MyScaleDB 集群使用模式入门

发表于 2024-05-30 更新于 2024-06-24 阅读次数：本文字数： 3.3k 阅读时长 ≈ 12 分钟

MyScaleDB 基于开源的 Clickhouse 项目二次开发，使用方式基本上与其相同，在向量索引、搜索上有功能拓展，使用的时候需要提醒注意(截止到20240524)：

Vector Search 现在只测过 MergeTree 和 ReplicatedMergeTree，其他的（Replacing/Summing/…）可能会有问题；
其他的引擎，存储非向量的数据仍然可以用，就跟普通 Clickhouse 是一样的；

本文基于此docker-compose进行演示。

如何使用此docker-compose

启动 docker-compose，要求本机已经安装 docker 以及 docker-compose,然后执行以下步骤：

复制 .env.example到同级目录
- cp .env.example .env
修改 .env
- 根据实际情况，修改 COMPOSE_PROJECT_NAME 的值，避免重复；
选择启动的集群模式，设置 COMPOSE_FILE 的值，其中 docker-compose-base.yaml 是不允许移除的：
- 单分区一备份模式 COMPOSE_FILE=docker-compose-base.yaml:docker-compose-1share-2replica.yaml
  - 提供一个 cluster_1s_2r 的集群，详情请查看配置文件 1share2replica_config.xml 中的remote_servers配置项；
- 双分区无备份模式 COMPOSE_FILE=docker-compose-base.yaml:docker-compose-2share-1replica.yaml
  - 提供一个 cluster_2s_1r 的集群，详情请查看配置文件 2share1replica_config.xml 中的remote_servers配置项
- 双分区一备份模式 COMPOSE_FILE=docker-compose-base.yaml:docker-compose-2share-2replica.yaml
  - 提供一个 cluster_2s_2r 的集群，详情请查看配置文件 2share2replica_config.xml 中的remote_servers配置项
检查本机的端口与配置中的端口是否有冲突，根据实际情况修改端口;
启动本程序前，可提前在本机 pull 运行镜像：
- myscale/myscaledb:$
- dbeaver/cloudbeaver:$
  - 提供 B/S 架构的数据库客户端服务，可在浏览器中使用，并访问此 docker-compose 中的 MyScaleDB 实例；
启动此 docker-compose: docker-compose up -d

成功启动后，本目录下默认会生成 volumes 文件夹,此文件夹保存这些容器的持久化数据，可以很方便地查看各个实例保存的文件，学习探索 MyScaleDB:

.
├── README.md
├── configs  [12 entries exceeds filelimit, not opening dir]
├── docker-compose-1share-2replica.yaml
├── docker-compose-2share-1replica.yaml
├── docker-compose-2share-2replica.yaml
├── docker-compose-base.yaml
└── volumes
    ├── cloudbeaver
    │   └── data
    │       ├── GlobalConfiguration
    │       └── user-projects
    │           └── cbadmin
    ├── keeper1
    │   ├── data
    │   │   ├── logs
    │   │   │   └── changelog_1_100000.bin.zstd
    │   │   ├── snapshots
    │   │   ├── state
    │   │   └── uuid
    │   └── log
    │       ├── clickhouse-keeper.err.log
    │       └── clickhouse-keeper.log
    ├── keeper2
    │   ├── data
    │   │   ├── logs
    │   │   │   └── changelog_1_100000.bin.zstd
    │   │   ├── snapshots
    │   │   ├── state
    │   │   └── uuid
    │   └── log
    │       ├── clickhouse-keeper.err.log
    │       └── clickhouse-keeper.log
    ├── keeper3
    │   ├── data
    │   │   ├── logs
    │   │   │   └── changelog_1_100000.bin.zstd
    │   │   ├── snapshots
    │   │   ├── state
    │   │   └── uuid
    │   └── log
    │       ├── clickhouse-keeper.err.log
    │       └── clickhouse-keeper.log
    ├── myscaledb1
    │   ├── data  [17 entries exceeds filelimit, not opening dir]
    │   └── log
    │       ├── clickhouse-server.err.log
    │       └── clickhouse-server.log
    ├── myscaledb2
    │   ├── data  [17 entries exceeds filelimit, not opening dir]
    │   └── log
    │       ├── clickhouse-server.err.log
    │       └── clickhouse-server.log
    ├── myscaledb3
    │   ├── data  [17 entries exceeds filelimit, not opening dir]
    │   └── log
    │       ├── clickhouse-server.err.log
    │       └── clickhouse-server.log
    └── myscaledb4
        ├── data  [17 entries exceeds filelimit, not opening dir]
        └── log
            ├── clickhouse-server.err.log
            └── clickhouse-server.log

