ストレージとコンピュートの分離

概要

このガイドでは、ClickHouse と S3 を使用して、ストレージとコンピュートを分離したアーキテクチャを実装する方法を説明します。ストレージとコンピュートの分離とは、コンピュートリソースとストレージリソースをそれぞれ独立して管理することを意味します。ClickHouse では、これによりスケーラビリティ、コスト効率、柔軟性が向上します。必要に応じてストレージリソースとコンピュートリソースを個別にスケールできるため、パフォーマンスとコストを最適化できます。 S3 をバックエンドストレージとして利用する ClickHouse は、特に「コールド」データに対するクエリ性能がそれほど重要ではないユースケースで有効です。ClickHouse は、S3BackedMergeTree を使用して、MergeTree engine のストレージとして S3 を利用する機能をサポートしています。このテーブルエンジンにより、MergeTree engine の insert とクエリ性能を維持しながら、S3 のスケーラビリティとコスト面での利点を活用できます。ストレージとコンピュートを分離したアーキテクチャの実装と運用は、標準的な ClickHouse デプロイメントに比べて複雑になる点に注意してください。このガイドで説明するように、セルフマネージドの ClickHouse でもストレージとコンピュートの分離は可能ですが、設定不要でこのアーキテクチャで ClickHouse を利用できる SharedMergeTree テーブルエンジンを備えた ClickHouse Cloud の利用を推奨します。 このガイドは、ClickHouse バージョン 22.8 以降を使用していることを前提としています。

AWS/GCS のライフサイクルポリシーは設定しないでください。これはサポートされておらず、table が破損するおそれがあります。

1. ClickHouse のディスクとして S3 を使用する

ディスクの作成

ストレージ構成を保存するため、ClickHouse の config.d ディレクトリに新しいファイルを作成します。

vim /etc/clickhouse-server/config.d/storage_config.xml

新しく作成したファイルに次の XML をコピーし、BUCKET、ACCESS_KEY_ID、SECRET_ACCESS_KEY を、データの保存先となる AWS バケットの詳細に置き換えます。

<clickhouse>
  <storage_configuration>
    <disks>
      <s3_disk>
        <type>s3</type>
        <endpoint>$BUCKET</endpoint>
        <access_key_id>$ACCESS_KEY_ID</access_key_id>
        <secret_access_key>$SECRET_ACCESS_KEY</secret_access_key>
        <metadata_path>/var/lib/clickhouse/disks/s3_disk/</metadata_path>
      </s3_disk>
      <s3_cache>
        <type>cache</type>
        <disk>s3_disk</disk>
        <path>/var/lib/clickhouse/disks/s3_cache/</path>
        <max_size>10Gi</max_size>
      </s3_cache>
    </disks>
    <policies>
      <s3_main>
        <volumes>
          <main>
            <disk>s3_disk</disk>
          </main>
        </volumes>
      </s3_main>
    </policies>
  </storage_configuration>
</clickhouse>

S3 ディスクの設定をさらに細かく指定する必要がある場合は、たとえば region を指定したり、カスタム HTTP header を送信したりできます。関連する設定の一覧はこちらを参照してください。また、access_key_id と secret_access_key は以下のものに置き換えることもできます。これにより、環境変数と Amazon EC2 メタデータから認証情報の取得が試行されます。

<use_environment_credentials>true</use_environment_credentials>

設定ファイルを作成したら、ファイルの所有者を clickhouse ユーザーおよびグループに変更する必要があります:

chown clickhouse:clickhouse /etc/clickhouse-server/config.d/storage_config.xml

これで、変更を反映するために ClickHouse server を再起動できます：

service clickhouse-server restart

2. S3 をバックエンドとするテーブルを作成する

S3 ディスクが適切に設定されていることを確認するため、テーブルを作成してクエリを実行してみます。新しい S3 ストレージポリシーを指定してテーブルを作成します:

CREATE TABLE my_s3_table
  (
    `id` UInt64,
    `column1` String
  )
ENGINE = MergeTree
ORDER BY id
SETTINGS storage_policy = 's3_main';

エンジンとして S3BackedMergeTree を指定する必要がなかった点に注意してください。ClickHouse は、テーブルがストレージに S3 を使用していることを検出すると、内部的にエンジンの種類を自動的に変換します。テーブルが正しいポリシーで作成されていることを確認します。

SHOW CREATE TABLE my_s3_table;

次のような結果が表示されます。

┌─statement────────────────────────────────────────────────────
│ CREATE TABLE default.my_s3_table
(
  `id` UInt64,
  `column1` String
)
ENGINE = MergeTree
ORDER BY id
SETTINGS storage_policy = 's3_main', index_granularity = 8192
└──────────────────────────────────────────────────────────────

それでは、新しいテーブルにいくつかの行を挿入してみましょう:

INSERT INTO my_s3_table (id, column1)
  VALUES (1, 'abc'), (2, 'xyz');

行が挿入されたことを確認しましょう:

SELECT * FROM my_s3_table;

┌─id─┬─column1─┐
│  1 │ abc     │
│  2 │ xyz     │
└────┴─────────┘

2 rows in set. Elapsed: 0.284 sec.

AWS コンソールで、データの S3 への書き込みが正常に完了していれば、指定したバケット内に ClickHouse が新しいファイルを作成していることを確認できるはずです。すべて正常に動作していれば、これでストレージとコンピュートを分離した ClickHouse を利用できるようになります！

3. 耐障害性のためのレプリケーションの実装 (任意)

AWS/GCS のライフサイクルポリシーは設定しないでください。これはサポートされておらず、テーブルの破損を引き起こす可能性があります。

耐障害性を高めるには、複数の AWS リージョンに分散した複数の ClickHouse server ノードと、各ノードに対応する S3 バケットを使用できます。 S3 ディスクでのレプリケーションは、ReplicatedMergeTree テーブルエンジンを使用することで実現できます。詳細については、次のガイドを参照してください。

S3 オブジェクトストレージを使用して 2 つの AWS リージョン間で単一の分片をレプリケートする.

​概要

​1. ClickHouse のディスクとして S3 を使用する

​ディスクの作成

​2. S3 をバックエンドとするテーブルを作成する

​3. 耐障害性のためのレプリケーションの実装 (任意)

​参考資料

概要

1. ClickHouse のディスクとして S3 を使用する

ディスクの作成

2. S3 をバックエンドとするテーブルを作成する

3. 耐障害性のためのレプリケーションの実装 (任意)

参考資料