关于clickhouse:clickhouse的BACKUPRESTORE命令介绍

6次阅读

共计 16810 个字符，预计需要花费 43 分钟才能阅读完成。

clickhouse 的数据备份和复原性能在大数据运维中是十分罕用的性能，目前也有很多比拟优良的开源计划可供选择，比方 clickhouse-backup，以及 clickhouse 自带的 clickhouse-copier。
本文介绍应用 clickhouse 自带的 BACKUP 和 RESTORE 命令进行备份和复原。
我认为，一个比拟好的备份复原工具，至多须要满足以下几个性能：

能够批量抉择表
能够增量备份
能够比拟不便地对数据进行复原
反对集群操作
能够抉择多个备份目的地，如 Local、S3、HDFS 等
为了不便复原，元数据也须要一起备份

BACKUP|RESTORE
  TABLE [db.]table_name [AS [db.]table_name_in_backup]
    [PARTITION[S] partition_expr [,...]] |
  DICTIONARY [db.]dictionary_name [AS [db.]name_in_backup] |
  DATABASE database_name [AS database_name_in_backup]
    [EXCEPT TABLES ...] |
  TEMPORARY TABLE table_name [AS table_name_in_backup] |
  VIEW view_name [AS view_name_in_backup]
  ALL TEMPORARY TABLES [EXCEPT ...] |
  ALL DATABASES [EXCEPT ...] } [,...]
  [ON CLUSTER 'cluster_name']
  TO|FROM File('<path>/<filename>') | Disk('<disk_name>', '<path>/') | S3('<S3 endpoint>/<path>', '<Access key ID>', '<Secret access key>')
  [SETTINGS base_backup = File('<path>/<filename>') | Disk(...) | S3('<S3 endpoint>/<path>', '<Access key ID>', '<Secret access key>')]

从该语法中，咱们大抵能读到以下信息：

能够指定某一张表的某个 partition 进行备份
能够指定某个数据库进行备份，且能够剔除该数据库中的某些表不进行备份
能够备份长期表，视图
能够全量备份所有表，所有数据库（反对黑名单排除）
反对在集群上做备份
反对备份到 File、Disk 和 S3
反对压缩备份
反对增量备份

接下来咱们以实战的形式，演示一下该命令的一些操作。

首先，咱们须要在配置文件中退出以下内容：

<clickhouse>
    <backups>
        <allowed_path>/data01/backup</allowed_path>
    </backups>
</clickhouse>

代表容许备份，且备份目录为/data01/backup。

我以后集群信息如下：

该集群有 3 个节点，其中 ck93 和 ck94 组成一个分片，ck96 独自一个分片。
咱们在集群上创立一张表，并导入一些数据：

CREATE TABLE t1 ON CLUSTER abc
(
    `id` Int64,
    `timestamp` DateTime,
    `value` Float32
)
ENGINE = ReplicatedMergeTree
PARTITION BY toYYYYMMDD(timestamp)
ORDER BY (id, timestamp)

并向该表写入了 1 亿条数据：

数据分布如下：

--shard1
ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: a9b4610b-daa9-48b3-806b-3136657d2d9e

┌──count()─┐
│ 50000000 │
└──────────┘

1 row in set. Elapsed: 0.002 sec. 
--shard2
ck96 :) select count() from t1;

SELECT count()
FROM t1

Query id: f655d9ce-0176-4220-8e35-69d2261fc60d

┌──count()─┐
│ 50000000 │
└──────────┘

1 row in set. Elapsed: 0.003 sec.

别离在 shard1 和 shard2 上执行 backup 命令如下：

--shard1
ck94 :) backup table default.t1 to File('20230528');

BACKUP TABLE default.t1 TO File('20230528')

Query id: c1214b1c-dc84-48f4-9d01-c9adebf21bf3

┌─id───────────────────────────────────┬─status─────────┐
│ 1d30a0c9-4094-43b7-b2b6-9645e79d7fc1 │ BACKUP_CREATED │
└──────────────────────────────────────┴────────────────┘

1 row in set. Elapsed: 0.050 sec. 