35 directories, 28 files

登录用户信息

默认用户 default 无密码，只允许在 myscaledb 容器内使用 clickhouse-client 登录使用

docker exec -it myscaledb1 clickhouse-client --user default --password

# 注意，执行此命令后，系统要求输入密码，请直接回车即可

ClickHouse client version 23.3.2.1.
Password for user (default):
Connecting to localhost:9000 as user default.
Connected to ClickHouse server version 23.3.2 revision 54462.

Warnings:
* Linux is not using a fast clock source. Performance can be degraded. Check /sys/devices/system/clocksource/clocksource0/current_clocksource
* Table system.session_log is enabled. It's unreliable and may contain garbage. Do not use it for any kind of security monitoring.
* Some obsolete setting is changed. Check 'select * from system.settings where changed' and read the changelog.

default@:myscaledb1 :)

普通用户 myscaledb，密码同用户名。

MyScaleDB 分区与副本的使用说明

集群是副本和分片的基础，它将 ClickHouse 的服务拓扑由单个节点延伸到多个节点，并提供灵活的集群配置方式，在一个集群里配置不同的小集群，小集群中可以有不同的节点、分区以及副本数量。

MyScaleDB 的引擎

MyScaleDB 基于 ClickHouse 开发，因此基本上全盘继承了 ClickHouse 引擎。不同引擎对于分区和副本有不同的限制，因此了解各个引擎的差异，有助于我们更好地使用 MyScaleDB。以下是截止到20240523一些常见的 ClickHouse 表引擎：

MergeTree 系列引擎:
- MergeTree: 基础引擎，支持主键索引、数据分区。
- ReplicatedMergeTree: 用于实现数据副本。
- SummingMergeTree: 用于实时聚合求和。
- AggregatingMergeTree: 用于实时聚合任意的聚合函数。
- CollapsingMergeTree: 用于处理重复数据，例如时间序列数据中的取消操作。
- VersionedCollapsingMergeTree: 带有版本控制的 CollapsingMergeTree。
- GraphiteMergeTree: 用于存储和查询 Graphite 格式的数据。
Log 系列引擎:
- TinyLog: 简单引擎，用于快速写入小表，数据文件按列独立存储。
- Log: 支持并发读取，数据文件按列存储。
- StripeLog: 支持并发读取，所有列数据存储在同一个文件中。
集成外部数据源的引擎:
- HDFS: 允许直接从 HDFS 读取数据。
- MySQL: 允许从 MySQL 数据库读取数据。
- JDBC: 允许从任何支持 JDBC 的数据库读取数据。
- File: 允许读取文件系统上的数据。
特殊用途的引擎:
- Distributed: 用于分布式查询，不存储数据。
- Memory: 将所有数据保存在 RAM 中。
- Set: 用于存储唯一值。
- Buffer: 用于在特定条件下将数据异步写入目标表。
- MaterializedView: 物化视图，根据 SELECT 查询的结果创建。
其他引擎:
- Join: 用于在运行时执行 JOIN 操作。
- URL: 允许从 URL 读取数据。
- Kafka: 用于从 Kafka 读取数据。
- Redis: 用于从 Redis 读取数据。

以上这些引擎，按照对多分区、多副本的支持进行分类：

支持多分区的引擎:
- MergeTree: 支持数据分区。
- SummingMergeTree: 继承自 MergeTree，支持分区。
- AggregatingMergeTree: 继承自 MergeTree，支持分区。
- CollapsingMergeTree: 继承自 MergeTree，支持分区。
- VersionedCollapsingMergeTree: 继承自 CollapsingMergeTree，支持分区。
- GraphiteMergeTree: 继承自 MergeTree，支持分区。
支持多副本的引擎:
- ReplicatedMergeTree: 专为复制表设计，支持多副本。
既支持多分区，也支持多副本的引擎:
- ReplicatedMergeTree: 这是唯一一个既支持多分区也支持多副本的引擎。它结合了 MergeTree 系列引擎的分区特性和复制表引擎的多副本特性。

