ClickHouse高可用架构与实践
The following article is from DataFunTalk Author 李海波
京东数据分析的场景非常多，在交易、流量、大屏、用户分析和算法等多场景中采用到了OLAP技术。那么在应用中有遇到什么样的难点，应对这些问题如何做的技术选型和最终方案呢？
1. 京东OLAP的场景的难点
交易数据：零售的订单和财务数据，查询需要多表关联和大量的精确计算，数据字典和组织架构的变化会涉及回溯历史数据，如<岗位，sku，订单>三元组中，岗位会频繁变化，变化之后需要按照最新岗位去查询相关订单的数据，岗位和SKU的量还比较大，如果是大宽表则历史数据都要更新，如果是关联表则关联查询性能是一个较大的问题。
流量数据：流量数据包含浏览和点击，数据量大，查询时扫描数据量大，精确去重/近似去重/分组计算量大，大查询会导致资源消耗比较多，如果并发较大，集群资源会存在瓶颈。
用户分析：在分析场景涉及到像留存率、转化漏斗等计复杂的数据计算模型，分析的维度并不固定因此也无法做预计算，分析覆盖的数据周期较长，明细数据的大查询较多。
大促大屏：每次大促时作战指挥室有大屏轮播展示各类核心指标，一块屏上需要展现很多指标，SQL多并发较大，数据都是亚秒级实时变化，另外大屏对可用性的要求也很高。
2. 多维分析组件选型考察方面
上面我们介绍了OLAP技术在京东一些场景中的难点，基于眼前的这些问题，那么在多维分析中通过哪些考量来做OLAP组件的选型呢？
海量：是衡量OLAP最基础的指标，扩展性要好，是否可以支持单集群百台以上服务器，支撑每天百亿+的数据分析计算。
适应性：选择的组件可以覆盖到大部分的分析场景，不需要通过增加其他额外的组件来支持多样化的业务需求，致使架构的复杂性提升。
灵活性：能够在任意维度上进行组合，灵活的调整数据指标，动态增删列，很好的响应业务需求。
时效性：比如做到分钟级/亚秒级端到端数据延时，让相关人员能够即时的看到决策效果，并做响应的调整。
3. 京东OLAP组件实施思路
在对OLAP组件考量和调研之后，和大多数公司一样选用主流的ClickHouse和Doris作为京东内部主要的OLAP引擎，因为ClickHouse性能、扩展性和稳定性较好，而Doris在可维护性和易用性方面更好，所以在生产中选择了以ClickHouse为主Doris为辅的策略，形成高低搭配。同时，针对开源产品后台功能不强的情况，通过自研管控面来进行集群管理，用户自助式操作，降低了运维成本，降低了用户的使用门槛。
集群部署方面主要是通过业务隔离、多租户配额、机型适配和灵活部署方案来运维高可用的集群。规划合适的集群规模是第一个需要考虑的问题，我们通过综合对比后选择了小集群多租户的模式。集群部署主要有三大模式：大集群、独立集群和小集群。
大集群，指部署少量几个规模大的集群，集群规模达几百台甚至几千台，各产品模块一起使用，这种情况适合场景一致且数据量巨大的业务，缺点是隔离性差，各模块间容易相互影响，另外ZooKeeper的局限会让大集群的运维和使用较为复杂。
独立集群，针对不同的业务线部署单独的集群，优点是隔离性很好，过渡或错误使用对其他人没有影响，但是增加了运维成本和资源的浪费，比如集群版本管理和升级，集群的扩容和缩容会是很大的工作量，不同集群之间的资源使用并不均衡造成浪费。
小集群，相似业务共享一个集群的模式，每个集群的规模中等，规避了ZooKeeper的瓶颈，同时隔离性较好出现问题风险也比较可控，通过配额来限制业务使用量也可以灵活调整配额以适应业务发展，同时集群数量也不是很多，维护的成本不是很高。
那么在小集群多租户模式中又是怎样实现高可用的呢，在这还是以下面四点展开：
物理隔离：根据不同业务特点、业务场景通过部署多个集群实现物理隔离，避免业务相互影响，同时资源使用上可以互补。
