统一观测丨借助 Prometheus 监控 ClickHouse 数据库

榑桑 阿里云云原生 2023-07-26 18:31 发表于浙江

引言

Cloud Native

ClickHouse 作为用于联机分析(OLAP)的列式数据库管理系统(DBMS)，最核心的特点是极致压缩率和极速查询性能。同时，ClickHouse 支持 SQL 查询，在基于大宽表的聚合分析查询场景下展现出优异的性能。因此，获得了广泛的应用。本文旨在分享阿里云可观测监控 Prometheus 版对开源 ClickHouse 的监控实践。

01

ClickHouse 简介

Cloud Native

（一）技术特点

• 列式存储与数据压缩：

在执行数据查询时，列式存储可以减少数据扫描范围和数据传输大小，提高数据查询的效率。

• 完备的 DBMS 功能

• DDL （数据定义语言）：可以动态地创建、修改或删除数据库、表和视图，而无须重启服务；
• DML（数据操作语言）：可以动态查询、插入、修改或删除数据。

• 权限控制：

可按照用户粒度设置数据库或表的操作权限，保障数据安全性。

• 数据备份与恢复

提供数据备份导出与导入恢复机制，满足生产环境要求。

• 分布式管理

提供集群模式，自动管理多个数据库节点。

（二）ClickHouse 典型适用场景

• 复杂查询聚合的 OLAP 场景；
• 需要支持稳定大量数据写入；
• 不需要高频查询；
• 不需要高级 DBMS 功能，如事务性；不需要经常很复杂的表间操作，比如 join 操作。

（三）ClickHouse 核心概念

• ClickHouse 集群（Cluster）
• 在物理构成上，ClickHouse 集群是由多个 ClickHouse Server 实例组成的分布式数据库。这些 ClickHouse Server 根据规格的不同可以包含 1 个或多个副本（Replica）、1 个或多个分片（Shard）。在逻辑构成上，一个 ClickHouse 集群可以包含多个数据库（Database）对象。
• 分片（Shard）
• 在超大规模海量数据处理场景下，单台服务器的存储、计算资源会成为瓶颈。为了进一步提高效率，ClickHouse 将海量数据分散存储到多台服务器上，每台服务器只存储和处理海量数据的一部分，在这种架构下，每台服务器被称为一个分片（Shard）。
• 副本（Replica）
• 为了在异常情况下保证数据的安全性和服务的高可用性，ClickHouse 提供副本机制，将单台服务器的数据冗余存储在 2 台或多台服务器上。
• 数据库（Database）
• 数据库是云数据库 ClickHouse 集群中的最高级别对象，内部包含表（Table）、列（Column）、视图（View）、函数、数据类型等。
• 表（Table）
• 表是数据的组织形式，由多行、多列构成。

02

ClickHouse Metrics 监控参考模型

Cloud Native

我们从 Metrics 采集、监控大盘、告警规则等三个方面定义 ClickHouse Metrics 监控的参考模型，以便实现监控闭环。

（一）Metrics 采集

• 主机节点监控即硬件资源(Node-Exporter)

• 处理器、内存负载；
• 磁盘存储；

• ClickHouse 服务指标监控(集成进ClickHouse-Exporter)

• 系统指标（metrics）：system.metrics 表用于统计 ClickHouse 服务在运行时，当前正在执行的高层次的概要信息，包括了正在执行的查询总次数、正在发生的合并操作总次数等。具体指标通过执行 select * from system.metrics；
• 系统事件（events）：system.events 用于统计 ClickHouse 服务在运行过程中已经执行过的高层次的 累积概要信息，包括查询总次数、 SELECT 查询总次数等，具体指标通过执行查询 select * from system.events--> 64 个指标；
• 系统异步指标（asynchronous_ metrics）：asynchronous_metrics 用于统计 ClickHouse 服务运行过程时，当前正在后台异步运行的高层次的概要信息，包括当前分配的内存、执行队列中的任务数量等。具体指标通过执行查询 select * from system.asynchronous_metrics --> 500 个指标；
• 查询日志：查询日志目前主要有 6 种类型，所有查询日志在默认配置下都是关闭状态，需要在 config.xml 文件配置，开启日志后可以到对应的日志表进行日志查询 system.query_log。

