本文介绍如何在CentOS系统上安装ClickHouse以及集群部署。
本文依赖的环境为CentOS-7.4.1708， 使用clickhouse的版本为20.9.3.45。
单节点安装
在线yum安装
clickhouse的安装包并不在Linux官方yum仓库中，所以首先需要添加clickhouse的yum镜像：
curl -s https://packagecloud.io/install/repositories/altinity/clickhouse/script.rpm.sh | sudo bash检查镜像情况：
[root@master ~]# yum list | grep clickhouse
clickhouse-client.x86_64 20.8.3.18-1.el7 Altinity_clickhouse
clickhouse-common-static.x86_64 20.8.3.18-1.el7 Altinity_clickhouse
clickhouse-debuginfo.x86_64 20.1.11.73-1.el7 Altinity_clickhouse
clickhouse-odbc.x86_64 1.1.9-1.el7 Altinity_clickhouse
clickhouse-server.x86_64 20.8.3.18-1.el7 Altinity_clickhouse
clickhouse-server-common.x86_64 20.8.3.18-1.el7 Altinity_clickhouse
clickhouse-test.x86_64 20.8.3.18-1.el7 Altinity_clickhouse
clicktail.x86_64 1.0.20180401-1 Altinity_clickhouse由此可见，使用yum在线安装的版本最新到20.8.3.18。但是实际上clickhouse已经迭代了很多版本，所以我们不采用此种安装方式，而采用rpm包的安装方式。
PS： 有了上面的信息，yum方式安装clickhouse就很简单了，直接yum install -y clickhouse-server-common.x86_64 clickhouse-server.x86_64 clickhouse-client.x86_64安装即可，此处就不演示了。
rpm包离线安装
我们可以从官方rpm镜像仓库找到各种版本的rpm安装包，官方地址是：https://repo.yandex.ru/clickh... 。
我们选择 20.9.3.45 版本的rpm包，主要需要以下三个包：
clickhouse-client-20.9.3.45-2.noarch.rpm
clickhouse-server-20.9.3.45-2.noarch.rpm
clickhouse-common-static-20.9.3.45-2.x86_64.rpm安装命令如下：
rpm -ivh clickhouse-common-static-20.9.3.45-2.x86_64.rpm clickhouse-client-20.9.3.45-2.noarch.rpm clickhouse-server-20.9.3.45-2.noarch.rpm如下图所示，我们即在node5这台机器上安装好了clickhouse。
[root@node5 ck]# rpm -ivh clickhouse-common-static-20.9.3.45-2.x86_64.rpm clickhouse-client-20.9.3.45-2.noarch.rpm clickhouse-server-20.9.3.45-2.noarch.rpm
警告：clickhouse-common-static-20.9.3.45-2.x86_64.rpm: 头V4 RSA/SHA1 Signature, 密钥 ID e0c56bd4: NOKEY
准备中... ################################# [100%]
正在升级/安装...
1:clickhouse-common-static-20.9.3.4################################# [ 33%]
2:clickhouse-client-20.9.3.45-2 ################################# [ 67%]
3:clickhouse-server-20.9.3.45-2 ################################# [100%]
Path to data directory in /etc/clickhouse-server/config.xml: /var/lib/clickhouse/
[root@node5 ck]# 验证是否安装成功
如果以上步骤没有报错，则可以通过如下命令开启clickhouse的服务：
systemctl start clickhouse-server然后通过clickhouse-client客户端去连接：
[root@node5 ck]# clickhouse-client
ClickHouse client version 20.9.3.45 (official build).
Connecting to localhost:9000 as user default.
Connected to ClickHouse server version 20.9.3 revision 54439.
node5 :) select 1
SELECT 1
┌─1─┐
│ 1 │
└───┘
1 rows in set. Elapsed: 0.003 sec.
