clickhouse的BACKUP/RESTORE命令介绍

无论是备份还是恢复，执行效率都非常高同压缩比备份，支持不同的备份目的地支持增量备份需要开放配置，操作性上不太友好集群备份到本地时，必须要选共享目录，如果每个分片单独备份，则无法进行数据汇总，存留于节点自身，与没有备份没什么区别，还不如多加副本数据恢复功能尚不太完备推荐一个零声学院免费教程，个人觉得老师讲得不错，分享给大家：[Linux，Nginx，ZeroMQ，MySQL，Redis，fastdf

chenyc4

3515人浏览 · 2023-05-29 10:44:08

chenyc4 · 2023-05-29 10:44:08 发布

clickhouse的数据备份和恢复功能在大数据运维中是非常常用的功能，目前也有很多比较优秀的开源方案可供选择，比如clickhouse-backup，以及clickhouse自带的clickhouse-copier。
本文介绍使用clickhouse自带的BACKUP和RESTORE命令进行备份和恢复。
我认为，一个比较好的备份恢复工具，至少需要满足以下几个功能：

可以批量选择表
可以增量备份
可以比较方便地对数据进行恢复
支持集群操作
可以选择多个备份目的地，如Local、S3、HDFS等
为了方便恢复，元数据也需要一起备份

基本语法

BACKUP|RESTORE
  TABLE [db.]table_name [AS [db.]table_name_in_backup]
    [PARTITION[S] partition_expr [,...]] |
  DICTIONARY [db.]dictionary_name [AS [db.]name_in_backup] |
  DATABASE database_name [AS database_name_in_backup]
    [EXCEPT TABLES ...] |
  TEMPORARY TABLE table_name [AS table_name_in_backup] |
  VIEW view_name [AS view_name_in_backup]
  ALL TEMPORARY TABLES [EXCEPT ...] |
  ALL DATABASES [EXCEPT ...] } [,...]
  [ON CLUSTER 'cluster_name']
  TO|FROM File('<path>/<filename>') | Disk('<disk_name>', '<path>/') | S3('<S3 endpoint>/<path>', '<Access key ID>', '<Secret access key>')
  [SETTINGS base_backup = File('<path>/<filename>') | Disk(...) | S3('<S3 endpoint>/<path>', '<Access key ID>', '<Secret access key>')]

从该语法中，我们大致能读到以下信息：

可以指定某一张表的某个partition进行备份
可以指定某个数据库进行备份，且可以剔除该数据库中的某些表不进行备份
可以备份临时表，视图
可以全量备份所有表，所有数据库（支持黑名单排除）
支持在集群上做备份
支持备份到File、Disk和S3
支持压缩备份
支持增量备份

接下来我们以实战的方式，演示一下该命令的一些操作。

备份到文件

准备工作

配置准备

首先，我们需要在配置文件中加入以下内容：

<clickhouse>
    <backups>
        <allowed_path>/data01/backup</allowed_path>
    </backups>
</clickhouse>

代表允许备份，且备份目录为/data01/backup。

数据准备

我当前集群信息如下：
在这里插入图片描述
该集群有3个节点，其中ck93和ck94组成一个分片，ck96单独一个分片。
我们在集群上创建一张表，并导入一些数据：

CREATE TABLE t1 ON CLUSTER abc
(
    `id` Int64,
    `timestamp` DateTime,
    `value` Float32
)
ENGINE = ReplicatedMergeTree
PARTITION BY toYYYYMMDD(timestamp)
ORDER BY (id, timestamp)

并向该表写入了1亿条数据：
在这里插入图片描述
数据分布如下：

--shard1
ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: a9b4610b-daa9-48b3-806b-3136657d2d9e

┌──count()─┐
│ 50000000 │
└──────────┘

1 row in set. Elapsed: 0.002 sec. 
--shard2
ck96 :) select count() from t1;

SELECT count()
FROM t1

Query id: f655d9ce-0176-4220-8e35-69d2261fc60d

┌──count()─┐
│ 50000000 │
└──────────┘

1 row in set. Elapsed: 0.003 sec.

