阿里云E-MapReduce（简称EMR）的ClickHouse集群中，主要提供了四种服务配置项以配置ClickHouse集群，包括客户端配置、服务端配置、用户权限配置和拓展配置。本文为您介绍ClickHouse服务的客户端配置、服务端配置和拓展配置。

背景信息

ClickHouse集群提供的四种服务配置项信息如下表。
配置项 详情
客户端配置 client-config
服务端配置 server-config
拓展配置 server-metrika
用户权限配置 访问权限控制

前提条件

已创建E-MapReduce的ClickHouse集群，详情请参见创建集群。

注意事项

由于ClickHouse配置采用XML文件形式，所以相对比较灵活，可以进行多层嵌套。自定义配置时规则如下：
  • 如果配置可以直接填写在yandex标签下，则可以直接新增。
  • 如果配置包含多层嵌套，每层需要直接使用半角句号（.）进行连接。

    例如，在server-users页签中，添加新的用户aliyun，可以设置参数为users.aliyun.password，参数值为密码，您可以自定义。

  • 自定义配置中，请勿使用XML类型作为参数或者参数值。

client-config

该服务配置项用于生成clickhouse-client所使用的config.xml文件。您可以在EMR控制台ClickHouse服务的配置页面，单击client-config页签，查看以下参数。

配置项 描述
user 设置clickhouse-client使用的用户。默认值为default。
password 设置clickhouse-client进程使用的用户密码。默认值为空。
prompt_by_server_display_name.production 在使用clickhouse-client的时候，允许自定义提示符。设置这个选项以配置在不同的display_name情况下的提示符，例如在server-config选项中设置display_name为default时，所展示的提示符为prompt_by_server_display_name.default中所设置的值。设置提示符允许使用的颜色，请参见Color prompts with readline和tip_colors_and_formatting。
prompt_by_server_display_name.default
prompt_by_server_display_name.test

server-config

该服务配置项用来生成clickhouse-server进程所使用的config.xml文件。您可以在EMR控制台ClickHouse服务的配置页面，单击server-config页签，查看以下参数。

