ClickHouse数据管理与同步的关键技术

2024年 5 月 18 日，ClickHouse官方首届杭州 Meetup 活动成功举行。本次活动由 ClickHouse 和阿里云主办，NineData 和云数据库技术社区协办。围绕ClickHouse的核心技术、应用案例、最佳实践、数据管理、以及迁移同步等方面，和行业专家展开交流探索。

本次活动，NineData 高级架构师周金义受邀参会，分享《ClickHouse 数据管理与同步的关键技术》的技术分享。

本文来自于周金义在ClickHouse沙龙·杭州站的公开分享整理：

我很荣幸能在此与大家分享关于ClickHouse领域的见解，特别是关于NineData在数据管理和同步方面的最新进展。今天，我将围绕三个主题进行讲解：

1. NineData简介

1.1 公司背景与团队

NineData是一家由行业资深专家创立的公司，其CEO曾在阿里云担任要职，负责数据库产品管理和解决方案的整体设计，推进云原生数据库产品体系的建设。包括知名的云原生数据库产品：DTS、DMS、DBS和DAS。引领了云原生数据库生态的发展，并成功推出了四款备受认可的产品：数据库DevOps、数据复制、备份与恢复以及数据对比，已在众多客户中得到了积极的反响。

2.2 NineData数据管理平台

NineData数据管理平台致力于提供高效、易用的解决方案，主要价值表现在权限管理、规范流程和开发协同。通过集成ClickHouse的强大功能，帮助用户更好地管理和优化他们的数据。平台专注于提升数据处理效率，简化运维流程，以满足现代企业对数据的需求。

1.3 NineData数据同步

在数据同步方面，NineData不断优化技术栈，构建了一套稳定且高效的架构，专为ClickHouse设计，旨在无缝连接各类数据源，实现实时或准实时的数据同步，确保数据一致性。

1.4 NineData架构总览

接下来，让我们深入了解NineData的四款核心产品。下面是对NineData智能数据管理平台的概览介绍。

第一点，DevOps模块是我们关注的重点。其核心价值在于实现高效协同开发，解决企业在多数据库环境中的挑战。随着业务的复杂性增加，企业往往使用多种数据库类型，包括TP、AP，甚至国产数据库。然而，对于开发人员和DBA而言，如何在一个统一平台上无缝访问这些不同类型的数据库，往往是他们面临的一大难题。目前市场上的解决方案往往无法覆盖所有数据库类型，这正是我们的DevOps平台所填补的空白。

其中，DevOps提供强大的权限管理，确保数据库系统的安全稳定。如果权限控制不当，可能导致生产环境的问题。此外，我们的系统还提供详尽的操作审计功能。每当在源库进行任何操作时，都会被精确记录，以便在出现问题时，能够追溯到特定员工在何时对哪个数据库进行了何种操作。这样的审计记录有助于我们及时发现并处理潜在问题，确保数据安全和合规性。

第二部分，功能是数据复制。许多老师已经介绍了TP（事务处理）和AP（分析处理）的概念，TP专注于事务处理，而AP则专注于分析处理。举例来说，将数据从MySQL同步到ClickHouse，因为MySQL并不擅长数据分析，但通过ClickHouse，我们可以实现在线数据分析的能力，从而充分发挥数据的价值。

在数据同步过程中，我们可以支持同构和异构两种能力，即同构数据同步和异构数据同步。在同步数据的过程中，我们可以监控同步链路性能以及处理异常信息，具备观测和干预的能力。

第三部分，数据对比。在数据同步过程中，常常会面临数据质量问题，尤其是在TP到AP的数据流转过程中。为了确保数据同步后的一致性，我们需要具备数据对比的能力，以确保数据质量，保证数据的准确性。

最后，大部分企业都会使用多云以及多数据源的架构，这种架构已经逐步成为趋势。为了让数据发挥最大的价值，通过数据同步，让数据在不同的云和不同的数据库类型之间进行流动，利用它们各自的优势来让数据产生更大的价值。

最后，在数据备份方面的解决方案。尽管数据备份是公司的核心资产之一，如何有效保护这些数据是至关重要的。传统的数据备份方案，对备份集的有效性和RPO/RTO很难保障，以及备份成本高。通过我们的 NineData 备份，轻松的就能实现了跨云备份、异地备份，并且提供备份集的实时查询能力，让冷数据变热，无需再将备份恢复以验证其有效性，彻底解决了传统备份的问题。

通过 NineData 智能数据管理平台，我们可以跨不同的云、IDC和数据库进行数据传输同步：将数据传输到搜索平台、消息队列，甚至是数据仓库，然后借助 DevOps 中的 SQL IDE、权限管理和规范流程，开发协调等，为不同的角色提供服务，包括数据库开发、BI 开发、DBA 和业务运营。

2. NineData数据管理平台

2.1 NineData DevOps

NineData DevOps 作为高效安全的数据库管理平台，它分为两个版本：个人版和企业版。

NineData DevOps个人版（永久免费），具备与传统工具如 DBeaver 或 Navicat 相媲美的功能，例如 SQL 智能补全、数据查询、导入导出功能，以及可视化的表结构设计。此外，我们还添加了 AI 功能，包括自然语言转换和不同结构类型的转换。

NineData DevOps企业版，在个人版的基础功能外，还包含了组织权限管理、流程规范和不同环境下的变更发布和敏感数据管理功能。

举例来说，由于DBA和研发人员的比例，以及对数据库的熟悉程度不同，导致在数据管理上面会面临多个痛点：安全管控、开发效率低以及数据库的稳定性。但通过我们的全量管理、流程规范，开发协同，可以智能、高效地解决问题。