--shard2
ck96 :) backup table default.t1 to File('20230528');

BACKUP TABLE default.t1 TO File('20230528')

Query id: 40df720f-8c2c-47c1-97d1-035186becac2

┌─id───────────────────────────────────┬─status─────────┐
│ 30c9a090-f6a5-4055-a157-5747b1d0772c │ BACKUP_CREATED │
└──────────────────────────────────────┴────────────────┘

1 row in set. Elapsed: 0.049 sec.

执行实现后，在 ck94 的 /data01/backup 目录下，有如下数据生成：

[root@ck94 backup]# tree
20230528/
├── data
│   └── default
│       └── t1
│           ├── 20230416_0_20_4
│           │   ├── checksums.txt
│           │   ├── columns.txt
│           │   ├── count.txt
│           │   ├── default_compression_codec.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── minmax_timestamp.idx
│           │   ├── partition.dat
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230416_21_51_6
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230416_52_52_0
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── data.bin
│           │   ├── data.mrk3
│           │   ├── minmax_timestamp.idx
│           │   └── primary.idx
│           ├── 20230416_53_53_0
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── data.bin
│           │   ├── data.mrk3
│           │   └── primary.idx
│           ├── 20230423_0_5_1
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── minmax_timestamp.idx
│           │   ├── partition.dat
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230423_12_12_0
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230423_13_13_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230423_14_14_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── minmax_timestamp.idx
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230423_15_15_0
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── data.bin
│           │   ├── data.mrk3
│           │   └── primary.idx
│           ├── 20230423_16_16_0
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── data.bin
│           │   ├── data.mrk3
│           │   ├── minmax_timestamp.idx
│           │   └── primary.idx
│           ├── 20230423_6_11_1
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230424_0_5_1
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── minmax_timestamp.idx
│           │   ├── partition.dat
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230424_12_12_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230424_13_13_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230424_14_14_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230424_15_15_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230424_16_16_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           └── 20230424_6_11_1
│               ├── checksums.txt
│               ├── id.bin
│               ├── id.mrk2
│               ├── primary.idx
│               ├── timestamp.bin
│               ├── timestamp.mrk2
│               ├── value.bin
│               └── value.mrk2
└── metadata
    └── default
        └── t1.sql

ck98 目录同样也是如此，这里就不贴出来了。
从以上目录构造，能够看出，备份的文件分为 data 和metadata两个子目录、data用来存储数据，metadata用来存储表构造，并且外部依据数据库、表、partition 做了层级辨别。

看一下 ck96 上备份目录大小：

[root@ck94 backup]# du -sh 20230528/
108M    20230528/

[root@ck96 backup]# du -sh 20230528/
112M    20230528/

可见备份的数据也是压缩后的数据。（压缩前有 1.49G）
接下来，咱们试试间接在集群层面进行备份：

ck94 :) backup table default.t1 on cluster abc to File('abc_20230528');

BACKUP TABLE default.t1 ON CLUSTER abc TO File('abc_20230528')

Query id: e0763743-a6bc-430a-a28b-c493c7fd6478


0 rows in set. Elapsed: 0.188 sec. 

Received exception from server (version 23.3.1):
Code: 655. DB::Exception: Received from localhost:19000. DB::Exception: Got error from 192%2E168%2E101%2E93:19000. DB::Exception: Lock file .lock suddenly disappeared while writing backup File('abc_20230528'). (FAILED_TO_SYNC_BACKUP_OR_RESTORE)

它报了一个错，这个谬误在 github 上有人提了 issue：https://github.com/ClickHouse/ClickHouse/issues/41313，粗心就是，在集群备份时，选取的备份的目录不能是各个节点本人的目录，须要一个近程共享目录（这一点对于 to Disk 是同样实用的）。这里我就没有尝试了，下次有暇能够测试一下应用 NFS 目录在集群层面进行备份。

