引擎可以将MysqL某个库下的表映射到ClickHouse中，使用ClickHouse对数据进行操作。ClickHouse同样支持MysqL表引擎，即映射一张MysqL中的表到ClickHouse中，使用ClickHouse进行数据操作，与MysqL数据库引擎一样，这里映射的表只能做查询和插入操作，不支持删除和更新操作。

MysqL表引擎语法如下：

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
    name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1] [TTL expr1],
    name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2] [TTL expr2],
    ...
) ENGINE = MysqL('host:port', 'database', 'table', 'user', 'password'[, replace_query, 'on_duplicate_clause']);

实际上以上两种方式都是将ClickHouse中的sql转换为MysqL语法并发送到MysqL服务器中执行，数据也没有存储在ClickHouse中。

三、MaterializeMysqL物化引擎

ClickHouse在20.8.2版本之后增加了MaterializeMysqL物化引擎，该引擎可以将MysqL中某个库下的所有表数据全量及增量实时同步到ClickHouse中，通过ClickHouse对MysqL中的数据进行高效的OLAP数据分析，降低线上MysqL的负载，将OLTP与OLAP业务完美结合。

MaterializeMysqL物化引擎实时同步MysqL中数据原理是将ClickHouse作为MysqL副本，读取MysqL binlog日志实时物化MysqL数据，在ClickHouse中会针对MysqL映射库下的每一张表都会创建一张ReplacingMergeTree表引擎。

MaterializeMysqL物化引擎特点如下：

• 支持MysqL库级别的数据同步，不支持表级别。
• MysqL库映射到ClickHouse中自动创建ReplacingMergeTree引擎表。
• 支持全量和增量同步，首次创建数据库引擎时进行一次全量复制，之后通过监控binlog变化进行增量数据同步。
• 支持MysqL5.6、5.7、5.8版本。
• 兼容支持MysqL中Insert、update、delete、alter、create、drop、truncate等大部分常用的DDL操作，不支持修改表名、修改列操作。支持添加列、删除列。
• 支持MysqL复制为GTID操作。从MysqL 5.6.5 开始新增了一种基于 GTID 的复制方式。通过 GTID 保证了每个在主库上提交的事务在集群中有一个唯一的ID。这种方式强化了数据库的主备一致性，故障恢复以及容错能力。

1、​​​​​​​​​​​​​​开启MysqL binlog

使用MaterializeMysqL物化引擎首先需要开启MysqL binlog，开启步骤如下：

1.1、登录MysqL查看MysqL是否开启binlog日志

[root@node2 ~]# MysqL -u root -p123456
MysqL> show variables like 'log_%';

1.2、开启MysqL binlog日志

在/etc/my.cnf文件中[MysqLd]下写入以下内容：

[MysqLd]
#随机指定一个不能和其他集群中机器重名的字符串
server-id=123
#配置binlog日志目录，配置后会自动开启binlog日志，并写入该目录
log-bin=/var/lib/MysqL/MysqL-bin
#设置binglog格式为Row
binlog_format=ROW 
#开启GTID
gtid-mode=on
#设置为主从强一致性
enforce-gtid-consistency=1

1.3、重启MysqL 服务，重新查看binlog日志情况

[root@node2 ~]# service MysqLd restart
[root@node2 ~]# MysqL -u root -p123456
MysqL> show variables like 'log_%';

2、使用MaterializedMysqL物化引擎

MaterializedMysqL物化引擎使用语法如下：

CREATE DATABASE [IF NOT EXISTS] db_name [ON CLUSTER cluster]
ENGINE = MaterializedMysqL('host:port', ['database' | database], 'user', 'password') [SETTINGS ...]

以上参数解释如下：

• host:port:MysqL服务器的端口。
• database:MysqL数据库名称。
• user:登录MysqL用户名。
• password：登录MysqL密码。

使用MaterializeMysqL物化引擎步骤如下：

2.1、在MysqL中创建表person_info并插入数据

#创建数据库 ck_db并使用
MysqL> create database ck_db;
MysqL> use ck_db;

#创建表person_info,必须指定主键，否则后期无法映射物化表
MysqL> create table person_info(id int,name varchar(255),age int,primary key (id));

#插入以下数据
MysqL> insert into person_info values (1,"zs",18),(2,"ls",19),(3,"ww",20);