① 分析性查询和日常报表隔离。分析性查询涉及到大查询和时间跨度比较大的查询，占用大量的资源，可能会影响到其他业务，这两部分业务尽量不要放在一个集群中。
② 高并发和低延迟场景隔离。因为高并发会大量占用集群 CPU 和内存，影响其他业务的查询和写入；低延时隔离，低延时指数据需要秒级写入，会有大量小文件写入，在数据合并中压力比较大，影响其他业务的写入。
③ 业务级别隔离。重要业务需要更高的保障确保高可用，避免因为一些低优先级的业务占用资源导致高优业务出现事故，也可以低优和高优搭配，在集群资源不足时，通过对低优降级支援高优业务。
④ 实时和离线隔离。像离线主要是大存储，大数据量写入时耗费磁盘资源和IO性能，而实时往往是大数据的计算CPU使用率比较高，如果实时和离线的使用量并不是很大，也可以混布，这样可以充分利用资源。
多租户配额：为了保证集群的稳健、业务的高可用、提升资源的利用率以及降低业务间的相互影响，我们通过多租户、配额和权限管理进行限制。我们的目标是通过配额来限制非预期的行为，特别是错误的使用导致集群不稳定。
① 系统限制：设置服务最大内存不超过服务器物理内存的80%，集群总的并行的Query数为CPU核数的2-5倍，避免内存资源不足导致OOM和CPU 负载过高。
② 查询大小：从内存占用、所需的线程数和查询耗时上限制，设置单个的查询占用内存资源为系统资源的20%，单个Query的线程数为CPU核数的20%；查询时长10-30s，写入时长60-180s。
③ 查询次数：限制并发查询数，比如5/节点；或者为了保证高峰数据的稳定性，可以限制20个query/节点/10秒。一般是并发数和query数同时限制。
④ 我们针对账号进行了分离，比如同一个业务分为查询账号、导数账号、下载账号，对各种账号分别设置配额，同时，针对配额我们也是严格先压测在设置符合业务实际需要的配额。
⑤ 读写分离和SQL追踪，在每个SQL的前面有一段/*TraceID*/的跟踪ID是上层生成的，TraceID中包含产品、模块、功能、接口等信息，通过TraceID我们很容易找到慢查询、错误查询等SQL的位置。
机型适配：OLAP中既有存储又有计算，是计算和存储都密集型，离线和实时的场景对机型性能的要求不同，所以按需选择不同的机型，做到资源的合理搭配。
① 资源类型配比要合理。不同场景资源类型的需求是不一样的。按照我们的经验，计算量大的业务，选择CPU核数多主频高的，比如分组和去重的计算；数据保留时间长的业务，磁盘空间则需要大；如果使用字典，数据需要加载到内存，则需要考虑大一点内存。一般来说有一个基线的配置如CPU32核内存64-128G磁盘2-10T。
② 离线推荐HDD磁盘。在离线场景中，需要存储数年的数据，存储空间占用大，一般采用普通机械磁盘，数据在外部排序顺序写入，磁盘写入速度和IO都能满足要求。使用HDD磁盘时，需要坚持小批次大批量的原则，尽量降低小文件对系统的负担，采用大容量的磁盘，一个好处就是可以做一些物化视图，来提升查询性能，以空间换时间。而实时场景，我们一般选择SSD或NVME，随机写入能性能好，可以低延时高频写入小文件，能获得更低的数据延时，更低的IO繁忙率。
③ 优先选择单机性能高。分组或去重计算，需要把全部或部分数据汇聚到少量实例中，然后在汇聚实例中计算，依赖单节点的计算性能，集群相同核数的情况下优先选择CPU核数多和主频高的，比如32核的10台和64核的5台，后者在某些场景下计算性能更优。
部署方案：支持多副本、多实例、多磁盘集群部署
① 如何确定分片、副本数。根据业务存储的量级进行预估分片的数量，尽量让每个分片数据大小控制在在1-10G左右（1M-10M/条），每个分片的磁盘空间不要超过60%；为了保证数据的可靠性，通过配置多副本的方式避免单点故障造成数据不可访问，建议副本数是2个以上、一个副本QPS 大概是10-300，如果QPS特别大，则需要更多的副本，我们单集群QPS最高能达到2000。