由以上信息，能够得出以下论断：

备份速度十分快，1 亿条数据根本不到 1 秒就能实现
备份的同时，元数据也进行了备份，因而能够疾速复原
备份是同比压缩备份的，不会呈现数据收缩
无奈进行集群级别备份（除非设置为近程共享目录）

复原次要应用 RESTORE 命令。
当原始表有数据时，间接复原是会报错的：

ck94 :) RESTORE TABLE default.t1 FROM File('20230528');

RESTORE TABLE default.t1 FROM File('20230528')

Query id: e5d3eea4-5a58-4283-b9ce-d2fa9fa5fa1c


0 rows in set. Elapsed: 0.009 sec. 

Received exception from server (version 23.3.1):
Code: 608. DB::Exception: Received from localhost:19000. DB::Exception: Cannot restore the table default.t1 because it already contains some data. You can set structure_only=true or allow_non_empty_tables=true to overcome that in the way you want: While restoring data of table default.t1. (CANNOT_RESTORE_TABLE)

起因是原表曾经有数据了。解决方案有 3 个：

具体操作如下：

ck94 :) RESTORE TABLE default.t1 AS default.t2 FROM File('20230528');

RESTORE TABLE default.t1 AS default.t2 FROM File('20230528')

Query id: e39dc666-3a00-4556-b8df-69e0e8d7fb63


0 rows in set. Elapsed: 0.017 sec. 

Received exception from server (version 23.3.1):
Code: 253. DB::Exception: Received from localhost:19000. DB::Exception: Replica /clickhouse/tables/abc/default/t1/1/replicas/192.168.101.94 already exists: While creating table default.t2. (REPLICA_ALREADY_EXISTS)

上述操作报了一个错，该报错的起因是咱们在创立 t2 表时，zk 门路曾经存在了。

这是因为咱们设置的 zk 默认门路如下：

<default_replica_name>{replica}</default_replica_name>
<default_replica_path>/clickhouse/tables/{cluster}/{database}/{table}/{shard}</default_replica_path>

而咱们创立 t1 表时，指定的 engine 为 ReplicatedMergeTree，没有带任何参数，默认应用的就是这个地址，因而咱们创立 t2 表时，zoopath 抵触，导致不能复原胜利。
咱们尝试手动建表来复原，依然不能胜利，起因是咱们备份的元数据中，t1 表的 zoopath 曾经与 t2 表不统一了，无奈复原。

ck94 :) create table t2 on cluster abc AS t1  ENGINE=ReplicatedMergeTree() PARTITION BY toYYYYMMDD(timestamp) ORDER BY (id, timestamp);

CREATE TABLE t2 ON CLUSTER abc AS t1
ENGINE = ReplicatedMergeTree
PARTITION BY toYYYYMMDD(timestamp)
ORDER BY (id, timestamp)

Query id: 61d6f3eb-5c58-4e88-a5aa-63712d538d8c

┌─host───────────┬──port─┬─status─┬─error─┬─num_hosts_remaining─┬─num_hosts_active─┐
│ x.x.x.x │ 19000 │      0 │       │                   2 │                0 │
│ x.x.x.x │ 19000 │      0 │       │                   1 │                0 │
│ x.x.x.x │ 19000 │      0 │       │                   0 │                0 │
└────────────────┴───────┴────────┴───────┴─────────────────────┴──────────────────┘

3 rows in set. Elapsed: 0.115 sec. 

ck94 :) RESTORE TABLE default.t1 AS default.t2 FROM File('20230528');

RESTORE TABLE default.t1 AS default.t2 FROM File('20230528')

Query id: fa2086ec-3a65-436e-b871-eb7cf960c11e


0 rows in set. Elapsed: 0.007 sec. 