请注意，虽然 ReplicatedMergeTree 支持多分区和多副本，但是它通常用于特定的集群设置中，需要与 ZooKeeper/ClickHouseKeeper 一起使用以管理副本之间的一致性。

其他引擎，如 TinyLog, Log, StripeLog 等，虽然可能支持分区，但它们通常用于特定的用例，如日志存储，并不支持复制表的特性。而 Distributed, Memory, Set, Buffer 等引擎主要用于特定的查询或数据管理操作，并不直接支持多分区或多副本的特性。在选择表引擎时，需要根据具体的业务需求和集群架构来确定最适合的引擎。

在 cluster_2s_2r 集群使用 ReplicatedMergeTree 引擎示例

启动 docker-compose

按照如何使用此docker-compose 步骤在本机启动一套 MyScaleDB 集群，启动成功后，进入 myscaledb1 实例内的 clickhouse-client:

1	docker exec -it myscaledb1 clickhouse-client --user default --password

查看集群信息：

default@:myscaledb1 :) show clusters;

SHOW CLUSTERS

Query id: 246fc8bc-d94a-4410-aadb-224278262797

┌─cluster───────┐
│ cluster_2s_2r │
│ default       │
└───────────────┘

2 rows in set. Elapsed: 0.005 sec.

进入 myscaledb3 实例内的 clickhouse-client，查看集群信息，获得同样的结果:

default@:myscaledb3 :) show clusters;

SHOW CLUSTERS

Query id: 540fd0be-38d7-43ee-82d8-67bb8cc11447

┌─cluster───────┐
│ cluster_2s_2r │
│ default       │
└───────────────┘

2 rows in set. Elapsed: 0.004 sec.

查看 keeper 信息，如果一切运行正常，将会看到以下信息：

default@:myscaledb3 :) SELECT * FROM system.zookeeper WHERE path IN ('/', '/clickhouse');

SELECT *
FROM system.zookeeper
WHERE path IN ('/', '/clickhouse')

Query id: 98042db8-939f-493d-9ac3-eaba0860db63

┌─name───────┬─value─┬─path────────┐
│ keeper     │       │ /           │
│ clickhouse │       │ /           │
│ task_queue │       │ /clickhouse │
│ moqi       │       │ /clickhouse │
└────────────┴───────┴─────────────┘

4 rows in set. Elapsed: 0.007 sec.

创建 database + table

由于我们在此 docker-compose 中配置了 distributed-ddl.xml, 因此创建数据库、创建表支持分布式 DDL，我们在集群内某个节点执行相关操作，其他节点也会同步执行。我们选择 myscaledb4 节点，执行以下命令：

创建数据库

# 创建 testdb 数据库
default@:myscaledb4 :) CREATE DATABASE testdb ON CLUSTER 'cluster_2s_2r';

CREATE DATABASE testdb ON CLUSTER cluster_2s_2r

Query id: ad2e93ed-fbf6-498f-b8ab-a51066b87c5f

┌─host───────┬─port─┬─status─┬─error─┬─num_hosts_remaining─┬─num_hosts_active─┐
│ myscaledb3 │ 9000 │      0 │       │                   3 │                0 │
│ myscaledb1 │ 9000 │      0 │       │                   2 │                0 │
│ myscaledb4 │ 9000 │      0 │       │                   1 │                0 │
│ myscaledb2 │ 9000 │      0 │       │                   0 │                0 │
└────────────┴──────┴────────┴───────┴─────────────────────┴──────────────────┘

4 rows in set. Elapsed: 0.318 sec.

执行成功之后，四个节点的 myscaledb 实例，都已经创建了 testdb 数据库。选择 myscaledb1 节点，执行以下命令：

default@:myscaledb1 :) select * from system.databases where name='testdb';

SELECT *
FROM system.databases
WHERE name = 'testdb'

Query id: 55f0664b-e796-4821-864f-ece9807fd080

┌─name───┬─engine─────┬─data_path──────────────────┬─metadata_path───────────────────────────────────────────────────────┬─uuid─────────────────────────────────┬─engine_full─────────────────────────────────────────────────────────────┬─comment─┐
│ testdb │ Replicated │ /var/lib/clickhouse/store/ │ /var/lib/clickhouse/store/0dd/0dd896b7-8e88-4b87-94f3-3e8d59b50f5d/ │ 0dd896b7-8e88-4b87-94f3-3e8d59b50f5d │ Replicated('/clickhouse/moqi/databases/testdb', '{shard}', '{replica}') │         │
└────────┴────────────┴────────────────────────────┴─────────────────────────────────────────────────────────────────────┴──────────────────────────────────────┴─────────────────────────────────────────────────────────────────────────┴─────────┘

1 row in set. Elapsed: 0.060 sec.