配置项 描述
tcp_port 通过TCP协议与客户端通信的端口。默认值为9000。
logger.count 存档的ClickHouse日志文件个数。当存档的日志文件个数达到该参数设置的值时，ClickHouse会将最早的存档删除。默认值为10。
logger.errorlog ClickHouse Server中错误日志的输出路径。默认值为/var/log/clickhouse-server/clickhouse-server.err.log。
logger.level 日志的等级，默认等级为information。可以配置的等级从严格到宽松依次为none（关闭日志）、fatal、critical、error、warning、notice、information、debug和trace。
logger.size 日志文件的大小。当文件达到该参数设置的值时，ClickHouse会将其存档并重命名，并创建一个新的日志文件。默认值为1000M。
logger.path ClickHouse Server正常输出的日志文件，默认为/var/log/clickhouse-server/clickhouse-server.log，会输出符合logger.level所指定的日志等级的日志。
access_control_path ClickHouse Server用于存储SQL命令创建的用户和角色配置的文件夹的路径。默认值为/var/lib/clickhouse/access/。
user_files_path 用户文件的目录。会在表的函数file()中被使用。默认值为/var/lib/clickhouse/user_files/。
path_to_regions_hierarchy_file 用于ClickHouse内部字典，包含区域层次结构的文件的路径。默认值为空。
path_to_regions_names_files 用于ClickHouse内部字典，包含区域名称的文件的路径。默认值为空。
distributed_ddl.path 该参数指定了ZooKeeper中用于存储DDL查询队列的路径。默认值为/clickhouse/task_queue/ddl。默认情况下，ClickHouse的操作CREATE、DROP、ALTER和RENAME等都只会影响正在处理查询的这一台机器。设置distributed_ddl相关参数，允许ClickHouse的查询运行在集群中（当且仅当ZooKeeper被使用时）。
tmp_policy 用于存放处理大型查询时产生的临时数据。默认值为空。
从server-metrika服务配置项中的storage_configuration选项中设置的磁盘策略选择一个来设置。
说明 如果此项为空，则使用tmp_path，否则tmp_path会被忽略。
path 包含数据的目录的路径，末尾必须加上正斜线（/）。默认值为/var/lib/clickhouse/。
https_port 通过HTTPS连接到服务器的端口。指定此参数时，必须配置OpenSSL相关参数。如果指定了http_port，此参数会被忽略。默认值为空。
query_log.flush_interval_milliseconds 如果在使用的profile中设置了log_queries=1，则会记录下参与了查询操作的线程信息，这些信息会被记录在表中。query_log系列参数可以来配置此行为，支持的系列参数如下：
  • flush_interval_milliseconds：用来设置内存中的数据被刷到表中的时间间隔，默认值为7500。
  • engine：用来设置表所用的引擎。默认值为空。
    注意 设置此项时请勿设置query_log.partition_by，否则可能会引发异常。
  • partition_by：用来设置表的分区键。默认值为toYYYYMM(event_date)。
  • database：用来设置表所在的库名，默认值为system。
  • table：用来设置表名，默认值为query_thread_log。
query_log.engine
query_log.partition_by
query_log.database
query_log.table
interserver_http_credentials.user 如果表使用的引擎是Replicated*类型的，通常情况下，复制是不需要进行身份验证的，但可以通过设置这些参数开启身份验证。这个凭据仅用于副本之间的通信，与ClickHouse客户端的凭据无关。
  • user：用户名。默认值为空。
  • password：密码。默认值为空。
interserver_http_credentials.password
mlock_executable 当ClickHouse启动后执行mlockall可以降低查询延迟，并防止在高IO负载下调出ClickHouse可执行文件。默认值为false。
说明 建议启用此选项，尽管启用此选项会导致启动时间增加几秒钟。
trace_log.table 如果在使用的profile中query_profiler_real_time_period_ns和query_profiler_cpu_time_period_ns其中任意一个值非0，则会将query profiler记录的stack trace存放到表中。trace_log支持的系列参数如下：
  • database：用来设置表所在的库名，默认值为system。
  • table：用来设置表名，默认值为trace_log。
  • partition_by：用来设置表的分区键。默认值为toYYYYMM(event_date)。
  • engine：用来设置表所用的引擎。默认值为空。
    注意 设置此项时请勿设置trace_log.partition_by，否则可能会引发异常。
  • flush_interval_milliseconds：用来设置内存中的数据被刷到表中的时间间隔，默认值为7500。
trace_log.database
trace_log.partition_by
trace_log.engine
trace_log.flush_interval_milliseconds
disable_internal_dns_cache 值非0时禁用内部DNS缓存。默认值为0。
说明 推荐在环境经常变化的系统中使用。例如，Kubernetes。
listen_reuse_port 是否允许Socket间复用相同的Port。取值如下：
  • 0（默认值）：不允许Socket间复用相同的Port。
  • 1：允许Socket间复用相同的Port。
query_thread_log.table 如果在使用的profile中设置log_query_threads=1，则会记录下参与了查询操作的线程信息，这些信息会被记录在表中。
  • database：用来设置表所在的库名，默认值为system。
  • table：用来设置表名，默认值为query_thread_log。
  • partition_by：用来设置表的分区键。默认值为toYYYYMM(event_date)。
  • engine：用来设置表所用的引擎。默认值为空。
    注意 设置此项时请勿设置query_thread_log.partition_by，否则可能会引发异常。
  • flush_interval_milliseconds：用来设置内存中的数据被刷新到表中的时间间隔，默认值为7500。
query_thread_log.database
query_thread_log.partition_by
query_thread_log.engine
query_thread_log.flush_interval_milliseconds
default_database 默认数据库。默认值为default。
http_server_default_response 访问ClickHouse的HTTP Server时，默认返回的页面。
display_name ClickHouse Server端设置的客户端默认提示信息。默认值为空。
builtin_dictionaries_reload_interval 重新加载内置字典的间隔时间，单位为秒。默认值为3600。
umask 文件权限掩码。默认值为027，表示其他用户（操作系统用户）无法读取日志和数据等文件，相同组的用户仅可以读取。
uncompressed_cache_size 表引擎使用MergeTree时，为解压后的block所建立的Cache大小。默认值为0。

如果设置为0，则表示不启用Cache。
timezone 设置服务器的时区。默认值为Asia/Shanghai。
max_session_timeout Session最大超时时间，单位为秒。默认值为3600。
default_session_timeout Session默认超时时间，单位为秒。默认值为60。
max_open_files 打开文件的最大数量。默认值为262144。
说明 该参数与操作系统有关联关系，当此值设置为空时，ClickHouse会使用操作系统设定的max_open_files。
tmp_path 用于处理大型查询的临时数据的路径，末尾必须带上正斜杠（/）。默认值为/var/lib/clickhouse/tmp/。
max_concurrent_queries 可以同时处理查询的最大数量。默认值为100。
tcp_port_secure 用于与客户端安全通信的TCP端口。默认值为空。
说明 配置此参数时，需要设置OpenSSL相关参数。
listen_try 如果通过listen_host所指定的协议（IPv4或IPv6）不可用时，是否立刻退出：
  • 0（默认值）：不立即退出。
  • 1：立即退出。
mysql_port 通过MySQL协议与客户端通信的端口。
keep_alive_timeout ClickHouse在关闭连接之前等待传入请求的秒数，单位为秒。默认值为3。
max_connections 允许连接的最大数量。默认值为4096。
dns_cache_update_period 设置更新存储在ClickHouse内部DNS缓存中的IP地址的周期，单位为秒。默认值为15。

