Clickhouse硬盘爆了！该如何进行排查和优化设置？

Hello大家好，在我们使用了clickhouse进行数据存储后，多多少少遇到一些棘手的问题，在此分享一下，希望对有同样情况的同学有所帮助。

我们平台使用clickhouse改造后，系统流畅度得到大幅提升，大家有兴趣可以来体验一下效果，Webfunny前端监控和埋点系统

如大家所知，Clickhouse数据有几大优点，很适合处理海量的数据，如：查询效率高、clickhouse号称10亿数据，毫秒级查询返回结果；数据压缩率高、它采用了列式存储，对数据压缩有天然优势，节省硬盘资源；集群化、clickhouse天生支持集群化，同时有分区和分片设计，已经涵盖了我们按天分表的设计。

因此我们义无反顾的采用clickhouse进行了webfunny平台数据大改造，改造后效果确实符合我们要求，但是迎来了第一个问题——硬盘“爆了”。

硬盘爆了、技术同学急了，什么情况？不是说存储压缩率高，节省硬盘吗？这还没弄几下，硬盘就爆满了！！！这咋整？今天我们就分三步来告诉大家怎么排查和优化设置：

第一步、对比查找硬盘消耗最多的东西是什么

进入linux服务器，查看总体消耗
硬盘消耗情况查看：df -h

在 Linux 系统中，/dev/vda3 通常是一个设备文件，代表一个磁盘分区，是无法通过cd命令进入的。
所以我们可以进入 cd / 然后执行 du -sh *`命令来查看硬盘占用细节。
经过一番排查，最终确定是clickhouse对硬盘的消耗最大。

第二步、排查数据库内部占用情况

通过对Table size进行排序，可以看出，数据的总量也不过就是在百兆以内，所以肯定不是业务表消耗的。

既然不是业务表，那么就应该是是系统表消耗的，所以我们在clickhouse官网上找到了关于系统表的描述，原文查看

官网描述中，介绍了有哪些系统表，已经他们的创建规则，所以我们对这些系统表进行注意排查，也许是我的数据库版本原因，有些日志表是找不到的
sql整理如下：

SELECT count(*) FROM system.query_log

SELECT count(*) FROM system.metric_log

SELECT count(*) FROM system.trace_log

SELECT count(*) FROM system.part_log

经排查，占用最多的是query_log这个系统表，虽然业务数据才几百兆，但是query_log却有几亿条，是大头，其他log也有百万到千万不等。

接着我们对query_log进行了清理，这一步耗时比较长，要耐心等一会，执行sql如下：

ALTER TABLE system.query_log DELETE 
WHERE query_start_time < '2024-10-26 00:00:00'

我们先清理的linux系统里的日志文件，然后执行删除sql，可以看到硬盘的消耗明显下降了，由此可以确定硬盘爆满的原因了。

第三步、优化配置和解决方法

clickhouse默认会采集所有的日志备用，但是很多时候我们不会去查看日志，对于不需要的经常去查看这些日志的同学，可以调整配置内容
clickhouse提供了官网配置文档，进入/etc/clickhouse-server/config.xml文件中可以调整各项参数
database: database the system log table belongs to. This option is deprecated now. All system log tables are under database system.
table: table to insert data.
partition_by: specify PARTITION BY expression.
ttl: specify table TTL expression. 这里是设置删除周期，它默认是30天，你可以设置为1天或者其他时间。
flush_interval_milliseconds: interval of flushing data to disk.
engine: provide full engine expression (starting with ENGINE = ) with parameters. This option conflicts with partition_by and ttl. If set together, the server will raise an exception and exit.
max_size_rows: 分区最大行数，个人认为，如果有必要可以设置小一点

<clickhouse>
    <query_log>
        <database>system</database>
        <table>query_log</table>
        <partition_by>toYYYYMM(event_date)</partition_by>
        <ttl>event_date + INTERVAL 30 DAY DELETE</ttl>
        <!--
        <engine>ENGINE = MergeTree PARTITION BY toYYYYMM(event_date) ORDER BY (event_date, event_time) SETTINGS index_granularity = 1024</engine>
        -->
        <flush_interval_milliseconds>7500</flush_interval_milliseconds>
        <max_size_rows>1048576</max_size_rows>
        <reserved_size_rows>8192</reserved_size_rows>
        <buffer_size_rows_flush_threshold>524288</buffer_size_rows_flush_threshold>
        <flush_on_crash>false</flush_on_crash>
    </query_log>
</clickhouse>

以上是clichouse硬盘爆满的整个过程分享，感兴趣的同学可以直接访问webfunny前端监控和前端埋点系统