备份

分别在shard1和shard2上执行backup命令如下：

--shard1
ck94 :) backup table default.t1 to File('20230528');

BACKUP TABLE default.t1 TO File('20230528')

Query id: c1214b1c-dc84-48f4-9d01-c9adebf21bf3

┌─id───────────────────────────────────┬─status─────────┐
│ 1d30a0c9-4094-43b7-b2b6-9645e79d7fc1 │ BACKUP_CREATED │
└──────────────────────────────────────┴────────────────┘

1 row in set. Elapsed: 0.050 sec. 

--shard2
ck96 :) backup table default.t1 to File('20230528');

BACKUP TABLE default.t1 TO File('20230528')

Query id: 40df720f-8c2c-47c1-97d1-035186becac2

┌─id───────────────────────────────────┬─status─────────┐
│ 30c9a090-f6a5-4055-a157-5747b1d0772c │ BACKUP_CREATED │
└──────────────────────────────────────┴────────────────┘

1 row in set. Elapsed: 0.049 sec.

执行完成后，在ck94的/data01/backup目录下，有如下数据生成：

[root@ck94 backup]# tree
20230528/
├── data
│   └── default
│       └── t1
│           ├── 20230416_0_20_4
│           │   ├── checksums.txt
│           │   ├── columns.txt
│           │   ├── count.txt
│           │   ├── default_compression_codec.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── minmax_timestamp.idx
│           │   ├── partition.dat
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230416_21_51_6
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230416_52_52_0
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── data.bin
│           │   ├── data.mrk3
│           │   ├── minmax_timestamp.idx
│           │   └── primary.idx
│           ├── 20230416_53_53_0
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── data.bin
│           │   ├── data.mrk3
│           │   └── primary.idx
│           ├── 20230423_0_5_1
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── minmax_timestamp.idx
│           │   ├── partition.dat
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230423_12_12_0
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230423_13_13_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230423_14_14_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── minmax_timestamp.idx
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230423_15_15_0
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── data.bin
│           │   ├── data.mrk3
│           │   └── primary.idx
│           ├── 20230423_16_16_0
│           │   ├── checksums.txt
│           │   ├── count.txt
│           │   ├── data.bin
│           │   ├── data.mrk3
│           │   ├── minmax_timestamp.idx
│           │   └── primary.idx
│           ├── 20230423_6_11_1
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230424_0_5_1
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── minmax_timestamp.idx
│           │   ├── partition.dat
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230424_12_12_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230424_13_13_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230424_14_14_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230424_15_15_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           ├── 20230424_16_16_0
│           │   ├── checksums.txt
│           │   ├── id.bin
│           │   ├── id.mrk2
│           │   ├── primary.idx
│           │   ├── timestamp.bin
│           │   ├── timestamp.mrk2
│           │   ├── value.bin
│           │   └── value.mrk2
│           └── 20230424_6_11_1
│               ├── checksums.txt
│               ├── id.bin
│               ├── id.mrk2
│               ├── primary.idx
│               ├── timestamp.bin
│               ├── timestamp.mrk2
│               ├── value.bin
│               └── value.mrk2
└── metadata
    └── default
        └── t1.sql

ck98目录同样也是如此，这里就不贴出来了。
从以上目录结构，可以看出，备份的文件分为data和metadata两个子目录、data用来存储数据，metadata用来存储表结构，并且内部根据数据库、表、partition做了层级区分。

看一下ck96上备份目录大小：

[root@ck94 backup]# du -sh 20230528/
108M    20230528/

[root@ck96 backup]# du -sh 20230528/
112M    20230528/

可见备份的数据也是压缩后的数据。（压缩前有1.49G）
接下来，我们试试直接在集群层面进行备份：

ck94 :) backup table default.t1 on cluster abc to File('abc_20230528');

BACKUP TABLE default.t1 ON CLUSTER abc TO File('abc_20230528')

Query id: e0763743-a6bc-430a-a28b-c493c7fd6478


0 rows in set. Elapsed: 0.188 sec. 