② 流行的CH部署方是单实例的，比如5分片2副本，需要10台服务器，每台服务器部署一个节点，如果查询并发少CPU和内存会有浪费。因此，我们采用多实例多副本的部署模式，如下图4台服务器，我们部署了4分片和2副本，当然我们天然也支持单实例多副本的模式。
③ 怎么支持横向扩容。通过增加副本的方式提升实现高可用，增加分片的方式提升写入和读取效率，也可以通过挂载的方式扩容磁盘。增加副本可以把新副本放在新的机器上，达到每个分片的副本数量一致即可。增加新的分片，可以增加Node5和Node6，然后类似Node1和Node2的副本间交叉备份的，就可以增加S5和S6。
通过业务侧规避，架构升级，管控面研发和双流，提升OLAP的高可用性，在京东特别是大促可用性要求很高，有些业务要求5个9左右，但是仍然可能遇到有些挑战，那么我们在架构上需要做哪些努力呢？
1. 单集群高可用架构
硬件故障是无法避免的，因此如何做到在硬件故障时用户使用上无感知是我们努力的方向。我们部署的CH集群在架构上划分为3层：DNS域名解析、CH代理层、CH集群节点。
应用层通过JDBC/HTTP方式域名进行请求，DNS域名解析后将请求打到CHProxy，CHProxy根据路由规则做请求分发，即实现了无感知上线下线CH节点同时实现了负载均衡，通过CHProxy的负载均衡和流量分发，我们支持了日均6000亿条数据写入的集群。
Management Panel 集中化管理，负责账号的申请、集群部署、扩容、节点上下线、遇到故障时节点的替换以及提前预警告知等。
ZooKeeper 来负责分布式DDL元数据的更新和副本同步，故障发生时能够尽快的修复，在集群部署时尽量CH集群一一对应，避免在大规模情况下ZooKeeper 共用出现性能瓶颈，一般一个集群是3-5个节点。
CHCopier负责集群数据迁移工作，我们一般使用目标集群的CHCopier来同步源集群的数据。
2. 挂掉一个节点在各种情况下的影响
数据安全，因为是多副本部署，数据有最少一个的备份，挂了一个副本，数据也不会丢失。
查询时，CHProxy会转发到健康节点，故障节点不会收到查询请求。另外，接收查询节点对副本有Load_balancing策略，比如轮询、随机等，同时使用ConnectionPoolWithFailover的逻辑，会对副本进行排序，执行子查询计划时会把子查询发给优先级高的健康副本，故障节点也不会收到子查询请求。
写入时，情况稍微复杂，如通过域名来写分布式表或随机写本地表和查询的机制类似。如果指定分片写入本地表，可以在QUERY中指定分片序号，CHProxy会转发写入到指定分片的某个副本上，同样会跳过故障副本节点。ClickHouse的机制是任一副本写入成功，其他副本会自动同步数据。
DDL操作，当节点挂掉之后故障节点上的DDL操作会失败，抛出异常。有两种方案，一种是不用ON CLUSTER，自己遍历每个节点执行DDL，如果执行失败先记录，等节点恢复了再重新执行一遍，另一种是先下线故障节点，等修复后再上线，或者备用机先进行替换。DDL操作的处理所需的工作量最大。
3. 节点下线、上线、替换
前面说到了节点挂掉后产生的影响，这块看下如何实现节点替换和上下线。
节点下线：修改配置文件，删掉要下线的节点信息，并且下发到所有节点进行通知，节点会重新加载配置文件，完成节点下线，如果是永久下线，还需要清理ZooKeeper中的该节点的副本相关信息。配置下发用salt或ansible，节点清理可以自己写一个工具遍历zk路径。
节点上线：同样将上线的节点信息配置到集群中并下发通知其他节点，但是因为新上线的节点没有元数据信息，因此需要通过工具将ZooKeeper 中其他副本的元数据信息同步过来。
