数据开发治理平台 WeData ClickHouse 数据源（数据源列表）

一、支持版本

支持 ClickHouse 20.7+ 版本

二、ClickHouse 离线单表读取节点配置

参数	说明
数据来源	可用的 Clickhouse 数据源。
库	支持选择、或者手动输入需读取的库名称默认将数据源绑定的数据库作为默认库，其他数据库需手动输入库名称。当数据源网络不联通导致无法直接拉取库信息时，可手动输入数据库名称。在数据集成网络连通的情况下，仍可进行数据同步。
表	支持选择、或者手动输入需读取的表名称。
切割键	ClickHouse 进行数据抽取时，如果指定 splitPk，表示你希望使用 splitPk 代表的字段进行数据分片，数据同步因此会启动并发任务进行数据同步，提高数据同步的效能。你可以将源数据表中某一列作为切割键，建议使用主键或有索引的列作为切割键，仅支持类型为整型的字段。读取数据时，根据配置的字段进行数据分片，实现并发读取，可以提升数据同步效率。
筛选条件（选填）	在实际业务场景中，通常会选择当天的数据进行同步，将 where 条件指定为 gmt_create>$bizdate。where 条件可以有效地进行业务增量同步。如果不填写 where 语句，包括不提供 where 的 key 或 value，数据同步均视作同步全量数据。

三、ClickHouse 离线单表写入节点配置

参数	说明
数据去向	需要写入的 Clickhouse 数据源。
库	支持选择、或者手动输入需写入的库名称默认将数据源绑定的数据库作为默认库，其他数据库需手动输入库名称。当数据源网络不联通导致无法直接拉取库信息时，可手动输入数据库名称。在数据集成网络连通的情况下，仍可进行数据同步。
表	支持选择、或者手动输入需写入的表名称当数据源网络不联通导致无法直接拉取表信息时，可手动输入表名称。在数据集成网络连通的情况下，仍可进行数据同步。
是否清空表	在写入该 Clickhouse 数据表前可以手动选择是否清空该数据表。
批量提交大小	一次性批量提交的记录数大小，该值可以极大减少数据同步系统与 Clickhouse 的网络交互次数，并提升整体吞吐量。如果该值设置过大，会导致数据同步运行进程 OOM 异常。
前置 SQL（选填）	执行同步任务之前执行的 SQL 语句，根据数据源类型对应的正确 SQL 语法填写 SQL，例如，执行前清空表中的旧数据（truncate table tablename）。
后置 SQL（选填）	执行同步任务之后执行的 SQL 语句，根据数据源类型对应的正确 SQL 语法填写 SQL，例如，加上某一个时间戳 alter table tablename add colname timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP。

四、读取

ClickHouse 数据类型	内部类型
Integer、Smallint、Tinyint、Bigint	Long
Float32、Flout64、Decimal	Double
String、Array、Null	String
Date32、Datetime64	Date

五、写入

内部类型	ClickHouse 数据类型
Long	Integer、Smallint、Tinyint、Bigint
Double	Float32、Flout64、Decimal
String	String、Array
Date	Date32、Datetime64

六、delete 数据后插入相同数据失败

问题原因：

对副本表 insert 的数据会划分为数据块。每个数据块会生成 block_id ，存储在 zookeeper 相应表目录的 block 子目录下。

数据块根据 block_id 自动去重，对于被多次写的相同数据块（大小相同且具有相同顺序的相同行的数据块），该块仅会写入一次。

因此同样的一份数据，多次 insert 副本表，只有第一次会写入数据。当对这份数据进行 delete 操作后，数据成功删除了，但是存在 zookeeper 上的 block_id 没有被一并删除。导致之后对这份数据进行 insert，会被表引擎判断为重复数据，而被略过，使数据没有落地到表里面，即查不出来这份数据。

解决方案：

设置 set insert_deduplicate=0 临时关闭去重机制，找到 zookeeper 下对应的 block_id ，手动删除这个 block_id。建议用 truncate table 删除数据。

七、ClickHouse 脚本 Demo

如果你配置离线任务时，使用脚本模式的方式进行配置，你需要在任务脚本中，按照脚本的统一格式要求编写脚本中的 reader 参数和 writer 参数。

"job": { "content": [ { "reader": { "parameter": { "password": "******", "column": [ //列名 "id", "name" ], "connection": [ { "jdbcUrl": [ "jdbc:clickhouse://ip:8123/source_database" ], "table": [ //源表 "source_database.source_table" ] } ], "where": "id>10", //筛选条件 "splitPk": "id", //切割键 "username": "root" }, "name": "clickhousereader" }, "transformer": [], "writer": { "parameter": { "postSql": [ //后置sql "" ], "password": "******", "column": [ //列名 "id", "name" ], "connection": [ { "jdbcUrl": "jdbc:clickhouse://172.1.1.1:1433/sink_database?compress=111", "table": [ //目标表 "sink_database.sink_table" ] } ], "batchSize": 1024, //批量提交大小 "username": "root", "preSql": [ //前置sql "" ] }, "name": "clickhousewriter" } } ], "setting": { "errorLimit": { //脏数据阈值 "record": 0 }, "speed": { "byte": -1, //不限制同步速度，正整数表示设置最大传输速度 byte/s "channel": 1 //并发数量 } }}