Received exception from server (version 23.3.1):
Code: 655. DB::Exception: Received from localhost:19000. DB::Exception: Got error from 192%2E168%2E101%2E93:19000. DB::Exception: Lock file .lock suddenly disappeared while writing backup File('abc_20230528'). (FAILED_TO_SYNC_BACKUP_OR_RESTORE)

它报了一个错，这个错误在github上有人提了issue：https://github.com/ClickHouse/ClickHouse/issues/41313，大意就是，在集群备份时，选取的备份的目录不能是各个节点自己的目录，需要一个远程共享目录（这一点对于to Disk是同样适用的）。这里我就没有尝试了，下次有暇可以测试一下使用NFS目录在集群层面进行备份。

由以上信息，可以得出以下结论：

备份速度非常快，1亿条数据基本不到1秒就能完成
备份的同时，元数据也进行了备份，因此可以快速恢复
备份是同比压缩备份的，不会出现数据膨胀
无法进行集群级别备份（除非设置为远程共享目录）

恢复

恢复主要使用RESTORE命令。
当原始表有数据时，直接恢复是会报错的：

ck94 :) RESTORE TABLE default.t1 FROM File('20230528');

RESTORE TABLE default.t1 FROM File('20230528')

Query id: e5d3eea4-5a58-4283-b9ce-d2fa9fa5fa1c


0 rows in set. Elapsed: 0.009 sec. 

Received exception from server (version 23.3.1):
Code: 608. DB::Exception: Received from localhost:19000. DB::Exception: Cannot restore the table default.t1 because it already contains some data. You can set structure_only=true or allow_non_empty_tables=true to overcome that in the way you want: While restoring data of table default.t1. (CANNOT_RESTORE_TABLE)

原因是原表已经有数据了。解决方案有3个：

方案1：备份到另一张表

具体操作如下：

ck94 :) RESTORE TABLE default.t1 AS default.t2 FROM File('20230528');

RESTORE TABLE default.t1 AS default.t2 FROM File('20230528')

Query id: e39dc666-3a00-4556-b8df-69e0e8d7fb63


0 rows in set. Elapsed: 0.017 sec. 

Received exception from server (version 23.3.1):
Code: 253. DB::Exception: Received from localhost:19000. DB::Exception: Replica /clickhouse/tables/abc/default/t1/1/replicas/192.168.101.94 already exists: While creating table default.t2. (REPLICA_ALREADY_EXISTS)

上述操作报了一个错，该报错的原因是我们在创建t2表时，zk路径已经存在了。

这是由于我们设置的zk默认路径如下：

<default_replica_name>{replica}</default_replica_name>
<default_replica_path>/clickhouse/tables/{cluster}/{database}/{table}/{shard}</default_replica_path>

而我们创建t1表时，指定的engine为ReplicatedMergeTree，没有带任何参数，默认使用的就是这个地址，因此我们创建t2表时，zoopath冲突，导致不能恢复成功。
我们尝试手动建表来恢复，仍然不能成功，原因是我们备份的元数据中，t1表的zoopath已经与t2表不一致了，无法恢复。

ck94 :) create table t2 on cluster abc AS t1  ENGINE=ReplicatedMergeTree() PARTITION BY toYYYYMMDD(timestamp) ORDER BY (id, timestamp);

CREATE TABLE t2 ON CLUSTER abc AS t1
ENGINE = ReplicatedMergeTree
PARTITION BY toYYYYMMDD(timestamp)
ORDER BY (id, timestamp)

Query id: 61d6f3eb-5c58-4e88-a5aa-63712d538d8c

┌─host───────────┬──port─┬─status─┬─error─┬─num_hosts_remaining─┬─num_hosts_active─┐
│ x.x.x.x │ 19000 │      0 │       │                   2 │                0 │
│ x.x.x.x │ 19000 │      0 │       │                   1 │                0 │
│ x.x.x.x │ 19000 │      0 │       │                   0 │                0 │
└────────────────┴───────┴────────┴───────┴─────────────────────┴──────────────────┘

3 rows in set. Elapsed: 0.115 sec. 

ck94 :) RESTORE TABLE default.t1 AS default.t2 FROM File('20230528');

RESTORE TABLE default.t1 AS default.t2 FROM File('20230528')

Query id: fa2086ec-3a65-436e-b871-eb7cf960c11e


0 rows in set. Elapsed: 0.007 sec. 

