HaKafka

HaKafka 是一种特殊的表引擎，修改自社区 Kafka 引擎。使用 Kafka / HaKafka 引擎可以订阅 Kafka 上的 topic，拉取并解析 topic 中的消息，然后通过 MaterializedView 将 Kafka/HaKafka 解析到的数据写入到目标表（一般为HaMergeTree）。
在 ByteHouse GUI 中，创建 Kafka 导入任务，底层即为创建了 HaKafka 和 MaterializedView 两张表。

在 ByteHouse 中，社区的 Kafka 引擎目前基本上未做改动，不具备高可用的功能，不推荐使用，以下仅介绍 HaKafka。

SQL 建表

建表语法

建一张 HaKafka 的语法如下：

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
    name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1],
    name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2],
    ...
) ENGINE = HaKafka('{shard}', '{replica}')
SETTINGS (.....)

SETTINGS

影响 HaKafka 的 users.xml 参数

手动建导入任务

你可以通过控制面自动建导入任务，但若你需要手动建导入任务，则需要建一张 HaKafka 表，一张 Materialized View 物化视图，以及一张 HaMergeTree（或 HaUniqueMergeTree）的底表。以下展示了手动建表的示例。

步骤1：建 HaKafka 表

CREATE TABLE TEST.CONSUMER_tce_service_resource_usage_local ON CLUSTER default (
    `current_ts` Int64,
    `psm` String,
    `cpu_limit_pod` Float64
) ENGINE = HaKafka('/clickhouse/experiment/TEST.CONSUMER_tce_service_resource_usage_local_233/{shard}', '{replica}')
SETTINGS 
    kafka_cluster = 'xxx_cluster',  -- 替换成kafka集群名
    kafka_topic_list = 'xxx_topic', -- 替换成业务方的topic
    kafka_group_name = 'xxx_group_name', -- 替换成自己想取的 group_name
    kafka_format = 'JSONEachRow', -- 一般用json
    kafka_row_delimiter = '\n', -- 一般是 \n

建好之后，可以直接从表中 SELECT 数据 (一般用来debug，不能在线上使用)

SELECT * FROM TEST.CONSUMER_tce_service_resource_usage_local LIMIT 3 FORMAT CSVWithNames;
-- "current_ts","psm","cpu_limit_pod"

-- 1567666740,"toutiao.video.user_packer",4

-- 1567666740,"ad.bi.datacore",4

-- 1567666740,"tce.sysprobe.probeagent",2

步骤2 建本地表与物化视图表

HaKafka 表定义了如何从 Kafka topic 中消费（解析）数据，为了将数据写入磁盘中，还需要建立一张 HaMergeTree 为引擎的目标表（或 HaUniqueMergeTree 为引擎），以及一张物化视图。

--- 准备一张存储数据的HaMergeTree表，
CREATE TABLE TEST.tce_service_resource_usage_local ON CLUSTER default (
    `current_ts` Int64,
    `psm` String,
    `cpu_limit_pod` Float64
) ENGINE = HaMergeTree('/clickhouse/experiment/TEST.tce_service_resource_usage_local_666/{shard}', '{replica}')
PARTITION BY toDate(current_ts) ORDER BY psm

--- 再建一张物化视图，表示把数据从HaKafka表中SELECT出来写入到HaMergeTree表
CREATE MATERIALIZED VIEW TEST.VIEW_tce_service_resource_usage_local ON CLUSTER default
TO TEST.tce_service_resource_usage_local
AS SELECT 
    current_ts,  
    psm, 
    cpu_limit_pod 
    FROM TEST.CONSUMER_TEST_tce_service_resource_usage_local

三张表建好之后，每隔一段时间 (取决于 stream_flush_interval_ms 参数和数据持久化的时间)，数据会写入目标表中。之后只需要查询目标表即可。

开启 / 关闭 / 重启消费

SQL 语法：

SYSTEM START/STOP/RESTART CONSUME <table_name>

语义：
开启/关闭/重启 HaKafka engine 的消费。将会改变HaKafka表的消费状态（ON/OFF），并持久化到磁盘，重启之后仍然保持原有状态。

1. 三个操作都是幂等的，可以多次执行。 多次START/STOP仅有第一次生效，多次RESTART则每次都会生效。
2. STOP/RESTART 都会销毁当前消费者。
3. 可以通过 system.kafka_tables 的 consumer_switch 字段查询是否开启/停止消费。

更改设置

通过如下语句可以修改 HaKafka 表设置，修改成功后会自动重启消费

ALTER TABLE db.table MODIFY SETTING <name1> = <value1>, <name2> = <value2>

Virtual Columns

有的业务方需要获取 Kafka 消息的元数据（e.g. 消息的partition, offset等）。我们可以使用 virtual columns 功能来满足这个需求。virtual columns 不需要在建表的时候指定，是表引擎本身的属性。在SELECT语句查询时可以显式选出 virtual columns（同样可以放到VIEW表的SELECT语句中）：

-- 
SELECT 
    _topic,    -- String
    _partition,    -- UInt64
    _key,    -- String
    _offset,    -- UInt64
    _content,  -- String: 完整的消息内容 
    *    -- 正常列可以通过*展开，虚拟列则不能
FROM TEST.CONSUMER_tce_service_resource_usage_local LIMIT 10