node5 :) 如果出现上述界面，则说明单机安装clickhouse成功。
clickhouse-client CLI工具说明
在上面，我们用到了clickhouse-client这样一款工具。
clickhouse-client是一个带命令行的客户端工具，它通过TCP的9000端口连接clickhouse-server，可以在该命令行工具里进行各种操作。
通过 clickhouse-client --help可以查看工具的帮助文档，可以看到该工具支持很多参数，此处简要说一下一些常用的参数。
| 参数 | 用法举例 | 说明 | 备注 |
|---|---|---|---|
-h [ --host ] | -h 192.168.0.1--host=192.168.0.1 | 指定连接clickhouse服务的host地址，一般是远程连接其他机器上的clickhouse服务。 | clickhouse要想连接远程服务器，需要将配置文件中<listen_host>::</listen_host>选项开启。 |
--port | --port=9000 | 指定远程连接clickhouse服务的端口号，默认为9000 | 这个端口号可通过配置文件配置：<tcp_port>9000</tcp_port> |
-u [ --user ] | -u ck--user=ck | 指定登录clickhouse的用户，默认是default | default用户是内置的用户。可以通过users.xml配置文件自定义用户信息。 |
--password | --password=123456 | 指定登录clickhouse的密码 | default用户是没有密码的。密码可配置明文密码和加密密码 |
-q [ --query ] | -q "show databases" | 通过命令行直接输入sql，即时返回，而不需要进入客户端内部 | |
-m [ --multiline ] | 在客户端内支持多行语句操作，以分号作为结束符 | 如果不指定-m参数，每句sql语法后可加分号，也可不加，默认一行就是一个语句 | |
-n [ --multiquery ] | 命令行直接输入语句时支持多条sql语句，一般和-q结合使用 | 注意-n的位置不能在-q和sql语句之间 | |
-f [ --format ] | -f JSON | 设置输出的显示格式 | 支持JSON、CSV、TSV等，详见https://clickhouse.tech/docs/... |
利用CLI工具导入数据
假设我们在default数据库下有一张test表，在/data01目录下有一个file.csv的文件，可通过如下方式将数据导入到test表中。
clickhouse-client --database=test --query="INSERT INTO test FORMAT CSV" < /data01/file.csv配置文件说明
config.xml
config.xml文件是clickhouse默认的配置文件，路径为/etc/clickhouse-server/config.xml。
config.xml中可以配置的内容有很多，下面节选一些比较重要的配置项来说明一下：
<?xml version="1.0"?>
<yandex>
<logger>
<!-- clickhouse日志相关的配置 -->
<level>trace</level>
<log>/var/log/clickhouse-server/clickhouse-server.log</log> <!--日志路径-->
<errorlog>/var/log/clickhouse-server/clickhouse-server.err.log</errorlog>
<size>1000M</size>
<count>10</count>
</logger>
<http_port>8123</http_port> <!--http 客户端连接ck的端口-->
<tcp_port>9000</tcp_port> <!--tcp 客户端连接ck的端口 -->
<mysql_port>9004</mysql_port>
<listen_host>::</listen_host> <!--ip地址，配置成::可以被任意ipv4和ipv6的客户端连接, 需要注意的是，如果机器本身不支持ipv6，这样配置是无法启动clickhouse的，这时候可以改成0.0.0.0 -->
<path>/var/lib/clickhouse/</path> <!--ck存放数据库内容的路径-->
<user_files_path>/var/lib/clickhouse/user_files/</user_files_path> <!--File 引擎文件存放的路径，一般可设置为/，这样就可以指定绝对路径-->
<users_config>users.xml</users_config> <!--指定用户配置文件-->
<default_database>default</default_database> <!--指定默认数据库-->
<!--配置prometheus信息-->
<prometheus>
<endpoint>/metrics</endpoint>
<port>9363</port>
<metrics>true</metrics>
<events>true</events>
<asynchronous_metrics>true</asynchronous_metrics>
<status_info>true</status_info>
</prometheus>
<include_from>/etc/clickhouse-server/metrika.xml</include_from> <!--指定metrika.xml配置文件-->users.xml
<users>
<!--用户名为ck-->
<ck>
<password>123456</password> <!--明文密码-->
<!--
SHA256加密密码，可通过下面的命令生成：
PASSWORD=$(base64 < /dev/urandom | head -c8); echo "$PASSWORD"; echo -n "$PASSWORD" | sha256sum | tr -d '-'
<password_sha256_hex>8d969eef6ecad3c29a3a629280e686cf0c3f5d5a86aff3ca12020c923adc6c92</password_sha256_hex>
SHA1加密方式加密的密码，可通过下面的命令生成
PASSWORD=$(base64 < /dev/urandom | head -c8); echo "$PASSWORD"; echo -n "$PASSWORD" | sha1sum | tr -d '-' | xxd -r -p | sha1sum | tr -d '-'
<password_double_sha1_hex>7c4a8d09ca3762af61e59520943dc26494f8941b</password_double_sha1_hex>
-->
<networks>
<ip>::/0</ip>
</networks>
<profile>default</profile>
<quota>default</quota>
</ck>