Received exception from server (version 23.3.1):
Code: 608. DB::Exception: Received from localhost:19000. DB::Exception: The table has a different definition: CREATE TABLE default.t2 (`id` Int64, `timestamp` DateTime, `value` Float32) ENGINE = ReplicatedMergeTree('/clickhouse/tables/{cluster}/default/t2/{shard}', '{replica}') PARTITION BY toYYYYMMDD(timestamp) ORDER BY (id, timestamp) SETTINGS index_granularity = 8192 comparing to its definition in the backup: CREATE TABLE default.t2 (`id` Int64, `timestamp` DateTime, `value` Float32) ENGINE = ReplicatedMergeTree('/clickhouse/tables/{cluster}/default/t1/{shard}', '{replica}') PARTITION BY toYYYYMMDD(timestamp) ORDER BY (id, timestamp) SETTINGS index_granularity = 8192: While checking table default.t2. (CANNOT_RESTORE_TABLE)

因而，这个计划无解，除非咱们批改掉 zoopath 的规定。

ck94 :) RESTORE TABLE default.t1 FROM File('20230528') SETTINGS allow_non_empty_tables=true;

RESTORE TABLE default.t1 FROM File('20230528') SETTINGS allow_non_empty_tables = 1

Query id: 8bc125ef-5a48-4595-9b1a-977b62e98f4e

┌─id───────────────────────────────────┬─status───┐
│ 7f2662a8-8bab-4b4b-bdc3-24a3df5231f9 │ RESTORED │
└──────────────────────────────────────┴──────────┘

1 row in set. Elapsed: 0.114 sec.

这种计划是可行的，然而，咱们查问一下复原后的数据：

ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: 7510842d-7278-4bf7-9539-4c5c34b38043

┌───count()─┐
│ 100000000 │
└───────────┘

1 row in set. Elapsed: 0.002 sec. 

ck94 :)

它在原有的数据根底上翻了个倍。等于说数据冗余了一倍，如果设置的不是去重的引擎，那么这些数据将始终存在，将会大大影响磁盘占用和查问效率。
因而，这种伎俩只实用于原表曾经不存在，或者原表数据清空的状况下做复原。

ck94 :) RESTORE TABLE default.t1 FROM File('20230528') SETTINGS structure_only=true;

RESTORE TABLE default.t1 FROM File('20230528') SETTINGS structure_only = 1

Query id: 77ce87fd-2eb3-47df-8a96-3423c248a54d

┌─id───────────────────────────────────┬─status───┐
│ a0d63803-4b32-49be-983f-6d71d8c7451f │ RESTORED │
└──────────────────────────────────────┴──────────┘

1 row in set. Elapsed: 0.004 sec. 

ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: cd0404cd-1dd0-49f0-a828-de3e6fa4e8d9

┌───count()─┐
│ 100000000 │
└───────────┘

1 row in set. Elapsed: 0.003 sec.

该操作数据并没有翻倍，然而，该操作仅仅是同步了表 schema，并没有同步数据，如果原表数据因为某种原因缺失了（比方只剩下了 100w 条），当咱们执行 restore 语句，依然是 100w 条数据，而没有把原始的 5000w 条数据都复原回来。

ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: b8f19f4a-0339-44d7-8618-f3d741ebc679

┌─count()─┐
│ 1000000 │
└─────────┘

1 row in set. Elapsed: 0.003 sec. 

ck94 :) RESTORE TABLE default.t1 FROM File('20230528') SETTINGS structure_only=true;

RESTORE TABLE default.t1 FROM File('20230528') SETTINGS structure_only = 1

Query id: 94e70a0d-4910-4802-8af2-3606fc3a7a1e

┌─id───────────────────────────────────┬─status───┐
│ d18869cc-880a-42d0-9405-863e6ac33216 │ RESTORED │
└──────────────────────────────────────┴──────────┘

1 row in set. Elapsed: 0.003 sec. 

ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: 32df3010-00c2-48a1-9f3d-cfc42c69ad12

┌─count()─┐
│ 1000000 │
└─────────┘

1 row in set. Elapsed: 0.002 sec.

如果表不存在，咱们应用该命令进行复原，也仅仅复原的是表 schema，而不是所有数据：

ck94 :) drop table t1 sync;

DROP TABLE t1 SYNC

Query id: f3a596b8-f18e-4606-908d-8da26d5efd37

Ok.

0 rows in set. Elapsed: 0.022 sec. 

ck94 :) RESTORE TABLE default.t1 FROM File('20230528') SETTINGS structure_only=true;

RESTORE TABLE default.t1 FROM File('20230528') SETTINGS structure_only = 1

Query id: 5c27980f-857c-4b87-93ab-70375ef51c78

┌─id───────────────────────────────────┬─status───┐
│ 7191ab88-f59a-477b-924f-93ce34ed3dea │ RESTORED │
└──────────────────────────────────────┴──────────┘

1 row in set. Elapsed: 0.606 sec. 

ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: 2a11f16e-11ad-44cd-88f7-66e0008f8c16

┌─count()─┐
│       0 │
└─────────┘

1 row in set. Elapsed: 0.002 sec.

当然，如果表都不存在了，咱们应用最原始的命令就能复原：

ck94 :) RESTORE TABLE default.t1 FROM File('20230528');

RESTORE TABLE default.t1 FROM File('20230528')

Query id: efb398bb-8368-4aa8-9efa-dacb316faca0

┌─id───────────────────────────────────┬─status───┐
│ 54a3b913-e91e-456b-84ce-d3aa10237ff6 │ RESTORED │
└──────────────────────────────────────┴──────────┘

1 row in set. Elapsed: 0.146 sec. 

ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: a6fa6b7b-834c-4c41-bf9c-658695b19bc7

┌──count()─┐
│ 50000000 │
└──────────┘

1 row in set. Elapsed: 0.003 sec.

表的增量备份应该是数据备份最根本的需要，如果每次只反对全量备份，第一，效率上难以保障（尽管这种备份看起来速度很快，因为相当于间接拷贝了数据目录），二来磁盘空间限度，不太可能频繁全量备份。
咱们在 ck96 上插入 100 条数据：

ck96 :) insert into t1 select * from t1 limit 100;

INSERT INTO t1 SELECT *
FROM t1
LIMIT 100

Query id: a4515af0-f32d-4af2-b4ec-fae2b08425e7

Ok.

0 rows in set. Elapsed: 0.010 sec. 

ck96 :) select count() from t1;

SELECT count()
FROM t1

Query id: 63c7b438-3dcd-4ea7-bb98-c6ed90021eac

┌──count()─┐
│ 50000100 │
└──────────┘

1 row in set. Elapsed: 0.004 sec.

咱们的诉求是只备份这增量的 100 条数据，而不备份存量的 5000w 条数据。
咱们能够通过设置 base_backup 来实现，即：在某次备份的根底上进行备份。
操作如下：

ck96 :) backup table default.t1 to File('20230529') SETTINGS base_backup = File('20230528');

BACKUP TABLE default.t1 TO File('20230529') SETTINGS base_backup = File('20230528')

Query id: 41e871ae-63bf-420a-956d-254a18c7a4af

┌─id───────────────────────────────────┬─status─────────┐
│ dd5fcaf4-303c-4246-a255-f75ac664af4d │ BACKUP_CREATED │
└──────────────────────────────────────┴────────────────┘

1 row in set. Elapsed: 0.027 sec.