创建数据库的表

在 myscaledb3 上执行 SQL 创建 tablemoqi

default@:myscaledb3 :) CREATE TABLE testdb.tablemoqi
                       (
                           `id` UInt64,
                           `column1` String
                       )
                       ENGINE = ReplicatedMergeTree
                       ORDER BY column1;

CREATE TABLE testdb.tablemoqi
(
    `id` UInt64,
    `column1` String
)
ENGINE = ReplicatedMergeTree
ORDER BY column1

Query id: 107fe99d-5656-4984-8048-2ea5935e208b

┌─shard─┬─replica────┬─status─┬─num_hosts_remaining─┬─num_hosts_active─┐
│ 02    │ myscaledb3 │ OK     │                   3 │                3 │
└───────┴────────────┴────────┴─────────────────────┴──────────────────┘
┌─shard─┬─replica────┬─status─┬─num_hosts_remaining─┬─num_hosts_active─┐
│ 02    │ myscaledb4 │ OK     │                   2 │                2 │
└───────┴────────────┴────────┴─────────────────────┴──────────────────┘
┌─shard─┬─replica────┬─status─┬─num_hosts_remaining─┬─num_hosts_active─┐
│ 01    │ myscaledb2 │ OK     │                   1 │                1 │
└───────┴────────────┴────────┴─────────────────────┴──────────────────┘
┌─shard─┬─replica────┬─status─┬─num_hosts_remaining─┬─num_hosts_active─┐
│ 01    │ myscaledb1 │ OK     │                   0 │                0 │
└───────┴────────────┴────────┴─────────────────────┴──────────────────┘

4 rows in set. Elapsed: 0.683 sec.

此处直接声明表的引擎为 ReplicatedMergeTree，实际测试法相，当声明引擎为 MergeTree，程序会自动转换创建使用 ReplicatedMergeTree 引擎。

在任意其他节点，都可查看到此 tablemoqi 已经创建成功：

default@:myscaledb4 :) select `database`,name,`uuid`,`engine` from system.tables where name='tablemoqi';

SELECT
    database,
    name,
    uuid,
    engine
FROM system.tables
WHERE name = 'tablemoqi'

Query id: d2ce86d8-caec-4b81-a549-eb2872abf6cb

┌─database─┬─name──────┬─uuid─────────────────────────────────┬─engine──────────────┐
│ testdb   │ tablemoqi │ 39b48ef9-c171-4c18-b0dd-13eea3b1505c │ ReplicatedMergeTree │
└──────────┴───────────┴──────────────────────────────────────┴─────────────────────┘

1 row in set. Elapsed: 0.012 sec.

插入数据

cluster_2s_2r 集群的网络拓扑如下图：

graph TD;
    A[cluster_2s_2r] --> B[Shard 1]
    A --> C[Shard 2]
    B --> B1[myscaledb1:9000]
    B --> B2[myscaledb2:9000]
    C --> C1[myscaledb3:9000]
    C --> C2[myscaledb4:9000]

需要说明的是，Shard1 与 Shard2 数据是隔离的，在 myscaledb1 操作表数据，相关命令会同步到 myscaledb2，但是不会影响到 myscaledb3、myscaledb4 节点。下面我们通过实际的 SQL 指令验证此结论：

在 myscaledb1 的 clickhouse-client 中执行：

default@:myscaledb1 :) INSERT INTO testdb.tablemoqi (id, column1) VALUES (1, 'abc1');

INSERT INTO testdb.tablemoqi (id, column1) FORMAT Values

Query id: a24a4892-5fd2-4f28-84c5-108b7e9798ae

Ok.