Received exception from server (version 23.3.1):
Code: 608. DB::Exception: Received from localhost:19000. DB::Exception: The table has a different definition: CREATE TABLE default.t2 (`id` Int64, `timestamp` DateTime, `value` Float32) ENGINE = ReplicatedMergeTree('/clickhouse/tables/{cluster}/default/t2/{shard}', '{replica}') PARTITION BY toYYYYMMDD(timestamp) ORDER BY (id, timestamp) SETTINGS index_granularity = 8192 comparing to its definition in the backup: CREATE TABLE default.t2 (`id` Int64, `timestamp` DateTime, `value` Float32) ENGINE = ReplicatedMergeTree('/clickhouse/tables/{cluster}/default/t1/{shard}', '{replica}') PARTITION BY toYYYYMMDD(timestamp) ORDER BY (id, timestamp) SETTINGS index_granularity = 8192: While checking table default.t2. (CANNOT_RESTORE_TABLE)

因此，这个方案无解，除非我们修改掉zoopath的规则。

方案2：设置允许非空表备份

ck94 :) RESTORE TABLE default.t1 FROM File('20230528') SETTINGS allow_non_empty_tables=true;

RESTORE TABLE default.t1 FROM File('20230528') SETTINGS allow_non_empty_tables = 1

Query id: 8bc125ef-5a48-4595-9b1a-977b62e98f4e

┌─id───────────────────────────────────┬─status───┐
│ 7f2662a8-8bab-4b4b-bdc3-24a3df5231f9 │ RESTORED │
└──────────────────────────────────────┴──────────┘

1 row in set. Elapsed: 0.114 sec.

这种方案是可行的，但是，我们查询一下恢复后的数据：

ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: 7510842d-7278-4bf7-9539-4c5c34b38043

┌───count()─┐
│ 100000000 │
└───────────┘

1 row in set. Elapsed: 0.002 sec. 

ck94 :)

它在原有的数据基础上翻了个倍。等于说数据冗余了一倍，如果设置的不是去重的引擎，那么这些数据将一直存在，将会大大影响磁盘占用和查询效率。
因此，这种手段只适用于原表已经不存在，或者原表数据清空的情况下做恢复。

方案3：设置仅恢复structure

ck94 :) RESTORE TABLE default.t1 FROM File('20230528') SETTINGS structure_only=true;

RESTORE TABLE default.t1 FROM File('20230528') SETTINGS structure_only = 1

Query id: 77ce87fd-2eb3-47df-8a96-3423c248a54d

┌─id───────────────────────────────────┬─status───┐
│ a0d63803-4b32-49be-983f-6d71d8c7451f │ RESTORED │
└──────────────────────────────────────┴──────────┘

1 row in set. Elapsed: 0.004 sec. 

ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: cd0404cd-1dd0-49f0-a828-de3e6fa4e8d9

┌───count()─┐
│ 100000000 │
└───────────┘

1 row in set. Elapsed: 0.003 sec.

该操作数据并没有翻倍，但是，该操作仅仅是同步了表schema，并没有同步数据，假如原表数据因为某种原因缺失了（比如只剩下了100w条），当我们执行restore语句，仍然是100w条数据，而没有把原始的5000w条数据都恢复回来。

ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: b8f19f4a-0339-44d7-8618-f3d741ebc679

┌─count()─┐
│ 1000000 │
└─────────┘

1 row in set. Elapsed: 0.003 sec. 

ck94 :) RESTORE TABLE default.t1 FROM File('20230528') SETTINGS structure_only=true;

RESTORE TABLE default.t1 FROM File('20230528') SETTINGS structure_only = 1

Query id: 94e70a0d-4910-4802-8af2-3606fc3a7a1e

┌─id───────────────────────────────────┬─status───┐
│ d18869cc-880a-42d0-9405-863e6ac33216 │ RESTORED │
└──────────────────────────────────────┴──────────┘

1 row in set. Elapsed: 0.003 sec. 

ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: 32df3010-00c2-48a1-9f3d-cfc42c69ad12

┌─count()─┐
│ 1000000 │
└─────────┘

1 row in set. Elapsed: 0.002 sec.

如果表不存在，我们使用该命令进行恢复，也仅仅恢复的是表schema，而不是所有数据：

ck94 :) drop table t1 sync;

DROP TABLE t1 SYNC

Query id: f3a596b8-f18e-4606-908d-8da26d5efd37

Ok.

0 rows in set. Elapsed: 0.022 sec. 

ck94 :) RESTORE TABLE default.t1 FROM File('20230528') SETTINGS structure_only=true;

RESTORE TABLE default.t1 FROM File('20230528') SETTINGS structure_only = 1

Query id: 5c27980f-857c-4b87-93ab-70375ef51c78

┌─id───────────────────────────────────┬─status───┐
│ 7191ab88-f59a-477b-924f-93ce34ed3dea │ RESTORED │
└──────────────────────────────────────┴──────────┘

1 row in set. Elapsed: 0.606 sec. 

ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: 2a11f16e-11ad-44cd-88f7-66e0008f8c16

┌─count()─┐
│       0 │
└─────────┘

1 row in set. Elapsed: 0.002 sec.

当然，如果表都不存在了，我们使用最原始的命令就能恢复：

ck94 :) RESTORE TABLE default.t1 FROM File('20230528');

RESTORE TABLE default.t1 FROM File('20230528')

Query id: efb398bb-8368-4aa8-9efa-dacb316faca0

┌─id───────────────────────────────────┬─status───┐
│ 54a3b913-e91e-456b-84ce-d3aa10237ff6 │ RESTORED │
└──────────────────────────────────────┴──────────┘

1 row in set. Elapsed: 0.146 sec. 

ck94 :) select count() from t1;

SELECT count()
FROM t1

Query id: a6fa6b7b-834c-4c41-bf9c-658695b19bc7

┌──count()─┐
│ 50000000 │
└──────────┘

1 row in set. Elapsed: 0.003 sec.

增量备份

表的增量备份应该是数据备份最基本的需求，如果每次只支持全量备份，第一，效率上难以保证（虽然这种备份看起来速度很快，因为相当于直接拷贝了数据目录），二来磁盘空间限制，不太可能频繁全量备份。
我们在ck96上插入100条数据：

ck96 :) insert into t1 select * from t1 limit 100;

INSERT INTO t1 SELECT *
FROM t1
LIMIT 100

Query id: a4515af0-f32d-4af2-b4ec-fae2b08425e7

Ok.

0 rows in set. Elapsed: 0.010 sec. 

ck96 :) select count() from t1;

SELECT count()
FROM t1

Query id: 63c7b438-3dcd-4ea7-bb98-c6ed90021eac

┌──count()─┐
│ 50000100 │
└──────────┘

1 row in set. Elapsed: 0.004 sec.

我们的诉求是只备份这增量的100条数据，而不备份存量的5000w条数据。
我们可以通过设置base_backup来完成，即：在某次备份的基础上进行备份。
操作如下：

ck96 :) backup table default.t1 to File('20230529') SETTINGS base_backup = File('20230528');

BACKUP TABLE default.t1 TO File('20230529') SETTINGS base_backup = File('20230528')

Query id: 41e871ae-63bf-420a-956d-254a18c7a4af

┌─id───────────────────────────────────┬─status─────────┐
│ dd5fcaf4-303c-4246-a255-f75ac664af4d │ BACKUP_CREATED │
└──────────────────────────────────────┴────────────────┘

1 row in set. Elapsed: 0.027 sec.