（1）主机节点监控

需要事先安装该部分指标主要来源于 Node-Exporter，提供集群/ ECS 节点 CPU、内存、磁盘、inode 等监控指标。

（2）ClikcHouse 服务指标

ClikckHouse 内置 Metrics、events 和 asynchronous_metrics 三张系统表用于存放其监控指标，通过预先安装 clickhouse-exporter 将这三张系统表中的数据转化、发送给阿里云可观测监控 Prometheus 版。

⚠️注意: 以上列出的为关键指标，更多详细指标详见: prometheus 实例详情页-集成中心-ClickHouse

（二）ClickHouse 监控大盘

我们默认提供了 arms-clickhouse-ecs 和 arms-clickhouse-k8s 两个大盘，分别针对 Clickhouse 安装在 ACK 集群/ ECS 中两个场景，这两个大盘中图标均来自于上述 Metrics 指标。

⚠️注意: 主机节点监控需提前安装 Node-Exporter，以下大盘图示数值仅为展示作用，不具备参考价值，实际数值依 ClickHouse 环境而定

（1）主机节点指标

（2）ClickHouse Server指标

（3）MergeTree 指标

（4）消息队列指标

（三）告警规则

参考前面对各项主要指标介绍，针对 ClickHouse 可以重点配置以下告警项，这些告警项已内置到 arms-clickhouse 告警规则中，可依据自身业务情况及经验调整告警阈值：

• 【L0】CPU 超过 90%
• 【L0】Mem 超过 90%
• 【L0】Disk 超过 90%
• 【L0】Inode 使用率超过 90%
• 【L0】写入失败率超过 5%
• 【L1】运行 Query 个数超过 95
• 【L1】连接数超过 4k
• 【L1】失败 Query 个数超过 10

（四）相关实践示例

（1）CPU 过高

• 确认 CPU 占用过高是由 ClickHouse 引起的。可以通过 top 命令 top -H -p xxx查看系统的 CPU 占用率，找出占用 CPU 比较高的进程。如果发现 ClickHouse 进程占用了大量 CPU 资源，那么就需要进一步排查。
• 使用 ClickHouse 内置查询来查看系统的状态。可以使用以下查询：

SHOW PROCESSLIST query WHERE query NOT LIKE '%SYSTEM%' ORDER BY elapsed DESC LIMIT 10           

这个查询可以列出最耗时的查询，找到可能引起 CPU 占用过高的查询语句。

• 检查 ClickHouse 配置。一些配置参数可能导致 ClickHouse 占用大量 CPU 资源。可以查看 ClickHouse 配置文件，确认配置是否合理，是否需要调整。
• 检查 ClickHouse 日志。ClickHouse 日志中可能包含错误信息或警告信息，可以帮助找出问题所在。
• 检查硬件资源是否充足。如果系统 CPU、内存等硬件资源不足，那么 ClickHouse 可能会出现 CPU 占用过高的情况。可以检查系统的硬件资源使用情况，确认是否需要升级硬件。
• 升级 ClickHouse 版本。如果是 ClickHouse 版本的问题，可以考虑升级到更稳定的版本。

（2）内存过高

• 使用内置查询查看内存占用情况。可以使用以下查询来查看 ClickHouse 系统的内存占用情况：

SELECT * FROM system.metrics WHERE metric LIKE '%memory%';           