</users>metrika.xml
metrika.xml 主要是用来服务于集群搭建的。它里面是关于zookeeper、shard以及replica的配置，比较复杂，将在部署集群中详细说明。
部署集群
Clickhouse 的集群是依赖于zookeeper的。所以在搭建clickhouse集群之前，首先要有一个zookeeper集群。
关于zookeeper集群的搭建，此处不再展开详述，如有不清楚的请自行百度。(本文默认zookeeper集群已经搭建好)
前面说过，clickhouse集群的相关配置都在metrika.xml配置文件里，所以首先我们需要配置好metrika.xml。metrika.xml的路径可以在config.xml中通过<include_from>指定。
zookeeper配置
zookeeper 不一定要和ck的节点安装在同一台机器上，只要ck的几点能够访问zk即可。
<zookeeper-servers>
<node index="1">
<host>192.168.0.1</host>
<port>2181</port>
</node>
<node index="2">
<host>192.168.0.2</host>
<port>2181</port>
</node>
<node index="3">
<host>192.168.0.3</host>
<port>2181</port>
</node>
</zookeeper-servers>Shard和Replica设置
如下图所示，为一个完整的shard和Replica的配置，以下为test集群配置2分片2副本。
<clickhouse_remote_servers>
<test> <!--集群的名字-->
<shard> <!--shard分片的配置-->
<internal_replication>true</internal_replication> <!--是否只将数据写入其中一个副本，默认为false-->
<replica> <!--shard副本的配置-->
<host>192.168.0.1</host>
<port>9000</port>
</replica>
<replica>
<host>192.168.0.2</host>
<port>9000</port>
</replica>
</shard>
<shard>
<internal_replication>true</internal_replication>
<replica>
<host>192.168.0.3</host>
<port>9000</port>
</replica>
<replica>
<host>192.168.0.4</host>
<port>9000</port>
</replica>
</shard>
</test>
</clickhouse_remote_servers>一个完整的metrika.xml如下所示：
<yandex>
<zookeeper-servers>
<node index="1">
<host>192.168.0.1</host>
<port>2181</port>
</node>
<node index="2">
<host>192.168.0.2</host>
<port>2181</port>
</node>
<node index="3">
<host>192.168.0.3</host>
<port>2181</port>
</node>
</zookeeper-servers>
<clickhouse_remote_servers>
<test> <!--集群的名字-->
<shard> <!--shard分片的配置-->
<internal_replication>true</internal_replication> <!--是否只将数据写入其中一个副本，默认为false-->
<replica> <!--replica副本的配置-->
<host>192.168.0.1</host>
<port>9000</port>
</replica>
<replica>
<host>192.168.0.2</host>
<port>9000</port>
</replica>
</shard>
<shard>
<internal_replication>true</internal_replication>
<replica>
<host>192.168.0.3</host>
<port>9000</port>
</replica>
<replica>
<host>192.168.0.4</host>
<port>9000</port>
</replica>
</shard>
</test>
</clickhouse_remote_servers>
</yandex>集群搭建
首先按照单节点安装的方式，在node1，node2，node3，node4四个节点上安装好clickhouse。
修改config.xml，主要修改内容如下：
<!--1. 增加listen_host，允许远程访问-->
<listen_host>::</listen_host>
<!--2. 修改path路径，指定数据存放位置，我这里指定/data01/clickhouse目录-->
<!-- 需要注意的是，这个路径必须提前存在，且clickhouse用户有权限访问 -->
<path>/data01/clickhouse</path>
<tmp_path>/data01/clickhouse/tmp/</tmp_path>
<user_files_path>/data01/clickhouse/user_files/</user_files_path>
<access_control_path>/data01/clickhouse/access/</access_control_path>
<!--3.指定metrika.xml文件-->
<include_from>/etc/clickhouse-server/metrika.xml</include_from>
<!--4. 重新制定tcp_port -->
<tcp_port>19000</tcp_port>
<!--这一步不是必须的，我这里之所以重新制定，是因为发现我的机器上9000端口已经被占用了，一般情况下，默认的9000即可-->修改users.xml，我们增加一个用户，专门用来管理cluster。
<!--在<users>里面新增如下内容，创建一个用户名为ck，密码为123456的用户-->
<ck>
<password>123456</password>
<networks incl="networks" replace="replace">
<ip>::/0</ip>
</networks>
<profile>default</profile>
<quota>default</quota>
</ck>创建metrika.xml文件。
在/etc/clickhouse-server路径下创建metrika.xml文件（这个路径为上面config.xml中配置的include_from的路径）：
<yandex>
<zookeeper-servers>
<node index="1">
<host>192.168.0.1</host>
<port>2181</port>
</node>
<node index="2">
