Kafka

此引擎与 Apache Kafka 结合使用。

Kafka 特性：

  • 发布或者订阅数据流。
  • 容错存储机制。
  • 处理流数据。

老版格式：

  1. Kafka(kafka_broker_list, kafka_topic_list, kafka_group_name, kafka_format
  2.       [, kafka_row_delimiter, kafka_schema, kafka_num_consumers])

新版格式：

  1. Kafka SETTINGS
  2.   kafka_broker_list = 'localhost:9092',
  3.   kafka_topic_list = 'topic1,topic2',
  4.   kafka_group_name = 'group1',
  5.   kafka_format = 'JSONEachRow',
  6.   kafka_row_delimiter = '\n',
  7.   kafka_schema = '',
  8.   kafka_num_consumers = 2

必要参数：

  • kafka_broker_list – 以逗号分隔的 brokers 列表 (localhost:9092)。
  • kafka_topic_list – topic 列表 (my_topic)。
  • kafka_group_name – Kafka 消费组名称 (group1)。如果不希望消息在集群中重复，请在每个分片中使用相同的组名。
  • kafka_format – 消息体格式。使用与 SQL 部分的 FORMAT 函数相同表示方法，例如 JSONEachRow。了解详细信息，请参考 Formats 部分。

可选参数：

  • kafka_row_delimiter - 每个消息体（记录）之间的分隔符。
  • kafka_schema – 如果解析格式需要一个 schema 时，此参数必填。例如，普罗托船长 需要 schema 文件路径以及根对象 schema.capnp:Message 的名字。
  • kafka_num_consumers – 单个表的消费者数量。默认值是：1，如果一个消费者的吞吐量不足，则指定更多的消费者。消费者的总数不应该超过 topic 中分区的数量，因为每个分区只能分配一个消费者。

示例：

  1.   CREATE TABLE queue (
  2.     timestamp UInt64,
  3.     level String,
  4.     message String
  5.   ) ENGINE = Kafka('localhost:9092', 'topic', 'group1', 'JSONEachRow');
  7.   SELECT * FROM queue LIMIT 5;
  9.   CREATE TABLE queue2 (
  10.     timestamp UInt64,
  11.     level String,
  12.     message String
  13.   ) ENGINE = Kafka SETTINGS kafka_broker_list = 'localhost:9092',
  14.                             kafka_topic_list = 'topic',
  15.                             kafka_group_name = 'group1',
  16.                             kafka_format = 'JSONEachRow',
  17.                             kafka_num_consumers = 4;
  19.   CREATE TABLE queue2 (
  20.     timestamp UInt64,
  21.     level String,
  22.     message String
  23.   ) ENGINE = Kafka('localhost:9092', 'topic', 'group1')
  24.               SETTINGS kafka_format = 'JSONEachRow',
  25.                        kafka_num_consumers = 4;

消费的消息会被自动追踪，因此每个消息在不同的消费组里只会记录一次。如果希望获得两次数据，则使用另一个组名创建副本。

消费组可以灵活配置并且在集群之间同步。例如，如果群集中有10个主题和5个表副本，则每个副本将获得2个主题。 如果副本数量发生变化，主题将自动在副本中重新分配。了解更多信息请访问 http://kafka.apache.org/intro。

SELECT 查询对于读取消息并不是很有用（调试除外），因为每条消息只能被读取一次。使用物化视图创建实时线程更实用。您可以这样做：

  1. 使用引擎创建一个 Kafka 消费者并作为一条数据流。
  2. 创建一个结构表。
  3. 创建物化视图，改视图会在后台转换引擎中的数据并将其放入之前创建的表中。

当 MATERIALIZED VIEW 添加至引擎，它将会在后台收集数据。可以持续不断地从 Kafka 收集数据并通过 SELECT 将数据转换为所需要的格式。

示例：

  1.   CREATE TABLE queue (
  2.     timestamp UInt64,
  3.     level String,
  4.     message String
  5.   ) ENGINE = Kafka('localhost:9092', 'topic', 'group1', 'JSONEachRow');
  7.   CREATE TABLE daily (
  8.     day Date,
  9.     level String,
  10.     total UInt64
  11.   ) ENGINE = SummingMergeTree(day, (day, level), 8192);
  13.   CREATE MATERIALIZED VIEW consumer TO daily
  14.     AS SELECT toDate(toDateTime(timestamp)) AS day, level, count() as total
  15.     FROM queue GROUP BY day, level;
  17.   SELECT level, sum(total) FROM daily GROUP BY level;

为了提高性能，接受的消息被分组为 max_insert_block_size 大小的块。如果未在 stream_flush_interval_ms 毫秒内形成块，则不关心块的完整性，都会将数据刷新到表中。

停止接收主题数据或更改转换逻辑，请 detach 物化视图：

  1.   DETACH TABLE consumer;
  2.   ATTACH TABLE consumer;

如果使用 ALTER 更改目标表，为了避免目标表与视图中的数据之间存在差异，推荐停止物化视图。

配置

与 GraphiteMergeTree 类似，Kafka 引擎支持使用ClickHouse配置文件进行扩展配置。可以使用两个配置键：全局 (kafka) 和 主题级别 (kafka_*)。首先应用全局配置，然后应用主题级配置（如果存在）。

  1.   <!-- Global configuration options for all tables of Kafka engine type -->
  2.   <kafka>
  3.     <debug>cgrp</debug>
  4.     <auto_offset_reset>smallest</auto_offset_reset>
  5.   </kafka>
  7.   <!-- Configuration specific for topic "logs" -->
  8.   <kafka_logs>
  9.     <retry_backoff_ms>250</retry_backoff_ms>
  10.     <fetch_min_bytes>100000</fetch_min_bytes>
  11.   </kafka_logs>

有关详细配置选项列表，请参阅 librdkafka配置参考。在 ClickHouse 配置中使用下划线 (_) ，并不是使用点 (.)。例如，check.crcs=true 将是 <check_crcs>true</check_crcs>。

原始文章