Kafka
Пользователям ClickHouse Cloud рекомендуется использовать ClickPipes для потоковой передачи данных Kafka в ClickHouse. Это изначально поддерживает высокопроизводительную вставку, обеспечивая при этом разделение ответственности с возможностью независимого масштабирования приема данных и ресурсов кластера.
Этот движок работает с Apache Kafka.
Kafka позволяет вам:
- Публиковать или подписываться на потоки данных.
- Организовывать отказоустойчивое хранилище.
- Обрабатывать потоки по мере их появления.
Создание таблицы
Обязательные параметры:
kafka_broker_list
— Список брокеров, разделенных запятыми (например,localhost:9092
).kafka_topic_list
— Список тем Kafka.kafka_group_name
— Группа потребителей Kafka. Пограничные чтения отслеживаются для каждой группы отдельно. Если вы не хотите, чтобы сообщения дублировались в кластере, используйте одно и то же имя группы повсюду.kafka_format
— Формат сообщений. Использует такую же нотацию, как функция SQLFORMAT
, напримерJSONEachRow
. Для получения дополнительной информации смотрите раздел Formats.
Дополнительные параметры:
kafka_security_protocol
- Протокол, используемый для общения с брокерами. Возможные значения:plaintext
,ssl
,sasl_plaintext
,sasl_ssl
.kafka_sasl_mechanism
- SASL механизм, используемый для аутентификации. Возможные значения:GSSAPI
,PLAIN
,SCRAM-SHA-256
,SCRAM-SHA-512
,OAUTHBEARER
.kafka_sasl_username
- SASL имя пользователя для использования с механизмамиPLAIN
иSASL-SCRAM-..
.kafka_sasl_password
- SASL пароль для использования с механизмамиPLAIN
иSASL-SCRAM-..
.kafka_schema
— Параметр, который необходимо использовать, если формат требует определения схемы. Например, Cap'n Proto требует путь к файлу схемы и имя корневого объектаschema.capnp:Message
.kafka_num_consumers
— Количество потребителей на таблицу. Укажите большее количество потребителей, если пропускная способность одного потребителя недостаточна. Общее количество потребителей не должно превышать количество партиций в теме, поскольку на каждую партицию может быть назначен только один потребитель, и не должно превышать количество физических ядер на сервере, где развернут ClickHouse. По умолчанию:1
.kafka_max_block_size
— Максимальный размер партии (в сообщениях) для опроса. По умолчанию: max_insert_block_size.kafka_skip_broken_messages
— Толерантность парсера сообщений Kafka к схемам, несовместимым с сообщениями за блок. Еслиkafka_skip_broken_messages = N
, то движок пропустит N сообщений Kafka, которые не могут быть распознаны (сообщение равно строке данных). По умолчанию:0
.kafka_commit_every_batch
— Подтверждать каждую потребляемую и обработанную партию вместо одного подтверждения после записи целого блока. По умолчанию:0
.kafka_client_id
— Идентификатор клиента. По умолчанию пустой.kafka_poll_timeout_ms
— Тайм-аут для одного опроса от Kafka. По умолчанию: stream_poll_timeout_ms.kafka_poll_max_batch_size
— Максимальное количество сообщений, которые будут опрошены в одном опросе Kafka. По умолчанию: max_block_size.kafka_flush_interval_ms
— Тайм-аут для сброса данных из Kafka. По умолчанию: stream_flush_interval_ms.kafka_thread_per_consumer
— Предоставить независимый поток для каждого потребителя. Когда это включено, каждый потребитель сбрасывает данные независимо, параллельно (в противном случае — строки от нескольких потребителей будут объединены, чтобы образовать один блок). По умолчанию:0
.kafka_handle_error_mode
— Как обрабатывать ошибки для движка Kafka. Возможные значения: default (исключение будет выброшено, если парсинг сообщения не удался), stream (исключение сообщения и необработанное сообщение будут сохранены в виртуальных колонках_error
и_raw_message
).kafka_commit_on_select
— Подтверждать сообщения, когда выполняется запрос. По умолчанию:false
.kafka_max_rows_per_message
— Максимальное количество строк, записанных в одном сообщении kafka для форматов на основе строк. По умолчанию:1
.