可以看到，在备份目录下，出现了20230529的目录：

[root@ck96 backup]# ll
total 8
drwxr-x--- 4 clickhouse clickhouse 4096 May 29 07:06 20230528
drwxr-x--- 3 clickhouse clickhouse 4096 May 29 07:38 20230529
[root@ck96 backup]# du -sh *
112M    20230528
72K     20230529

[root@ck96 backup]# tree 20230529
20230529
└── data
    └── default
        └── t1
            └── 20230416_55_55_0
                ├── checksums.txt
                ├── count.txt
                ├── data.bin
                ├── data.mrk3
                ├── minmax_timestamp.idx
                └── primary.idx

查看count.txt，可见此次备份的数据条数为100条：

[root@ck96 backup]# cat 20230529/data/default/t1/20230416_55_55_0/count.txt 
100[root@ck96 backup]#

备份到Disk

配置准备

我们在存储策略里增加一个backup的Disk：

    <storage_configuration>
        <disks>
            <backup>
                <path>/data01/ssd1/</path>
                <type>local</type>
            </backup>
        </disks>
    </storage_configuration>

然后在backups中增加允许备份的磁盘：

    <backups>
        <allowed_disk>backup</allowed_disk>
        <allowed_path>/data01/backup</allowed_path>
    </backups>

数据备份

我们仍以t1表为例，备份命令为：

ck94 :) BACKUP TABLE default.t1 TO Disk('backup', 't1.zip');

BACKUP TABLE default.t1 TO Disk('backup', 't1.zip')

Query id: 07df2cf7-de21-4a9a-bf0d-98e96d5e5a08

Connecting to localhost:19000 as user default.
Connected to ClickHouse server version 23.3.1 revision 54462.

┌─id───────────────────────────────────┬─status─────────┐
│ e0765c7a-afe4-4475-843c-92769d7b8089 │ BACKUP_CREATED │
└──────────────────────────────────────┴────────────────┘

1 row in set. Elapsed: 2.754 sec.

可以看到，同样是5000w条数据，该操作就比直接备份到File要慢近100倍左右。它这个慢，主要在于，备份到File，是直接目录拷贝，而备份到Disk，则多了压缩的过程。
但是我们同时也看到，备份后的数据是以zip压缩的，压缩后数据大小为69M，比之原始数据的108M要小将近1倍。

[root@ck94 ssd1]# du -sh t1.zip 
69M     t1.zip

我们将该zip文件解压出来：

[root@ck94 ssd1]# du -sh *
108M    data
4.0K    metadata
69M     t1.zip

可见原始数据仍然是108M大小。

至于集群层面备份，以及增量备份、数据恢复，与File都是一样的，这里就不多做演示了。
还有一些精细的玩法，如备份到磁盘时对压缩包进行加密，仅备份某一个partition，以及指定压缩算法和压缩等级等。
由于Disk本身的特性，我们甚至可以将Disk设置到HDFS以及S3上，因此可以使用该功能，将数据直接备份到这些对象存储之上。
当然备份到S3，还有另外的方案。BACKUP和RESTORE命令是直接支持了备份到S3的。接下来我们就来演示一下。

备份到S3

S3环境准备

我们使用docker启动一个minio来模拟S3环境。启动命令如下：

docker run --restart=always -itd --name minio \
--publish 49000:9000 \
--publish 49001:9001 \
--privileged=true \
-e TZ="Asia/Shanghai" \
-e MINIO_ROOT_USER=minio \
-e MINIO_ROOT_PASSWORD=minio@123 \
-e MINIO_REGION_NAME=zh-west-1 \
bitnami/minio:latest

启动后，进入http://localhost:49001/browser 即可打开前端页面。
在这里插入图片描述
我们在用户名和密码处填写启动docker时传入的环境变量，即： minio/minio@123，登陆进去后界面如下所示：

数据备份到S3需要以下信息：

endpoint
Access key ID
Secret access key
endpoint我们已经有了，接下来我们创建一组access key。
如下图所示，依次点击Access Keys， Create Access key：

点击Create：

我们需要将这一组access key 和secret key记下来：

数据备份是要备份到bucket下面的，我们需要提前创建好bucket：

如图，我提前创建了一个名为backup的bucket：

至此，准备工作完成。

数据备份

我们依然备份t1表，命令如下：

ck94 :) BACKUP TABLE default.t1 TO S3('http://192.168.101.94:49000/backup/t1', 'W0Plkfnyy8clAvPp', 'oNGbi5vUvJC9huolu0k8lkl05nsUxv6p');

BACKUP TABLE default.t1 TO S3('http://192.168.101.94:49000/backup/t1', 'W0Plkfnyy8clAvPp', 'oNGbi5vUvJC9huolu0k8lkl05nsUxv6p')

Query id: a02479c8-d54e-4bdc-b3f6-0bb638754dcc

┌─id───────────────────────────────────┬─status─────────┐
│ 040d8cb6-7d2c-45c4-95ad-844aa4e87ce2 │ BACKUP_CREATED │
└──────────────────────────────────────┴────────────────┘

1 row in set. Elapsed: 0.515 sec.