这个查询会列出 ClickHouse 的各个内存指标，包括总内存、已用内存、缓存内存等。可以根据这些指标来判断内存占用是否过高。

• 检查 ClickHouse 的配置。一些配置参数可能会导致 ClickHouse 占用大量的内存资源。可以查看 ClickHouse 的配置文件，确认配置是否合理，是否需要调整。
• 检查系统的内存资源使用情况。如果系统的内存资源不足，那么 ClickHouse 可能会出现内存占用过高的情况。可以使用命令 free -m 查看系统的内存使用情况。
• 检查 ClickHouse 的日志。ClickHouse 的日志中可能包含错误信息或警告信息，可以帮助找出问题所在。
• 升级 ClickHouse 版本。如果是 ClickHouse 版本的问题，可以考虑升级到更稳定的版本。
• 减少查询语句的数据量和计算量。如果查询语句的数据量和计算量过大，那么 ClickHouse 可能会占用大量的内存资源。可以考虑优化查询语句，减少数据量和计算量。

（3）Disk 占用过高

• 使用系统工具查看磁盘占用情况。可以使用命令 df -h 来查看系统的磁盘使用情况，查看是否有磁盘空间不足的情况。
• 检查 ClickHouse 的配置。一些配置参数可能会导致 ClickHouse 占用大量的磁盘资源。可以查看 ClickHouse 的配置文件，确认配置是否合理，是否需要调整。
• 使用 ClickHouse 内置的查询来查看磁盘占用情况。可以使用以下查询来查看 ClickHouse 的磁盘占用情况：

SELECT database, table, sum(bytes) AS total_size FROM system.parts WHERE active GROUP BY database, table ORDER BY total_size DESC           

这个查询会列出 ClickHouse 的各个表的占用磁盘空间情况，可以根据这个查询来判断磁盘占用是否过高。

• 检查 ClickHouse 的日志。ClickHouse 的日志中可能包含错误信息或警告信息，可以帮助找出问题所在。
• 清理不必要的数据。如果 ClickHouse 中存在不必要的数据，可以考虑进行清理，释放磁盘空间。

03

如何使用阿里云可观测监控

Prometheus 版监控 ClickHouse 服务

Cloud Native

（一）安装

根据 ClickHouse 安装方式：

• 如果 ClickHouse 部署在 ACK 中，请参考 Prometheus for 容器服务；
• 如果 ClickHouse 部署在 ECS 中，参考 Prometheus for ECS。

（1）安装方式一：Prometheus for 容器服务

在 Prometheus for 容器服务实例中，ClickHouse 已经默认在集成中心中展示，用户可以在 arms 控制台-实例详情页-集成中心中找到入口，点击 ClickHouse 图标，可以看到常见的指标列表和大盘缩略图。点击+安装可以接入 ClickHouse 监控，配置如下图：

• Exporter 名称: 自定义 Exporter 名称；
• ClickHouse scrape 地址: ip+port，Exporter 能够访问的 Clickhouse 地址 ；
• ClickHouse 用户名: 登陆用户名；
• ClickHouse 密码: 登陆密码；
• Metrics 采集间隔(秒): 默认 30s 采集一次, 一般不需要更改。

点击确定后，clickhouse-exporter-填入的名称的 Exporter 会被安装到 arms-prom 命名空间下，并自动完成采集 job 的配置。

可以在实例详情页-集成中心-已安装-ClikckHouse 中快速浏览相关的 Target/指标/大盘/告警/服务发现/ Exporter 等信息。

（2）安装方式二：Prometheus for ECS

安装 ClickHouse 相同 VPC 的Prometheus for ECS 实例，由于Prometheus for ECS实例中 ClickHouse 的主机节点监控来自于Node-Exportor，所以先安装 Node-Exportor。用户可以在 arms 控制台-实例详情页-集成中心中找到入口，点击Node-Exporter 图标，点击+安装可以接入 Node-Exporter 监控，然后选择对应 ECS 实例安装即可。

用户可以在 arms 控制台-实例详情页-集成中心中找到入口，点击 ClickHouse 图标，点击+安装可以接入 ClickHouse 监控，配置与上述 Prometheus for 容器服务相同。