<host>192.168.0.2</host>
<port>2181</port>
</node>
<node index="3">
<host>192.168.0.3</host>
<port>2181</port>
</node>
</zookeeper-servers>
<clickhouse_remote_servers>
<test>
<shard>
<replica>
<host>192.168.0.1</host>
<port>9000</port> <!--这里的端口号要和config.xml中tcp_port保持一致，如果那里改了，这里也要对应的改-->
</replica>
<replica>
<host>192.168.0.2</host>
<port>9000</port>
</replica>
</shard>
<shard>
<replica>
<host>192.168.0.3</host>
<port>9000</port>
</replica>
<replica>
<host>192.168.0.4</host>
<port>9000</port>
</replica>
</shard>
</test>
</clickhouse_remote_servers>
</yandex>以上配置在四台机器上同步，然后重启clickhouse：
systemctl restart clickhouse-server如果启动成功，就能看到clickhouse-server的进程已经在运行了：
[root@node2 test]# ps -ef |grep clickhouse
clickho+ 17548 1 1 11:11 ? 00:00:00 /usr/bin/clickhouse-server --config=/etc/clickhouse-server/config.xml --pid-file=/run/clickhouse-server/clickhouse-server.pid
root 17738 10683 0 11:11 pts/0 00:00:00 grep --color=auto clickhouse我们使用clickhouse-client工具，登录到其中一台机器：
[root@node4 test]# clickhouse-client -u ck --password=123456 -m
ClickHouse client version 20.9.3.45 (official build).
Connecting to localhost:9000 as user ck.
Connected to ClickHouse server version 20.9.3 revision 54439.
node4 :) 查询system.clusters表：
node4 :) select * from system.clusters where cluster = 'test';
SELECT *
FROM system.clusters
WHERE cluster = 'test'
┌─cluster─┬─shard_num─┬─shard_weight─┬─replica_num─┬─host_name─────┬─host_address──┬──port─┬─is_local─┬─user────┬─default_database─┬─errors_count─┬─estimated_recovery_time─┐
│ test │ 1 │ 1 │ 1 │ 192.168.0.1 │ 192.168.0.1 │ 9000 │ 0 │ default │ │ 0 │ 0 │
│ test │ 1 │ 1 │ 2 │ 192.168.0.2 │ 192.168.0.2 │ 9000 │ 0 │ default │ │ 0 │ 0 │
│ test │ 2 │ 1 │ 1 │ 192.168.0.3 │ 192.168.0.3 │ 9000 │ 0 │ default │ │ 0 │ 0 │
│ test │ 2 │ 1 │ 2 │ 192.168.0.4 │ 192.168.0.4 │ 9000 │ 1 │ default │ │ 0 │ 0 │
└─────────┴───────────┴──────────────┴─────────────┴───────────────┴───────────────┴───────┴──────────┴─────────┴──────────────────┴──────────────┴─────────────────────────┘
4 rows in set. Elapsed: 0.002 sec.出现上面所示的结果，说明配置集群成功。
分布式表
接下来就可以在集群里创建分布式表了。
首先在集群的各个节点创建本地表。
CREATE TABLE t_cluster ON CLUSTER test (
id Int16,
name String,
birth Date
)ENGINE = MergeTree()
PARTITION BY toYYYYMM(birth)
ORDER BY id;登录到任意节点，执行以上sql，出现如下提示，说明执行成功：
node4 :) CREATE TABLE default.t_cluster ON CLUSTER test ( id Int16, name String, birth Date )ENGINE = MergeTree() PARTITION BY toYYYYMM(birth) ORDER BY id;
CREATE TABLE default.t_cluster ON CLUSTER test
(
`id` Int16,
`name` String,
`birth` Date
)
ENGINE = MergeTree()
PARTITION BY toYYYYMM(birth)
ORDER BY id
┌─host──────────┬──port─┬─status─┬─error─┬─num_hosts_remaining─┬─num_hosts_active─┐
│ 192.168.0.1 │ 9000 │ 0 │ │ 3 │ 0 │
│ 192.168.0.2 │ 9000 │ 0 │ │ 2 │ 0 │
│ 192.168.0.3 │ 9000 │ 0 │ │ 1 │ 0 │
│ 192.168.0.4 │ 9000 │ 0 │ │ 0 │ 0 │
└───────────────┴───────┴────────┴───────┴─────────────────────┴──────────────────┘
4 rows in set. Elapsed: 0.108 sec. 我们可以登录任意一台机器，都能查询到t_cluster表，这就说明已经在test集群上所有节点创建了一个t_cluster本地表。
这个时候如果往t_cluster表插入数据，仍然是在所在节点的本地表中操作，在其他集群中是无法看见的。
如我们在node1节点插入如下数据：
node1 :) insert into t_cluster values(1, 'aa', '2021-02-01'), (2, 'bb', '2021-02-02');
INSERT INTO t_cluster VALUES
Ok.