节点替换：在节点上线步骤的基础上，看看如果新节点的IP有变化，也需要在ZooKeeper 中进行更新或者增加。
这有一个通用的节点故障处理流程，即确定是否可以恢复；如果不可恢复，进行节点的下线，可恢复的情况下，定位原因尝试修复，修复完事后进行上线，或者不可修复进行节点的替换。节点上下线和替换，因为步骤较多，手工操作工作量较大，整个过程我们自动化了。
4. 双活集群方案
当集群中但节点故障，我们可以快速的下线节点保证业务的正常，如果发生整个机房的故障问题，需要长时间的排查修复，我们同样有集群双活的保障，分钟级的切换备用集群。
因为双活机房间数据目前离线是通过Spark同时向两个集群写入数据，实时是通过Flink 消费双写两个集群 ，只能保证数据的最终一致性，这种方式对于业务端比较复杂，所以关于能否实现OLAP集群间的双写，通过分布式共识机制同步双集群群副本，通过域名切换集群，这是未来我们要考虑的一个工作。
5. 参数优化 – 系统、ZooKeeper、ClickHouse
京东的场景多数据量大，遇到的问题也多，我们做了大量测试和试验，调整了很多参数包括Linux系统、ZooKeeper和JVM、ClickHouse的调优，通过优化这些参数，可以让集群处于一个高性能稳定运行的状态。如ClickHouse按列存储，小文件比较多，inode数量需要改大一些；如max_memory_usage这个参数避免内存超过限制；如zk中的参数优化会让zookeeper不那么频繁出问题，可以参考官方的配置。
1. 常见问题和解决方案
系统问题：包括通过设置CK内存解决OOM问题；在硬件资源遇到故障时快速的下线节点；注意在Part文件太大时内存文件Cache 会失效。
导数问题：Insert太频繁/Part数太多/分区太多都会导致小文件问题；分布式表写入性能差，数据分发太慢；导数分区不合理Znode数量大；数据字段更新，选择合适的表引擎和方案。
元数据和ZK：DDL卡住/失败可以增加增加DDL线程数解决；ZK和CH元数据不一致，通过轮询检查和修复脚本进行保障，控制Znode规模避免因数量太大引发的超时问题；还有就是在Copier迁移数据ZK压力较大，需要重点关注。
查询问题：CPU不均匀，造成流量分发不均匀和数据倾斜；在查询中通过改写子查询，本地join 以及物化视图的方式改进性能不好的Join查询；大查询的影响，通过Quota限制，命中索引；当并发太大，CPU太高，通过增加Cache的方式缓解。
ClickHouse并发能力，因为CH是MPP架构，分布式表的查询会分发到所有节点去执行，每个分片的节点都会参与计算，并发能力和单机是一样的，增加副本可以提升并发能力。另一方法是提升单个查询的查询性能，比如通过改写SQL、物化视图或者字典表的使用降低查询时间。在查询时间优化到几十毫秒以内，增加副本数可以让QPS达到数千甚至上万。
ClickHouse Join优化，CH的Optimizer不够自动化，很多SQL需要显式的指定执行顺序和优化参数。我们之前做过ClickHouse的TPC-DS的测试，大部分多表Join的SQL都需要改写，比如把Join改为子查询，改为本地表Join，设置distributed_group_by_no_merge去做分布式GroupBy等，改写之后的性能比较好，但大表和大表的Join在右表数据量达到千万级别之后，性能会急剧下降。
2. 架构问题 – ZooKeeper瓶颈
ClickHouse和ZooKeper是一种松散耦合的架构，执行DDL操作时，每个节点是轮询DDL队列去执行，执行完毕后设置标记，接收到SQL的节点轮询状态直到所有节点执行成功然后返回给客户端，这种模式和大部分有Master节点的分布式系统稍有不同，如Kudu和Doris。