更新会在单独系统线程中异步进行。
path_to_regions_names_files 用于ClickHouse内部字典的，包含区域名称的文件的路径。默认为空。
include_from ClickHouse Server中的配置文件是利用XML编写的，其中有一些XML标签中包含了incl属性，这些标签的内容是可以被include_from配置所引用的文件中对应的配置所替换的。默认值为/etc/ecm/clickhouse-conf/clickhouse-server/metrika.xml。
interserver_http_port ClickHouse服务器之间交换数据的端口。默认值为9009。
dictionaries_config 外部字典的配置文件路径。路径可以包含通配符半角句号（.）、星号（*）和半角问号（?）。默认值为*_dictionary.xml。
http_port 通过HTTP连接到服务器的端口。默认值为8123。

ClickHouse官方JDBC也通过此端口访问ClickHouse，请参见clickhouse-jdbc。

users_config 包含用户配置、访问权限、设置配置文件和资源限制配置等配置的文件路径。默认值为users.xml。
dictionaries_lazy_load 延迟加载字典。取值如下：
  • true（默认值）：会在第一次使用时创建字典，如果字典创建失败，则使用该字典的函数将引发异常。
  • false：服务器启动时创建所有字典，如果出现错误，则服务器直接退出。
listen_host ClickHouse服务器所监听的IP地址。可以指定IPv4和IPv6的地址，如果指定::则代表允许所有地址。可以设置多个IP地址，多个IP地址以逗号（,）分割。例如，127.0.0.1,localhost。默认值为0.0.0.0。
default_profile 默认会使用的profile。默认值为default。
mark_cache_size 表引擎使用MergeTree时，mark索引所使用的Cache大小的近似值。默认值为5368709120，单位为Byte。
listen_backlog 设置backlog的数量。默认值为64。
format_schema_path 存放输入数据Schema的目录。默认值为/var/lib/clickhouse/format_schemas/。

server-metrika

该服务配置项用于生成metrika.xml文件，其默认被ClickHouse Server的config所引用。您可以在EMR控制台ClickHouse服务的配置页面，在默认的server-metrika页签，查看以下参数。

配置项 描述
clickhouse_compression 为使用MergeTree相关引擎的表设置数据压缩，详细信息请参见Server Settings。默认值为空。

如果需要使用ClickHouse的压缩，请自行添加配置。
storage_configuration 用来指定自定义的磁盘信息。阿里云E-MapReduce默认会自动为每块磁盘创建ClickHouse的数据目录，并且为这些磁盘创建一个HDD in order的磁盘策略。
zookeeper_servers 用来配置ClickHouse集群所使用的ZooKeeper信息。默认值为创建ClickHouse集群时同时创建的ZooKeeper的值。多个ZooKeeper节点时，请使用英文逗号（,）进行分隔，例如，emr-header-1.cluster-12345:2181,emr-worker-1.cluster-12345:2181,emr-worker-2.cluster-12345:2181。
quotas_default ClickHouse允许配置不同的quota以灵活的使用不同的资源限制。修改该配置项可以修改名为default的quota设置。如果需要添加新的quota设置，您可以添加自定义设置。
clickhouse_remote_servers 用来自定义集群的分片和副本信息。默认值为创建ClickHouse集群时设置的Shard和Replica数量所生成的拓扑。
例如，创建集群时设置2个Shard和2个Replica，则clickhouse_remote_servers值如下所示：
<cluster_emr>
  <shard>
    <weight>1</weight>
    <internal_replication>true</internal_replication>
    <replica>
      <host>emr-header-1.cluster-12345</host>
      <port>9000</port>
    </replica>
    <replica>
      <host>emr-worker-1.cluster-12345</host>
      <port>9000</port>
    </replica>
  </shard>
  <shard>
    <weight>1</weight>
    <internal_replication>true</internal_replication>
    <replica>
      <host>emr-worker-2.cluster-12345</host>
      <port>9000</port>
    </replica>
    <replica>
      <host>emr-worker-3.cluster-12345</host>
      <port>9000</port>
    </replica>
  </shard>
</cluster_emr>

相关文档

ClickHouse参数的详情信息，可以参见以下官方文档：

后续步骤

如果需要修改或添加配置项，请参见管理组件参数。