2 rows in set. Elapsed: 0.002 sec.在node1节点查询：
node1 :) select * from t_cluster;
SELECT *
FROM t_cluster
┌─id─┬─name─┬──────birth─┐
│ 1 │ aa │ 2021-02-01 │
│ 2 │ bb │ 2021-02-02 │
└────┴──────┴────────────┘
2 rows in set. Elapsed: 0.002 sec. node2节点查询：
node2 :) select * from t_cluster;
SELECT *
FROM t_cluster
Ok.
0 rows in set. Elapsed: 0.002 sec.node3和node4查询也是如此。
这就充分说明了如果直接操作t_cluster表，操作的数据其实只是当前节点的数据。有人可能会有疑惑，我不是明明指定了node1和node2互为replica吗？为什么node1的数据也没有同步到node2上面去？
这是因为我们的引擎指定的是MergerTree，而不是ReplicaMergeTree，如果指定的是ReplicaMergeTree，的确是会同步到对应的replica上面去的，但这里创建的仅仅是MergeTree，这个引擎本身不具备同步副本的功能，所以node2上并没有同步数据。
一般在实际应用中，创建分布式表指定的都是Replica的表，这里仅仅是做一个例子说明。那么既然如此，这个集群中的表数据不能互相关联起来，不就失去了集群的意义了吗？
为了解决上面的问题，从而引入了分布式表。
分布式表的创建是这样的：
CREATE TABLE default.dist_t_cluster ON CLUSTER test as t_cluster engine = Distributed(test, default, t_cluster,rand());Distributed是一个特殊的引擎，用来创建分布式表。它本身具有四个参数，第一个参数表示集群的名字，第二个参数为数据库的名字，第三个参数为表的名字，第四个参数为sharding key，它决定最终数据落在哪一个分片上，最后一个参数可以省略，如果省略，则实用配置文件中的weight分片权重。
上面的语句就是创建一张名为dist_t_cluster的分布式表，该分布式表是基于test集群中的default.t_cluster表。as t_cluster表示这张表的结构和t_cluster一模一样。
分布式表本身不存储数据，数据存储其实还是由本地表t_cluster完成的。这个dist_t_cluster仅仅做一个代理的作用。
如下所示，表示分布式表创建成功。
node1 :) CREATE TABLE default.dist_t_cluster ON CLUSTER test as t_cluster engine = Distributed(test, default, t_cluster, rand());
CREATE TABLE default.dist_t_cluster ON CLUSTER test AS t_cluster
ENGINE = Distributed(test, default, t_cluster, rand())
┌─host──────────┬──port─┬─status─┬─error─┬─num_hosts_remaining─┬─num_hosts_active─┐
│ 192.168.0.1 │ 9000 │ 0 │ │ 3 │ 0 │
│ 192.168.0.2 │ 9000 │ 0 │ │ 2 │ 0 │
│ 192.168.0.3 │ 9000 │ 0 │ │ 1 │ 0 │
│ 192.168.0.4 │ 9000 │ 0 │ │ 0 │ 0 │
└───────────────┴───────┴────────┴───────┴─────────────────────┴──────────────────┘
4 rows in set. Elapsed: 0.106 sec.接下来我们使用分布式表向集群中插入数据，观察现象：
node1 :) insert into dist_t_cluster values(1, 'aaa', '2021-02-01'), (2, 'bbb', '2021-02-02');
INSERT INTO dist_t_cluster VALUES
Ok.