2.2、在ClickHouse中开启MysqL物化引擎

由于MysqL物化引擎目前是实验阶段，在目前的ClickHouse版本中想要使用MysqL物化引擎，必须先设置参数开启。

set allow_experimental_database_materialized_MysqL=1;

2.3、在ClickHouse中创建MysqL物化引擎

#创建MaterializeMysqL物化引擎
CREATE DATABASE MysqL_ck_db ENGINE = MaterializedMysqL('node2:3306', 'ck_db', 'root', '123456')

#在ClickHouse中使用MysqL_ck_db库，并查询表
node1 :) use MysqL_ck_db;

node1 :) show tables;
┌─name────────┐
│ person_info │
└─────────────┘

node1 :) select * from person_info;
┌─id─┬─name─┬─age─┐
│  1 │ zs   │  18 │
└────┴──────┴─────┘
┌─id─┬─name─┬─age─┐
│  2 │ ls   │  19 │
│  3 │ ww   │  20 │
└────┴──────┴─────┘

node1 :) show create table person_info;

注意：以上partition id按照长度为4294967进行分段分区。

测试向MysqL表person_Info中插入数据

当向MysqL表person_info中插入数据时，MaterializeMysqL物化引擎同步数据，操作如下：

#向MysqL 表person_info中插入如下数据
MysqL> insert into person_info values (4,"a1",21),(5,"a2",22),(6,"a3",23);

#在ClickHouse中查询物化表person_info数据,数据实时变化
node1 :) select * from person_info;
┌─id─┬─name─┬─age─┐
│  1 │ zs   │  18 │
│  4 │ a1   │  21 │
│  5 │ a2   │  22 │
└────┴──────┴─────┘
┌─id─┬─name─┬─age─┐
│  2 │ ls   │  19 │
│  3 │ ww   │  20 │
│  6 │ a3   │  23 │
└────┴──────┴─────┘

• 测试更新MysqL表数据

当对MysqL表person_info进行修改时，MaterializeMysqL物化引擎同步数据，操作如下：

#更新MysqL表中id=1对应的“zs”为“zhangsan”
MysqL> update person_info set name = "zhangsan" where id =1;

#在ClickHouse中查询物化表person_info数据，数据实时更新
node1 :) select * from person_info;

• 测试删除MysqL表数据

当对MysqL表person_info进行删除时，MaterializeMysqL物化引擎同步数据，操作如下：

#删除MysqL表中id=6对应的数据
MysqL> delete from person_info  where id =6;

#在ClickHouse中查询物化表person_info数据，数据实时更新
node1 :) select * from person_info;

• 测试删除、增加列

当对MysqL表person_info增加和删除列时，MaterializeMysqL物化引擎同步列信息，操作如下：

#将MysqL中person_info列age删除，增加score列
MysqL> alter table person_info drop column age;
MysqL> alter table person_info add column score int;

#在ClickHouse中查询person_info物化表
node1 :) select * from person_info;

• 测试删除表

当对MysqL表person_info进行删除时，MaterializeMysqL物化引擎同步删除，操作如下：

#将MysqL中person_info表删除
MysqL> drop table person_info;

#在ClickHouse中默认也删除了person_info

通过以上测试我们发现，在MysqL中对表的增、删、改、删除等操作在ClickHouse中是实时同步的，本质原因是MaterializedMysqL物化引擎会默认为每一张表生成ReplacingMergeTree引擎表，这个引擎表中实际上还有2个额外字段“_sign”和“_version”，当ClickHouse遇到删除数据的binlog操作时，在ClickHouse对应的ReplacingMergeTree引擎表中只是标记性删除，并非物理上的实际删除，随着删除日志的增多，查询过滤会有一定的负担。

对以上内容操作如下：

#创建表person_info
MysqL> create table person_info(id int,name varchar(255),age int,primary key (id));

#插入以下数据
MysqL> insert into person_info values (1,"zs",18),(2,"ls",19),(3,"ww",20);

#在MysqL中对id=1的数据进行删除，对id=2的数据进行修改
MysqL> delete from person_info where id=1;
MysqL> update person_info set name = "a1" where id=2;

#在ClickHouse中查询对应的person_info物化视图表
node1 :) select id,name,age,_sign,_version from person_info;

注意：对MaterializedMysqL物化引擎表进行查询时，底层实际上是对对应的ReplacingMergeTree表进行查询，不需要指定额外的final修饰符，实际上查询直接过滤出“_sign”不等于-1且“_version”最大的结果数据。