大数据-135 ClickHouse 集群连通性自检 + 数据类型避坑实战｜10 分钟跑通 ON CLUSTER
TL;DR
- 场景：三节点集群已安装完毕，如何 10 分钟内验证连通 / 复制 / 分片 / 分布式查询都正常？
- 结论：按本文 SOP，一条脚本跑完连通性检查 → 创建 ReplicatedMergeTree/Distributed → 跨分片写读压测。
- 产出：cluster_check.sql（系统表体检）、ddl_on_cluster.sql（建表）、mini_bench.sql（压测）。
版本矩阵
| 组件 | 已验证 | 备注 |
|---|---|---|
| ClickHouse | 24.x/25.x | 原生端口 9000（native），HTTP 8123 |
| OS | Ubuntu 22.04/24.04 | 任一均可 |
| 协调服务 | ClickHouse Keeper/ZooKeeper | 已正确配置宏 {shard}/{replica} |
| 集群名 | perftest_3shards_1replicas | 与 config.xml 保持一致 |
最小可运行示例
-- 连接任意节点（请改为你的主机/端口/口令）
clickhouse-client -m \
--host <node1> --port 9000 \
--user <user> --password <password>
-- 1) 集群视图应返回3行（3分片×1副本）
SELECT cluster, shard_num, replica_num, host_name, host_address, port
FROM system.clusters
WHERE cluster = 'perftest_3shards_1replicas'
ORDER BY shard_num, replica_num;
-- 2) 基本连通（每节点自报家门）
SELECT hostName() AS node, version() AS ch_version;
-- 3) 复制表 & 分布式表（一次性在全集群创建）
CREATE DATABASE IF NOT EXISTS demo ON CLUSTER perftest_3shards_1replicas;
CREATE TABLE demo.events ON CLUSTER perftest_3shards_1replicas
(
id UUID,
ts DateTime,
v Decimal(18,4)
)
ENGINE = ReplicatedMergeTree(
'/clickhouse/tables/{shard}/demo.events','{replica}'
)
PARTITION BY toYYYYMM(ts)
ORDER BY (ts, id);
CREATE TABLE demo.events_all ON CLUSTER perftest_3shards_1replicas
AS demo.events
ENGINE = Distributed(perftest_3shards_1replicas, demo, events, rand());
-- 4) 写入100k 行到分布式表（随机打到各分片）
INSERT INTO demo.events_all
SELECT generateUUIDv4(), now(), number/10.0
FROM numbers(100000);
-- 5) 快速校验：各分片行数分布
SELECT hostName() AS node, count() AS cnt
FROM demo.events
GROUP BY node
ORDER BY node;
-- 6) 跨分片聚合（验证分布式查询）
SELECT toStartOfMinute(ts) AS m, sum(v) AS s, count() c
FROM demo.events_all
GROUP BY m
ORDER BY m DESC
LIMIT 5;测试连接
clickhouse-client -m --host h121.wzk.icu --port 9000 --user default --password clickhouse@wzk.icu如果可以从 122 连接到 121 说明你的服务已经搭建好了。你可以测试以下，是否三台节点之间都是互通的，确保服务和服务之间一切正常，方便我们后续的学习研究。
检验集群
任意连接一个节点，我们进行测试。
h121
clickhouse-client -m --host h121.wzk.icu --port 9000 --user default --password clickhouse@wzk.icuSELECT * FROM system.clusters WHERE cluster = 'perftest_3shards_1replicas';h122
clickhouse-client -m --host h122.wzk.icu --port 9001 --user default --password clickhouse@wzk.icuh123
clickhouse-client -m --host h123.wzk.icu --port 9001 --user default --password clickhouse@wzk.icu数据类型
简单介绍
ClickHouse作为一个面向OLAP场景的高性能列式数据库，在数据处理语言（DML）支持方面有其独特的设计。与传统的关系型数据库不同，ClickHouse通过以下特性来优化数据处理性能：
-
复合数据类型支持：
- 提供Array、Tuple、Nested等复合数据类型
- 支持Map、JSON等半结构化数据格式
- 例如：
Array(String)可以存储字符串数组，Tuple(Int32, String)可以存储不同类型的组合数据
-
数据修改操作的实现：
- Update和Delete操作是通过ALTER TABLE语句的变种实现的
- 例如：
ALTER TABLE table_name DELETE WHERE condition - 又如：
ALTER TABLE table_name UPDATE column=value WHERE condition - 这种设计避免了传统数据库的锁机制，提高了批量操作的效率
-