能够看到，在备份目录下，呈现了 20230529 的目录：

[root@ck96 backup]# ll
total 8
drwxr-x--- 4 clickhouse clickhouse 4096 May 29 07:06 20230528
drwxr-x--- 3 clickhouse clickhouse 4096 May 29 07:38 20230529
[root@ck96 backup]# du -sh *
112M    20230528
72K     20230529

[root@ck96 backup]# tree 20230529
20230529
└── data
    └── default
        └── t1
            └── 20230416_55_55_0
                ├── checksums.txt
                ├── count.txt
                ├── data.bin
                ├── data.mrk3
                ├── minmax_timestamp.idx
                └── primary.idx

查看 count.txt，可见此次备份的数据条数为 100 条：

[root@ck96 backup]# cat 20230529/data/default/t1/20230416_55_55_0/count.txt 
100[root@ck96 backup]#

咱们在存储策略里减少一个 backup 的 Disk：

    <storage_configuration>
        <disks>
            <backup>
                <path>/data01/ssd1/</path>
                <type>local</type>
            </backup>
        </disks>
    </storage_configuration>

而后在 backups 中减少容许备份的磁盘：

    <backups>
        <allowed_disk>backup</allowed_disk>
        <allowed_path>/data01/backup</allowed_path>
    </backups>

咱们仍以 t1 表为例，备份命令为：

ck94 :) BACKUP TABLE default.t1 TO Disk('backup', 't1.zip');

BACKUP TABLE default.t1 TO Disk('backup', 't1.zip')

Query id: 07df2cf7-de21-4a9a-bf0d-98e96d5e5a08

Connecting to localhost:19000 as user default.
Connected to ClickHouse server version 23.3.1 revision 54462.

┌─id───────────────────────────────────┬─status─────────┐
│ e0765c7a-afe4-4475-843c-92769d7b8089 │ BACKUP_CREATED │
└──────────────────────────────────────┴────────────────┘

1 row in set. Elapsed: 2.754 sec.

能够看到，同样是 5000w 条数据，该操作就比间接备份到 File 要慢近 100 倍左右。它这个慢，次要在于，备份到 File，是间接目录拷贝，而备份到 Disk，则多了压缩的过程。
然而咱们同时也看到，备份后的数据是以 zip 压缩的，压缩后数据大小为 69M，比之原始数据的 108M 要小将近 1 倍。

[root@ck94 ssd1]# du -sh t1.zip 
69M     t1.zip

咱们将该 zip 文件解压进去：

[root@ck94 ssd1]# du -sh *
108M    data
4.0K    metadata
69M     t1.zip

可见原始数据依然是 108M 大小。

至于集群层面备份，以及增量备份、数据恢复，与 File 都是一样的，这里就不多做演示了。
还有一些精密的玩法，如备份到磁盘时对压缩包进行加密，仅备份某一个 partition，以及指定压缩算法和压缩等级等。
因为 Disk 自身的个性，咱们甚至能够将 Disk 设置到 HDFS 以及 S3 上，因而能够应用该性能，将数据间接备份到这些对象存储之上。
当然备份到 S3，还有另外的计划。BACKUP 和 RESTORE 命令是间接反对了备份到 S3 的。接下来咱们就来演示一下。

咱们应用 docker 启动一个 minio 来模仿 S3 环境。启动命令如下：

docker run --restart=always -itd --name minio \
--publish 49000:9000 \
--publish 49001:9001 \
--privileged=true \
-e TZ="Asia/Shanghai" \
-e MINIO_ROOT_USER=minio \
-e MINIO_ROOT_PASSWORD=minio@123 \
-e MINIO_REGION_NAME=zh-west-1 \
bitnami/minio:latest

启动后，进入http://localhost:49001/browser 即可关上前端页面。

咱们在用户名和明码处填写启动 docker 时传入的环境变量，即：minio/minio@123，登陆进去后界面如下所示：

数据备份到 S3 须要以下信息：

endpoint
Access key ID
Secret access key
endpoint 咱们曾经有了，接下来咱们创立一组 access key。
如下图所示，顺次点击 Access Keys，Create Access key：
点击 Create：