2 rows in set. Elapsed: 0.002 sec. 这时候我们在不同节点上查询dist_t_cluster表，得到的结果都是一模一样的：
/* node1 查询结果 */
node1 :) select * from dist_t_cluster;
SELECT *
FROM dist_t_cluster
┌─id─┬─name─┬──────birth─┐
│ 2 │ bbb │ 2021-02-02 │
└────┴──────┴────────────┘
┌─id─┬─name─┬──────birth─┐
│ 1 │ aaa │ 2021-02-01 │
└────┴──────┴────────────┘
2 rows in set. Elapsed: 0.005 sec.
/* node2 查询结果 */
node2 :) select * from dist_t_cluster;
SELECT *
FROM dist_t_cluster
┌─id─┬─name─┬──────birth─┐
│ 2 │ bbb │ 2021-02-02 │
└────┴──────┴────────────┘
┌─id─┬─name─┬──────birth─┐
│ 1 │ aaa │ 2021-02-01 │
└────┴──────┴────────────┘
2 rows in set. Elapsed: 0.005 sec.
/* node3 查询结果 */
node3 :) select * from dist_t_cluster;
SELECT *
FROM dist_t_cluster
┌─id─┬─name─┬──────birth─┐
│ 1 │ aaa │ 2021-02-01 │
└────┴──────┴────────────┘
┌─id─┬─name─┬──────birth─┐
│ 2 │ bbb │ 2021-02-02 │
└────┴──────┴────────────┘
2 rows in set. Elapsed: 0.006 sec.
/* node4 查询结果 */
node4 :) select * from dist_t_cluster;
SELECT *
FROM dist_t_cluster
┌─id─┬─name─┬──────birth─┐
│ 1 │ aaa │ 2021-02-01 │
└────┴──────┴────────────┘
┌─id─┬─name─┬──────birth─┐
│ 2 │ bbb │ 2021-02-02 │
└────┴──────┴────────────┘
2 rows in set. Elapsed: 0.005 sec.我们再去看各个节点的本地表t_cluster表中数据分布情况：
/* node1 查询结果 */
node1 :) select * from t_cluster;
SELECT *
FROM t_cluster
┌─id─┬─name─┬──────birth─┐
│ 2 │ bbb │ 2021-02-02 │
└────┴──────┴────────────┘
1 rows in set. Elapsed: 0.002 sec.
/* node2 查询结果 */
node2 :) select * from t_cluster;
SELECT *
FROM t_cluster
┌─id─┬─name─┬──────birth─┐
│ 2 │ bbb │ 2021-02-02 │
└────┴──────┴────────────┘
1 rows in set. Elapsed: 0.002 sec.
/* node3 查询结果 */
node3 :) select * from t_cluster;
SELECT *
FROM t_cluster
┌─id─┬─name─┬──────birth─┐
│ 1 │ aaa │ 2021-02-01 │
└────┴──────┴────────────┘
1 rows in set. Elapsed: 0.002 sec.