Примеры:
Устаревший метод создания таблицы
Не используйте этот метод в новых проектах. Если возможно, переключите старые проекты на метод, описанный выше.
Движок таблицы Kafka не поддерживает колонки с значением по умолчанию. Если вам нужны колонки со значением по умолчанию, вы можете добавить их на уровне материализованного представления (см. ниже).
Описание
Доставляемые сообщения отслеживаются автоматически, поэтому каждое сообщение в группе учитывается только один раз. Если вы хотите получить данные дважды, создайте копию таблицы с другим именем группы.
Группы являются гибкими и синхронизируются в кластере. Например, если у вас есть 10 тем и 5 копий таблицы в кластере, тогда каждая копия получает 2 темы. Если количество копий изменяется, темы автоматически перераспределяются между копиями. Читайте больше об этом на http://kafka.apache.org/intro.
SELECT
не очень полезен для чтения сообщений (за исключением отладки), потому что каждое сообщение можно прочитать только один раз. Практичнее создавать потоки в реальном времени с помощью материализованных представлений. Для этого:
- Используйте движок для создания потребителя Kafka и рассматривайте его как поток данных.
- Создайте таблицу с желаемой структурой.
- Создайте материализованное представление, которое конвертирует данные из движка и помещает их в ранее созданную таблицу.
Когда MATERIALIZED VIEW
соединяется с движком, он начинает собирать данные в фоновом режиме. Это позволяет вам постоянно получать сообщения из Kafka и конвертировать их в требуемый формат с помощью SELECT
.
Одна таблица kafka может иметь столько материализованных представлений, сколько вам нужно, они не читают данные напрямую из таблицы kafka, а получают новые записи (пакетами), таким образом, вы можете записывать в несколько таблиц с различным уровнем деталей (с группировкой - агрегацией и без).
Пример:
Для повышения производительности полученные сообщения группируются в блоки размером max_insert_block_size. Если блок не был сформирован в течение stream_flush_interval_ms миллисекунд, данные будут сброшены в таблицу независимо от полноты блока.
Чтобы остановить получение данных темы или изменить логику конвертации, отсоедините материализованное представление:
Если вы хотите изменить целевую таблицу, используя ALTER
, мы рекомендуем отключить материализованное представление, чтобы избежать несоответствий между целевой таблицей и данными из представления.
Настройка
Подобно GraphiteMergeTree, движок Kafka поддерживает расширенную настройку с использованием файла конфигурации ClickHouse. Существует два ключа конфигурации, которые вы можете использовать: глобальный (ниже <kafka>
) и на уровне темы (ниже <kafka><kafka_topic>
). Глобальная конфигурация применяется первой, а затем применяются настройки на уровне темы (если они существуют).
Для получения списка возможных параметров конфигурации смотрите librdkafka configuration reference. Используйте нижнее подчеркивание (_
) вместо точки в конфигурации ClickHouse. Например, check.crcs=true
будет <check_crcs>true</check_crcs>
.
Поддержка Kerberos
Чтобы работать с Kafka, поддерживающей Kerberos, добавьте дочерний элемент security_protocol
со значением sasl_plaintext
. Достаточно, чтобы билет на предоставление билетов Kerberos был получен и кэширован средствами ОС.
ClickHouse способен поддерживать учетные данные Kerberos с использованием файла keytab. Рассмотрите элементы sasl_kerberos_service_name
, sasl_kerberos_keytab
и sasl_kerberos_principal
.
