副本虽然能够提高数据的可用性，降低丢失风险，但是每台服务器实际上必须容纳全量数据，对数据的横向扩容没有解决。
要解决数据水平切分的问题，需要引入分片的概念。通过分片把一份完整的数据进行切分，不同的分片分布到不同的节点上，再通过 Distributed 表引擎把数据拼接起来一同使用。
Distributed 表引擎本身不存储数据，有点类似于 MyCat 之于 MySql，成为一种中间件，
通过分布式逻辑表来写入、分发、路由来操作多台节点不同分片的分布式数据。
注意：ClickHouse 的集群是表级别的，实际企业中，大部分做了高可用，但是没有用分
片，避免降低查询性能以及操作集群的复杂性。
1. 集群及副本规划（2 个分片，只有第一个分片有副本）
Hadoop102 | hadoop103 | hadoop104 |
<macros> <shard>01</shard> <replica>rep_1_1</replica> </macros> | <macros> <shard>01</shard> <replica>rep_1_2</replica> </macros> | <macros> <shard>02</shard> <replica>rep_2_1</replica> </macros> |
2. 配置步骤
1）在 hadoop102 的/etc/clickhouse-server/config.d 目录下创建 metrika-shard.xml
注：也可以不创建外部文件，直接在 config.xml 的<remote_servers>中指定
<?xml version="1.0"?>
<yandex>
<remote_servers>
<gmall_cluster> <!-- 集群名称-->
<shard> <!--集群的第一个分片-->
<internal_replication>true</internal_replication>
<replica> <!--该分片的第一个副本-->
<host>hadoop102</host>
<port>9000</port>
<user>default</user>
<password>000000</password>
</replica>
<replica> <!--该分片的第二个副本-->
<host>hadoop103</host>
<port>9000</port>
<user>default</user>
<password>000000</password>
</replica>
</shard>
<shard> <!--集群的第二个分片-->
<internal_replication>true</internal_replication>
<replica> <!--该分片的第一个副本-->
<host>hadoop104</host>
<port>9000</port>
<user>default</user>
<password>000000</password>
</replica>
</shard>
</gmall_cluster>
</remote_servers>
<zookeeper-servers>
<node index="1">
<host>hadoop102</host>
<port>2181</port>
</node>
<node index="2">
<host>hadoop103</host>
<port>2181</port>
</node>
<node index="3">
<host>hadoop104</host>
<port>2181</port>
</node>
</zookeeper-servers>
<macros>
<shard>01</shard> <!--不同机器放的分片数不一样-->
<replica>rep_1_1</replica> <!--不同机器放的副本数不一样-->
</macros>
</yandex>并且设置文件权限，chown clickhouse:clickhouse *
2）将 hadoop102 的 metrika-shard.xml 同步到 103 和 104 同地址下
xsync /etc/clickhouse-server/config.d/metrika-shard.xml
3）修改 103 和 104 中 metrika-shard.xml 宏的配置
（1）103
vim /etc/clickhouse-server/config.d/metrika-shard.xml
（2）104
vim /etc/clickhouse-server/config.d/metrika-shard.xml
4）在 hadoop102 上修改/etc/clickhouse-server/config.xml
5） 同步/etc/clickhouse-server/config.xml 到 103 和 104
xsync /etc/clickhouse-server/config.xml
6）重启三台服务器上的 ClickHouse，并查看集群
clickhouse restart
ps -ef |grep click
7）在 hadoop102 上执行建表语句
➢ 会自动同步到 hadoop103 和 hadoop104 上
➢ 集群名字要和配置文件中的一致
➢ 分片和副本名称从配置文件的宏定义中获取 gmall_cluster对应配置文件集群名称
create table st_order_mt on cluster gmall_cluster (
id UInt32,
sku_id String,
total_amount Decimal(16,2),
create_time Datetime
) engine
=ReplicatedMergeTree('/clickhouse/tables/{shard}/st_order_mt','{replica}')
partition by toYYYYMMDD(create_time)
primary key (id)
order by (id,sku_id);
可以到 hadoop103 和 hadoop104 上查看表是否创建成功
8）在 hadoop102 上创建 Distribute 分布式表
create table st_order_mt_all2 on cluster gmall_cluster
(
id UInt32,
sku_id String,
total_amount Decimal(16,2),
create_time Datetime
)engine = Distributed(gmall_cluster,default, st_order_mt,hiveHash(sku_id));参数含义：
Distributed（集群名称，库名，本地表名，分片键）
分片键必须是整型数字，所以用 hiveHash 函数转换，也可以 rand()
9）在 hadoop102 上插入测试数据
insert into st_order_mt_all2 values
(201,'sku_001',1000.00,'2020-06-01 12:00:00') ,
(202,'sku_002',2000.00,'2020-06-01 12:00:00'),
(203,'sku_004',2500.00,'2020-06-01 12:00:00'),
(204,'sku_002',2000.00,'2020-06-01 12:00:00'),
(205,'sku_003',600.00,'2020-06-02 12:00:00');10）通过查询分布式表和本地表观察输出结果
（1）分布式表
SELECT * FROM st_order_mt_all2;
（2）本地表
select * from st_order_mt;
（3）观察数据的分布
st_order_mt_all |
|
hadoop102: st_order_mt |
|
hadoop103: st_order_mt |
|
hadoop104: st_order_mt |
|
错误记录
去hadoop102查询只显示3条数据，报错信息显示104
Code: 516. DB::Exception: Received from localhost:9000. DB::Exception: Received from hadoop104:9000. DB::Exception: default: Authentication failed: password is incorrect or there is no user with such name.
猜测是机器互联时需要配置账号密码
配置 | 说明 |
shard_1 | 自定义集群名称，全局唯一，是后续引用集群配置的唯一标识 |
node | 用于定义节点，不包含副本 |
host | clickhouse 节点服务器地址 |
port | clickhouse 服务的tcp 端口 |
weight | 分片权重，默认为 1 |
user | clickhouse 用户，默认为 default |
password | clickhouse 的用户密码，默认为空字符 |
secure | SSL 连接端口，默认 9440 |
conpression | 是否要开启数据压缩功能，默认 true |
随后在上面的文件中配置号账号密码：重启clickhouse查询
再次查询，显示正常不报错