性能优化特点：
- 采用批量处理而非单行操作
- 适合大批量数据的分析场景
- 通过MergeTree引擎实现高效的数据修改
- 修改操作是异步执行的，会生成新的数据部分(part)而非原地修改
这种设计使ClickHouse在保持高性能的同时，也能支持必要的数据修改操作，特别适合数据仓库和分析型应用场景。
启动测试
我这里采用了 h121 机器的服务，当然如果你使用别的机器的服务也可以。
clickhouse-client -m --host h121.wzk.icu --port 9000 --user default --password clickhouse@wzk.icu整型
固定长度的整型，包括有符号整型，和无符号整型。
| 类型 | 范围 |
|---|---|
| Int8 | -128~127 |
| Int16 | -32768~32767 |
| Int32 | -2147483648~2147483647 |
| Int64 | -9223372036854775808~9223372036854775807 |
| UInt8 | 0~255 |
| UInt16 | 0~65535 |
| UInt32 | 0~4294967295 |
| UInt64 | 0~18446744073709551615 |
SELECT 255;
SELECT -128;浮点型
| 类型 | 精度 | 备注 |
|---|---|---|
| Float32 | float | |
| Float64 | double |
建议尽可能以整数形式存储数据，例如，将固定精度的数字转换为整数值，如时间用毫秒为单位表示，因为浮点型计算行为可能引起四舍五入的误差。
SELECT 1-0.9;
SELECT 1/0;
SELECT 0/0;Decimal
如果要求更高精度，可以选择Decimal类型，格式：Decimal（P,S）
- P：代表精度，决定总位数（正数部分+小数部分），取值0-38
- S：代表规模，决定小数位数，取值范围是0-P
ClickHouse对Decimal提供三种简写：
- Decimal32
- Decimal64
- Decimal128
相加、减精度取大
SELECT toDecimal32(2, 4) + toDecimal32(2, 2);
SELECT toDecimal32(4, 4) + toDecimal32(2, 2);相乘精度取和
SELECT toDecimal32(2, 2) * toDecimal32(4, 4)相除精度取被除数
SELECT toDecimal32(4, 4) / toDecimal32(2, 2)字符串
String
字符串可以任意长度，它可以包含任意的字符集，包含空字节。
FixedString（N）
固定长度为N的字符串，N必须是严格的正自然数。当服务端读取长度小于N的字符串时候，通过在字符串末尾添加空字节来达到N字节长度。当服务端读取长度小于N的字符串的时候，将返回错误。
SELECT toFixedString('abc', 5), LENGTH(toFixedString('abc', 5)) AS LENGTH;UUID
ClickHouse将UUID这种在传统数据库中充当主键的类型直接做成了数据类型
创建新表
CREATE TABLE UUID_TEST(
`c1` UUID,
`c2` String
)ENGINE = memory;插入数据
INSERT INTO UUID_TEST SELECT generateUUIDv4(), 't1';
INSERT INTO UUID_TEST(c2) VALUES('t2');查询结果
SELECT * FROM UUID_TEST;枚举类型
包括 Enum8 和 Enum16 类型，保存 string = integer 的对应关系。
- Enum8 用 String = Int8 对描述
- Enum16 用 String = Int16 对描述。
创建新表
CREATE TABLE t_enum (
x Enum8('hello' = 1, 'word' = 2)
) ENGINE = TinyLog;注意：这个列 x 只能存储定义列出的值，“Hello” 或者 “world”，如果插入其他值则会报错。
插入数据
INSERT INTO t_enum VALUES ('hello'), ('word'), ('hello');查询数据
SELECT * FROM t_enum;如果需要看到对应行的数值，则必须将Enum转换为整数类型。
SELECT CAST(x, 'Int8') FROM t_enum;数组
Array（T）：由 T 类型元素组成的数组。T可以是任意类型，包含数组类型，但不推荐使用多维数组，ClickHouse对多维数组的支持有限。例如，不能再MergeTree表中存储多维数组。
创建数组
SELECT array(1, 2.0) AS x, toTypeName(x);
SELECT [1, 2] AS x, toTypeName(x);如果是声明字段的时候，则需要指明数据类型：
CREATE TABLE Array_test (
`c1` Array(String)
) ENGINE = Memory;元组
Tuple（T1，T2）：元组，每个元素都有单独的类型。
创建元组的示例：
SELECT tuple(1, 'a') AS x, toTypeName(x);注意：在定义表字段的时候也需要指明数据类型。
Date、DateTime
日期类型、用两个字节存储，表示 1970-01-01 （无符号）到当前的日期值。
布尔型
没有单独的类型来存储布尔值，可以使用 UInt8 类型，取值限制为 0 或 1。
错误速查
| 症状 | 可能根因 | 快速定位方法 | 处理建议 |
|---|---|---|---|
| is_readonly=1副本只读 | system.replicas | 检查磁盘/权限/配置，修正配置后重启 | |
| 分布式表查不到数据 | 写到本地表 | 检查 FROM 表名统一写 events_all | 确保查询和写入表名一致 |
| lag 持续 > 0 | 复制积压 | 查看 system.mutations | 等待或扩容/限速写入 |
| 建表失败 | 宏/路径不一致 | 检查 {shard}/{replica} | 修正 config.xml 配置后重启服务 |