ZooKeeper存在性能瓶颈，ZooKeeper存储了表元数据、副本、Part信息、Merge和Mutation日志以及DDL队列，Znode数量是随文件数量而增长的，如果Znode数量太大，GC时卡顿导致操作延时较大，Znode应当小于2000万左右，吞吐量的瓶颈3w/s左右。理论上，是可以通过不同节点访问不同的ZK集群来分散压力，但是这种方式较为复杂。
ClickHouse分布式能力偏弱，如果用过Doris之后，再来看ClickHouse的分布式能力的话，ClickHouse在节点管理、元数据管理、事务管理、弹性伸缩等方面较为简陋，需要做大量的工作去运维。比如在Doris中，可以通过SQL命令增加、退休和删除节点；后台同步元数据让元数据在节点中始终保持一致；两段提交的事务机制，保证数据导入的原子性；同时扩缩容，后台会自动同步文件，让集群中的数据处于均衡状态。
3. 架构问题 – 扩缩容的问题
主要是扩副本和扩分片进行扩容，前面已经简单介绍过：
横向扩副本：直接修改配置文件，增加副本信息，然后在ZooKeeper手动的注册，之后台专门的线程会将主副本数据进行同步，操作时应该按分片逐步滚动操作，避免同时同步数据压力太大。
纵向扩分片：也扩副本方式类似，分片比较好扩展，但是扩分片之后旧分片数据没法自动均衡，这块社区也正是在改进，我们有计划在社区基础上，进行工具化研发，能够在后台在线进行数据均衡。
4. 未来规划
短期：统一的元数据管理
为了解决上面的问题，我们目前正在开发基于Raft分布式共识算法的ZooKeeper替代方案，一方面是提升吞吐量和容量，另一方面是需要和ClickHouse结合更加紧密，保存更多元数据类型以增强CH的分布式能力，比如节点状态，元数据管理，副本、分区和文件信息，并在此基础上形成弹性扩缩容的能力，集群迁移和备份恢复能力，以及跨数据中心数据复制能力。
中期：OLAP管控面加强
在使用CH和Doris的过程中，特别是大促的经历，让我们积累了大量的运维和故障处置脚本，我们正在把这些脚本进行产品化，让用户自助式使用OLAP，如资源申请，创建用户和库，自助式的监控报警，异常处理和性能诊断，对管理员侧，做到集群部署和管控，以及故障自动诊断和治愈。管控面的产品化，降低了运维的工作量，提升了人均可维护的集群和机器数量。
长期：云原生的OLAP
在容器化部署的同时，进一步实现云原生，利用HDFS和对象存储的优势，甚至可以和数据湖对接，把存储层放到外部，避免数据的重复存储，节省导入时间，计算节点可以弹性扩缩容。存储分离出来之后，存储如何扩缩容，以及计算节点和存储分片之间如何映射，本地数据如何缓存等都是新的问题，这块需要继续研究。
其他方面如查询优化、分布式缓存、易用性提升等也都在规划之中。截止目前为止，京东OLAP集群的规模有将近3000台服务器，每天8千万次查询，1万亿条数据写入，总计3PB的数据规模，覆盖交易、流量、算法等场景，同时我们也积极参与和回馈社区。京东OLAP采取了ClickHouse和Doris双引擎策略，两个引擎都有深度使用，近期会发布深度详细的对比文章，从内核、性能、功能到运维都会涉及，敬请期待。
在文末分享、点赞、在看，给个3连击呗~
写在最后
今天的分享到这里就要说再见了，希望能对你有所帮忙。如果你对职业规划感到迷茫，有一种最简单的方式，面向招聘JD去学习、去匹配自己的技术栈与能力、去定制职位发展路线，机会一定会垂青你的。
One More，欢迎大家关注这个公众号，一起升级打怪，一起走的更远！
社群推荐：
推荐阅读：
DB数据同步到数据仓库的架构与实践
万字详解Spark 性能调优（建议收藏）
通用的实时数仓构建方法与实践
更多精彩，关注公众号回复："spark"，即可获得spark案例实战资料。
希望这篇文章可以帮到你~
🧐分享、点赞、在看，给个3连击呗！👇