Пример:
Виртуальные колонки
_topic
— Тема Kafka. Тип данных:LowCardinality(String)
._key
— Ключ сообщения. Тип данных:String
._offset
— Смещение сообщения. Тип данных:UInt64
._timestamp
— Метка времени сообщения. Тип данных:Nullable(DateTime)
._timestamp_ms
— Метка времени в миллисекундах сообщения. Тип данных:Nullable(DateTime64(3))
._partition
— Партиция темы Kafka. Тип данных:UInt64
._headers.name
— Массив ключей заголовков сообщения. Тип данных:Array(String)
._headers.value
— Массив значений заголовков сообщения. Тип данных:Array(String)
.
Дополнительные виртуальные колонки при kafka_handle_error_mode='stream'
:
_raw_message
- Необработанное сообщение, которое не удалось успешно распознать. Тип данных:String
._error
- Сообщение исключения, возникшего во время неудачного парсинга. Тип данных:String
.
Примечание: виртуальные колонки _raw_message
и _error
заполняются только в случае исключения во время парсинга, они всегда пусты, когда сообщение было успешно разобрано.
Поддержка форматов данных
Движок Kafka поддерживает все форматы, поддерживаемые в ClickHouse. Количество строк в одном сообщении Kafka зависит от того, является ли формат основанным на строках или блоках:
- Для форматов, основанных на строках, количество строк в одном сообщении Kafka может контролироваться с помощью настройки
kafka_max_rows_per_message
. - Для форматов на основе блоков мы не можем делить блок на более мелкие части, но количество строк в одном блоке можно контролировать с помощью общей настройки max_block_size.
Движок для хранения подтвержденных смещений в ClickHouse Keeper
Если allow_experimental_kafka_offsets_storage_in_keeper
включен, тогда можно указать еще два параметра для движка таблицы Kafka:
kafka_keeper_path
указывает путь к таблице в ClickHouse Keeperkafka_replica_name
указывает имя реплики в ClickHouse Keeper
Либо оба параметра должны быть указаны, либо ни один из них. Когда оба указаны, будет использован новый экспериментальный движок Kafka. Новый движок не зависит от хранения подтвержденных смещений в Kafka, а хранит их в ClickHouse Keeper. Он все еще пытается подтвердить смещения в Kafka, но он зависит от этих смещений только при создании таблицы. В любых других обстоятельствах (таблица перезапускается или восстанавливается после ошибки) будут использоваться смещения, хранящиеся в ClickHouse Keeper, как смещение для продолжения потребления сообщений. Помимо подтвержденного смещения, он также хранит, сколько сообщений было потреблено в последней партии, так что если вставка не удалась, будет потреблено такое же количество сообщений, что позволяет избежать дублирования, если это необходимо.
Пример:
Или для использования макросов uuid
и replica
, аналогично ReplicatedMergeTree:
Известные ограничения
Поскольку новый движок является экспериментальным, он еще не готов к производству. Существует несколько известных ограничений реализации:
- Главным ограничением является то, что движок не поддерживает прямое чтение. Чтение из движка с использованием материализованных представлений и запись в движок работает, но прямое чтение не работает. В результате все прямые запросы
SELECT
будут завершаться неудачей. - Быстрое удаление и пере создание таблицы или указание одного и того же пути ClickHouse Keeper для разных движков может вызвать проблемы. Как лучшая практика, вы можете использовать
{uuid}
вkafka_keeper_path
, чтобы избежать конфликтующих путей. - Для выполнения повторяемых чтений сообщения не могут потребляться из нескольких партиций в одном потоке. С другой стороны, потребители Kafka должны периодически опрашиваться, чтобы оставаться активными. В результате этих двух целей мы решили позволить создание нескольких потребителей только при включении
kafka_thread_per_consumer
, иначе это слишком сложно, чтобы избежать проблем с частым опросом потребителей. - Потребители, созданные новым движком хранения, не отображаются в таблице
system.kafka_consumers
.
Смотрите также