在变更发布方面，NineData 实现了 OnlineDDL 和 OnlineDML，无需担心操作会锁表导致线上数据库HANG的问题。此外，我们还实现了数据变更的回滚功能，可以快速对误操作SQL进行回滚，并且我们也提供了基于AI能力的索引的推荐功能。

最后，在敏感数据管理方面，NineData 提供了自动发现、扫描和配置的脱敏策略规则和脱敏策略。不仅可以针对敏感列和自定义列进行脱敏，还也可以针对不同的开发人员进行脱敏设置，保证生产数据的安全。

2.2 NineData DevOps x ClickHouse

2.2.1 对象展示和SQL补全

通过对比市面上的ClickHouse客户端，NineData在图形用户界面（GUI）的直观性和功能完整性上占据领先地位，尤其是在处理ClickHouse特有的对象。并且在针对ClickHouse的SQL智能补全方面，我们的产品实现了平等且强大的支持。

右下角的部分显示了NineData对SQL补全功能的智能优化，无论是在ClickHouse还是其他支持的数据库上，都能提供高效辅助，显著提升了开发者的效率。

2.2.2 表创建和编辑

在NineData的GUI界面中，第二部分专注于可视化编辑：如表的创建和修改。当用户右键点击新建表时，我们提供了高度定制化体验。列名自定义是基础，更重要的是，我们支持用户从预设的下拉菜单中选择最新的数据库列类型，直至24.3版本的所有兼容类型，无需自行输入，简化了操作流程。

对于索引设置，同样具备最新版本的索引特性支持，使得表设计更为灵活。并且在进行可视化表设计时，可以实时生成的SQL脚本，便于在不同环节使用。

此外，我们还提供了其他丰富的选项，包括存储引擎选择（如MergeTree或其他），以及集群集成。用户可以根据需求选择本地表或分布式表，这充分契合ClickHouse的现代数据处理需求，展示了我们GUI的高级功能。

2.2.3 灵活高效的业务审批流程与规范

在开发人员广泛使用的工具中，SQL质量控制至关重要。鉴于开发人员的知识水平差异可能导致编写出不规范或性能不佳的SQL，实施严格的规范审核显得尤为重要。目前，NineData 已建立了一套包含约100多项标准的规则库，涵盖结构设计、引擎选择、组件构建等多个层面。一旦SQL检测到违规，系统会采取相应措施，如阻断或提供改进建议。

通过遵循我们的规范，开发人员在获得反馈并接受建议后，将发起进一步流程，包括提交给上级主管审批。审批通过后，SQL将按照建议进行调整，并在各个阶段执行。这样，我们的系统确保上线的SQL始终保持高质量，避免不符合规范的问题出现，从而提升整体代码质量和数据库的稳定性。

在NineData的流程管理系统中，上述的SQL提交后，作为工单被发起。支持多级审批，审批者可以根据需求灵活创建多个审批节点，或选择自动执行或定时任务。特别地，为适应DBA的日常需求，我们设计了定时处理功能，避免在非工作时间执行DDL操作，确保合规性与效率。

对于不确定的问题，如SQL执行错误或失败，NineData提供了回滚SQL功能和异常自动捕获，并允许用户自定义错误处理策略，如错误报告或定制解决方案，整合于审核模板中。一旦执行成功，工作流程将清晰展示，显示完整的执行状态。

2.2.4 NineData 数据同步

数据作为企业的核心资产，其价值的实现依赖于有效的流动。NineData提供的数据同步，让数据在不同的云和不同的数据库类型之间进行流动，利用它们各自的优势来让数据产生更大的价值。

首先，我们的数据同步技术具备结构映射能力，针对异构数据源之间的差异，如从MySQL迁移到ClickHouse，它能智能地构建适应新环境的数据库结构。完成结构同步后，我们支持全量数据迁移，紧接着是基于日志变化数据捕获（CDC）的增量同步，确保数据实时且准确地同步。

然而，数据同步过程中的数据质量控制也至关重要。为此，NineData内置了数据对比功能，实时监控数据同步，自动检测并纠正任何潜在的不一致性，以保护数据的一致性，防止数据错误的发生。

2.2.5 NineData 数据同步能力和优势

NineData 的数据同步解决方案已经实现了显著的进步，支持超过20种不同类型的数据库源，包括同构和异构环境下的单向和双向数据复制。在理想条件下，即数据库性能未受瓶颈（如带宽或I/O）限制时，我们能够实现每秒高达10万+的行处理速率（RPS）。通过精准的数据对比，我们确保数据的一致性，并提供灵活的控制，如限流和暂停功能，以适应不同场景的需求。即使在高峰期过后，也能暂停任务，待启动后支持断点续传，保证同步链路的稳定性。

对于双活或多活场景，NineData 数据同步逐步开始支持双向同步，并且也支持同步到Kafka，直接消费来写入到目标实例。

2.2.6 NineData 数据同步能力

第一次接触ClickHouse是在2017年，在Percona的一篇博客文章中了解到它的强大。直到2020年才真正开始使用，但在使用过程中遇到了一些问题，比如无主键表无法同步的情况、增量同步异常后的处理，目前市面上的同步工具也未能很好地解决这个问题。

在NineData集成ClickHouse方面，不仅解决了上面说的问题，还在数据类型支持方面比ClickHouse官方的同步引擎(materialsMySQL)更加全面，特别是在空间类型和地理位置类型方面。除了类型外，对增量的DDL和DML的支持、断点续传、限流、对比以及ETL方面都支持的更加全面。