咱们须要将这一组 access key 和 secret key 记下来：

数据备份是要备份到 bucket 上面的，咱们须要提前创立好 bucket：

如图，我提前创立了一个名为 backup 的 bucket：

至此，筹备工作实现。

咱们仍然备份 t1 表，命令如下：

ck94 :) BACKUP TABLE default.t1 TO S3('http://192.168.101.94:49000/backup/t1', 'W0Plkfnyy8clAvPp', 'oNGbi5vUvJC9huolu0k8lkl05nsUxv6p');

BACKUP TABLE default.t1 TO S3('http://192.168.101.94:49000/backup/t1', 'W0Plkfnyy8clAvPp', 'oNGbi5vUvJC9huolu0k8lkl05nsUxv6p')

Query id: a02479c8-d54e-4bdc-b3f6-0bb638754dcc

┌─id───────────────────────────────────┬─status─────────┐
│ 040d8cb6-7d2c-45c4-95ad-844aa4e87ce2 │ BACKUP_CREATED │
└──────────────────────────────────────┴────────────────┘

1 row in set. Elapsed: 0.515 sec.

这时，咱们上浏览器曾经能查看到数据了：

咱们尝试在集群上备份数据：

ck94 :) BACKUP TABLE default.t1 ON CLUSTER abc TO S3('http://192.168.101.94:49000/backup/t1_all', 'W0Plkfnyy8clAvPp', 'oNGbi5vUvJC9huolu0k8lkl05nsUxv6p');

BACKUP TABLE default.t1 ON CLUSTER abc TO S3('http://192.168.101.94:49000/backup/t1_all', 'W0Plkfnyy8clAvPp', 'oNGbi5vUvJC9huolu0k8lkl05nsUxv6p')

Query id: e88f933b-3f73-47e1-8502-25a44c8727cd

┌─id───────────────────────────────────┬─status─────────┐
│ a846e557-953e-4f9c-bbe2-d512baf0a030 │ BACKUP_CREATED │
└──────────────────────────────────────┴────────────────┘

1 row in set. Elapsed: 6.653 sec.

从它的目录排布，它曾经主动依照 shard 做了辨别：

因为 S3 是近程共享目录，是能够执行的，不过整个执行过程比拟耗时。1 亿一条数据，用时靠近 6 秒。不过从单节点备份只耗时 0.5 秒来看，该工夫并不是随着数据量的减少而正比例递增的，而是次要耗时在与 zookeeper 的交互，获取元数据上。
增量备份与数据恢复与 File 相似，此处就不多做介绍了。

BACKUP 和 RESTORE 命令的备份复原的长处是不言而喻的：

无论是备份还是复原，执行效率都十分高
同压缩比备份，反对不同的备份目的地
反对增量备份

但毛病也是有的，我认为次要是以下几点：

须要凋谢配置，操作性上不太敌对
集群备份到本地时，必须要选共享目录，如果每个分片独自备份，则无奈进行数据汇总，存留于节点本身，与没有备份没什么区别，还不如多加正本
数据恢复性能尚不太齐备

正文完

clickhouse

发表至： clickhouse

2023-05-29

0

关于clickhouse:源码分析-ClickHouse和他的朋友们８纯手工打造的SQL解析器

关于clickhouse:DBM-100SNAPSHOT版本发布了

关于clickhouse:万字长文详述ClickHouse在京喜达实时数据的探索与实践-京东云技术团队

关于clickhouse:源码分析-ClickHouse和他的朋友们3MySQL-Protocol和Write调用栈

关于数据库:16-年等待再见-SQL-Boy这一次数据库交互形态彻底被颠覆了

关于clickhouse:clickhouse的BACKUPRESTORE命令介绍

根本语法

备份到文件

筹备工作

配置筹备

数据筹备

备份

复原

计划 1：备份到另一张表

计划 2：设置容许非空表备份

计划 3：设置仅复原 structure

增量备份

备份到 Disk

配置筹备

数据备份

备份到 S3

S3 环境筹备

数据备份

总结

站内搜索