这时，我们上浏览器已经能查看到数据了：
在这里插入图片描述
我们尝试在集群上备份数据：

ck94 :) BACKUP TABLE default.t1 ON CLUSTER abc TO S3('http://192.168.101.94:49000/backup/t1_all', 'W0Plkfnyy8clAvPp', 'oNGbi5vUvJC9huolu0k8lkl05nsUxv6p');

BACKUP TABLE default.t1 ON CLUSTER abc TO S3('http://192.168.101.94:49000/backup/t1_all', 'W0Plkfnyy8clAvPp', 'oNGbi5vUvJC9huolu0k8lkl05nsUxv6p')

Query id: e88f933b-3f73-47e1-8502-25a44c8727cd

┌─id───────────────────────────────────┬─status─────────┐
│ a846e557-953e-4f9c-bbe2-d512baf0a030 │ BACKUP_CREATED │
└──────────────────────────────────────┴────────────────┘

1 row in set. Elapsed: 6.653 sec.

从它的目录排布，它已经自动按照shard做了区分：
在这里插入图片描述

由于S3是远程共享目录，是可以执行的，不过整个执行过程比较耗时。1亿一条数据，用时接近6秒。不过从单节点备份只耗时0.5秒来看，该时间并不是随着数据量的增加而正比例递增的，而是主要耗时在与zookeeper的交互，获取元数据上。
增量备份与数据恢复与File类似，此处就不多做介绍了。

总结

BACKUP和RESTORE命令的备份恢复的优点是显而易见的：

无论是备份还是恢复，执行效率都非常高
同压缩比备份，支持不同的备份目的地
支持增量备份

但缺点也是有的，我认为主要是以下几点：

需要开放配置，操作性上不太友好
集群备份到本地时，必须要选共享目录，如果每个分片单独备份，则无法进行数据汇总，存留于节点自身，与没有备份没什么区别，还不如多加副本
数据恢复功能尚不太完备

推荐一个零声学院免费教程，个人觉得老师讲得不错，分享给大家：[Linux，Nginx，ZeroMQ，MySQL，Redis，
fastdfs，MongoDB，ZK，流媒体，CDN，P2P，K8S，Docker，
TCP/IP，协程，DPDK等技术内容，点击立即学习: C/C++Linux服务器开发/高级架构师

K8S/Kubernetes

K8S/Kubernetes社区为您提供最前沿的新闻资讯和知识内容

更多推荐

【深度】阿里巴巴万级规模 K8s 集群全局高可用体系之美

作者 | 韩堂、柘远、沉醉来源 | 阿里巴巴云原生公众号前言台湾作家林清玄在接受记者采访的时候，如此评价自己 30 多年写作生涯：“第一个十年我才华横溢，‘贼光闪现’，令周边黯然失色；第二个十年，我终于‘宝光现形’，不再去抢风头，反而与身边的美丽相得益彰；进入第三个十年，繁华落尽见真醇，我进入了‘醇光初现’的阶段，真正体味到了境界之美”。长夜有穷，真水无香。领略过了 K8s“身在江

K8S/Kubernetes

如何基于 K8s 构建下一代 DevOps 平台？

作者 | 孙健波（天元）导读：当前云原生 DevOps 体系现状如何？面临哪些挑战？如何通过 OAM 解决云原生 DevOps 场景下的诸多问题？云原生开发应用模型 OAM(Open Application Model) 社区核心成员孙健波将为大家一一解答，并分享如何基于 OAM 和 Kubernetes 打造无限能力的下一代 DevOps 平台。什么是 DevOps？为什么基于 Kub