/* node4 查询结果 */
node4 :) select * from t_cluster;
SELECT *
FROM t_cluster
┌─id─┬─name─┬──────birth─┐
│ 1 │ aaa │ 2021-02-01 │
└────┴──────┴────────────┘
1 rows in set. Elapsed: 0.002 sec. 由以上结果可知，node1和node2上面存储的数据一样，node3和node4上面存储的数据一样，但是node1和node3上面的数据不一样。node1（node2）和node3（node4）的数据组成了dist_t_cluster表中的所有数据。
这是因为node1和node2、node3和 node4互为副本，所以它们的数据会自动同步。而node1（node2）和node3（node4）属于不同的分片，所以数据按照一定的规则（sharding key）落在了不同分片。
如果我们打开存储数据的目录，可以看到dist_t_cluster表中仅仅有一个临时文件夹，并没有实际存储数据，因为数据是存储在t_cluster本地表中的。
[root@node1 chenyc]# ls -l /data01/clickhouse/data/default/dist_t_cluster/
总用量 0
drwxr-x--- 3 clickhouse clickhouse 17 2月 25 13:57 default@192%2E168%2E21%2E52:9000
drwxr-x--- 3 clickhouse clickhouse 17 2月 25 13:57 default@192%2E168%2E21%2E53:9000
drwxr-x--- 2 clickhouse clickhouse 6 2月 25 13:57 default@192%2E168%2E21%2E54:9000macros设置
macros翻译过来是宏的意思，也就是通过它，可以使用一些宏定义在SQL变量中进行替换，比如shard number，replica的名称等。这一点在需要创建Replicated引擎表的时候特别有用。
Replicated引擎有两个参数，其中一个为zoo_path，表示zookeeper中该表的路径；另一个参数为replica_name，代表该表所在的副本名称。
ENGINE = ReplicatedMergeTree('/clickhouse/tables/{cluster}/{shard}/default/dbtest', '{replica}')
order by (xxxx);如上所示，就是一个Replicated引擎在创建表时需要指定的参数。
其中：
| 参数 | 说明 |
|---|---|
| /clickhouse/tables | clickhouse在zookeeper的官方路径 |
| {cluster} | 集群名称 |
| {shard} | shard number |
| default | 数据库名 |
| dbtest | 表名，最好跟实际的表名一致 |
| {replica} | 副本名称 |
先假设我们不设置macros，如果我们要在node1~node4四个节点上创建Replicated表，其中node1和node2位于shard1，node3和node4位于shard2，node1与node2互为副本，node3与node4互为副本。需要怎么创建？
我们需要在node1上创建表dbtest，语句如下：
CREATE TABLE dbtest(
...
)ENGINE = ReplicatedMergeTree('/clickhouse/tables/test/1/default/dbtest', 'node1')
order by (xxxx);然后在node2~node4上分别创建dbtest表：
/*node2执行*/
CREATE TABLE dbtest(
...
)ENGINE = ReplicatedMergeTree('/clickhouse/tables/test/1/default/dbtest', 'node2')
order by (xxxx);
/*node3执行*/
CREATE TABLE dbtest(
...
)ENGINE = ReplicatedMergeTree('/clickhouse/tables/test/2/default/dbtest', 'node3')
order by (xxxx);
/*node4执行*/
CREATE TABLE dbtest(
...
)ENGINE = ReplicatedMergeTree('/clickhouse/tables/test/2/default/dbtest', 'node4')
order by (xxxx);如果集群里节点特别多，那么这样到每个节点下去执行，实在太过累人。那么，有没有一种方式使用上面的类似 ON CLUSTER的方式自动创建呢？
答案当然是有，这个时候就要借助macros宏了。
我们可以在metrika.xml文件中预先编写好一些宏，然后在SQL变量中使用{}括起来直接替换即可。
在metrika.xml中配置宏如下所示：
<macros>
<cluster>test</cluster>
<shard>1</shard>
<replica>vm10140</replica>
</macros>有了以上配置，那么在Replicated引擎中传参的时候，就可以使用{cluster}代替test，使用{shard}代替1，用{replica}代替vm10140。我们只需要在不同节点上配置好对应的宏变量，那么，在创建Replicated引擎表的时候，使用下面的语句就可以了：
CREATE TABLE dbtest ON CLUSTER test(
...
)ENGINE = ReplicatedMergeTree('/clickhouse/tables/{cluster}/{shard}/default/dbtest', '{replica}')
order by (xxxx);以上语句在执行的时候，在node1下，{cluster}、{shard}和{replica}取的是node1的宏对应的值，在node2下取的是node2的宏设置的值，自动替换，非常方便。
只要macros配置正确，就可以使用上述语句在集群的各个节点去创建表了，而不必到每个节点下去手动创建一遍。
此时，我们通过zookeeper可以查看到Replicated中zoo_path的具体情况：
顺便一提，macros的信息都保存在system.macros表中：
vm10140 :) select * from system.macros;
SELECT *
FROM system.macros
┌─macro───┬─substitution─┐
│ cluster │ test │
│ replica │ vm10140 │
│ shard │ 1 │
└─────────┴──────────────┘
3 rows in set. Elapsed: 0.005 sec.因此，可以非常方便地从这个地方看到哪些宏是可以用的。
剩下的创建Distributed分布式表和上面的步骤一致，这里就不再赘述了。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。