Kafka数据导入ClickHouse

1.Kafka中数据导入ClickHouse的标准流程

• 在ClickHouse中建立Kafka Engine 外表，作为Kafka数据源的一个接口
• 在ClickHouse中创建普通表(通常是MergeTree系列）存储Kafka中的数据
• 在ClickHouse中创建Materialized View, 监听Kafka中的数据，并将数据写入ClickHouse存储表中

上述三个步骤，就可以将Kafka中的数据导入到ClickHouse集群中。

2. Kafka数据导入ClickHouse详细步骤

ClickHouse 提供了Kafka Engine 作为访问Kafka集群的一个接口（数据流）。有了这个接口后，导入数据就很方便了，具体步骤如下：

步骤1：创建Kafka Engine

CREATE TABLE source
(
    `ts` DateTime, 
    `tag` String, 
    `message` String
)
ENGINE = Kafka()
SETTINGS kafka_broker_list = '172.19.0.47:9092', 
         kafka_topic_list = 'tag',
         kafka_group_name = 'clickhouse', 
         kafka_format = 'JSONEachRow',
         kafka_skip_broken_messages = 1,
         kafka_num_consumers = 2

必选参数：

• kafkabrokerlist: 这里填写Kafka服务的broker列表，用逗号分隔
• kafkatopiclist: 这里填写Kafka topic,多个topic用逗号分隔
• kafkagroupname：这里填写消费者group名称 
• kafkaformat__:Kafka数据格式, ClickHouse支持的Format, 详见这里 可选参数： 
• kafkaskipbrokenmessages：填写大于等于0的整数，表示忽略解析异常的Kafka数据的条数。如果出现了N条异常后，后台线程结束，Materialized View会被重新安排后台线程去监听数据 
• kafkanumconsumers_: 单个Kafka Engine 的消费者数量，通过增加该参数，可以提高消费数据吞吐，但总数不应超过对应topic的partitions总数
• kafkarowdelimiter: 消息分隔符  
• kafkaschema__:对于kafkaformat需要schema定义的时候，其schema由该参数确定
• kafkamaxblocksize: 该参数控制Kafka数据写入目标表的Block大小，超过该数值后，就将数据刷盘。

步骤2：创建存储Kafka数据的目标表，该表就是最终存储Kafka数据 本文中，采用MergeTree来存储Kafka数据：

CREATE TABLE target
(
    `ts` DateTime, 
    `tag` String
)
ENGINE = MergeTree()
PARTITION BY toYYYYMM(ts)
ORDER BY tag

步骤3：创建Metrialized View 抓取数据

本文中，采用如下语句创建MV:

CREATE MATERIALIZED VIEW source_mv TO target AS
SELECT 
    ts, 
    tag
FROM source

完成上述三个步骤，我们就可以在表target中查询到来自Kafka的数据了。