（3）指标未采集的排查方法

⚠️注意: 下面是 prometheus for 容器实例的排查方法，prometheus for ecs 实例请联系 prometheus 值班-美娜

ClickHouse-Exporter 本身的主要工作是指标映射，需要填入正确 ClickHouse 抓取 URL 及登陆用户名、密码。如果出现指标采集不到的问题，可以参考如下的排查思路。

1. 检查 Prometheus Target 状态，如果 Target 显示为 Unhealthy 状态，请排查 clickhouse-exporter Pod 运行状态；如果 Target 状态正常，继续下一步。

2. 若 Target 状态正常，但抓取指标量很少且指标全为 go_ 相关查看 clickhouse-exporter Pod 日志，确认日志中是否有报错信息。

3. 查看 clickhouse-exporter Pod 日志，确定 Exporter 抓取目标 URL 是否正常。

（二）查看大盘

如需要查看 ClickHouse 相关大盘，可以从实例详情页-集成中心-已安装-ClikckHouse 中点选大盘，列出两类大盘 arms-clickhouse-ecs 和 arms-clickhouse-k8s，根据环境选择对应的大盘模板。

以下是 arms-clickhouse-k8sVariables 参数说明:

• datasource : 数据源，选择对应的实例名称；
• job: 新建 clickhouse-exporter 对应 job 名称，与 clickhouse-exporter 名称一致，用于展示 ClickHouseServer 指标、MergeTree 指标、消息队列指标；
• namespace: Clickhouse Pod 所在的命名空间，用于主机节点指标筛选；
• pod: 可根据需要选择对应的 Clickhouse Pod，用于主机节点指标筛选。

以下是 arms-clickhouse-ecsVariables 参数说明:

• datasource: 数据源，选择对应的实例名称；
• job: 新建的 Clickhouse-exporter 对应 job 名称，与 Clickhouse-exporter 名称一致，用于展示 ClickHouseServer 指标、MergeTree 指标、消息队列指标；
• instance: ecs 实例 IP，用于主机节点筛选。

（三）配置告警

在集成中心安装 ClickHouse 监控时，已经默认增加了 arms-clickhouse 告警分组的相关规则，但未启用，您只需要简单修改参数并确认启用即可。

可以从实例详情页-集成中心-已安装-ClikckHouse 中选择告警-创建告警规则进入规则新增页面，在其中告警分组选择 arms-clickhouse 告警分组并根据环境选择您需要启用的告警指标，确认参数阈值并保存，即可完成告警规则的创建。

04

自建 Prometheus 与阿里云可观测监控 Prometheus 版

监控 ClickHouse 优劣对比

Cloud Native

Prometheus 作为目前最主流的可观测开源项目之一，已经被众多企业所广泛应用。然而在监控开源云产品方面，还是会遇到不少的困难与挑战:

• 每套完整的自建观测系统都需要安装并配置 Prometheus、Grafana、AlertManager 等组件，部署过程复杂、实施周期长，并且每次升级都需要对每个组件进行维护；
• 开源分享的相关大盘不够专业，更新速度慢，缺少开箱即用的丰富指标；
• 由于安全、组织管理等因素，用户业务通常部署在多个相互隔离的 VPC，需要在多个 VPC 内都重复、独立部署 Prometheus，导致部署和运维成本高。

针对以上问题，阿里云可观测监控 Proemtheus 版进行了以下优化：

结束语

Cloud Native

阿里云可观测监控 Prometheus 版与阿里云容器服务无缝集成，提供了开源 ClickHouse 的指标采集、用户大盘、告警规则等项目的一键集成，用户免运维，开箱即用，目前 ClickHouse 指标采集功能仍在不断演进中，欢迎大家试用和提出改进意见。

相关链接：

[1] 开源 exporter

[2] 开源 Grafana ClickHouse 大盘