1 row in set. Elapsed: 0.204 sec.

default@:myscaledb1 :) select * from testdb.tablemoqi;

SELECT *
FROM testdb.tablemoqi

Query id: 656f7731-e176-4754-ad07-fca1c12dc18c

┌─id─┬─column1─┐
│  1 │ abc1    │
└────┴─────────┘

1 row in set. Elapsed: 0.030 sec.

进入 myscaledb2 的 clickhouse-client 中执行：

#######################################
# 查询表数据
#######################################
default@:myscaledb2 :) select * from testdb.tablemoqi;

SELECT *
FROM testdb.tablemoqi

Query id: bd615469-660d-4502-b2cf-b256d14958c2

┌─id─┬─column1─┐
│  1 │ abc1    │
└────┴─────────┘

1 row in set. Elapsed: 0.013 sec.

####################################### 
# 插入新数据
#######################################
default@:myscaledb2 :) INSERT INTO testdb.tablemoqi (id, column1) VALUES (2, 'abc2');

INSERT INTO testdb.tablemoqi (id, column1) FORMAT Values

Query id: 730349bc-18e6-4ac8-845a-2993309cd831

Ok.

1 row in set. Elapsed: 0.206 sec.

#######################################
# 查询表数据
#######################################
default@:myscaledb2 :) select * from testdb.tablemoqi;

SELECT *
FROM testdb.tablemoqi

Query id: 3ef60150-667c-4e11-aeb2-afa2308b74d9

┌─id─┬─column1─┐
│  1 │ abc1    │
└────┴─────────┘
┌─id─┬─column1─┐
│  2 │ abc2    │
└────┴─────────┘

2 rows in set. Elapsed: 0.042 sec.

进入 myscaledb3 的 clickhouse-client 中执行：

#######################################
# 查询表数据
# 我们可以看到，myscaledb1/myscaledb2 插入的数据
# 在 myscaledb3 并没有查询到
#######################################
default@:myscaledb3 :) select * from testdb.tablemoqi;

SELECT *
FROM testdb.tablemoqi

Query id: 12688a16-91d7-4b8a-bb87-8e8d6d98eeeb

Ok.

0 rows in set. Elapsed: 0.005 sec.

####################################### 
# 插入新数据
#######################################
default@:myscaledb3 :) INSERT INTO testdb.tablemoqi (id, column1) VALUES (3, 'abc3');

INSERT INTO testdb.tablemoqi (id, column1) FORMAT Values

Query id: 9d962379-55e8-42dd-b1b2-e6499c6e100d

Ok.

1 row in set. Elapsed: 0.238 sec.

进入 myscaledb4 的 clickhouse-client 中执行：

default@:myscaledb4 :) select * from testdb.tablemoqi;

SELECT *
FROM testdb.tablemoqi

Query id: 34b711f5-afaa-4391-8987-1bbf5f4f577c

┌─id─┬─column1─┐
│  3 │ abc3    │
└────┴─────────┘

1 row in set. Elapsed: 0.028 sec.

以上结果可以说明，分区 Shard1 与 Shard2 数据是隔离的。在下一个章节，会介绍如何将两个分区的数据合并查询。

创建 Distributed 分布式表引擎表

Distributed 自身不存储任何数据，而是作为数据分片的透明代理，能够自动路由数据至集群中的各个节点，所以 Distributed 表引擎需要和其他数据表引擎一起协同工作。在任意一个 myscaledb 节点执行以下命令：

default@:myscaledb4 :) CREATE TABLE testdb.tablemoqi_dist
                       (
                           `id` UInt64,
                           `column1` String
                       )
                       ENGINE = Distributed('cluster_2s_2r', 'testdb', 'tablemoqi', rand());

CREATE TABLE testdb.tablemoqi_dist
(
    `id` UInt64,
    `column1` String
)
ENGINE = Distributed('cluster_2s_2r', 'testdb', 'tablemoqi', rand())

Query id: 2cf95bd7-b0ef-4f7c-bb5c-cee4be38dd96

┌─shard─┬─replica────┬─status─┬─num_hosts_remaining─┬─num_hosts_active─┐
│ 02    │ myscaledb4 │ OK     │                   3 │                3 │
└───────┴────────────┴────────┴─────────────────────┴──────────────────┘
┌─shard─┬─replica────┬─status─┬─num_hosts_remaining─┬─num_hosts_active─┐
│ 01    │ myscaledb1 │ OK     │                   2 │                0 │
│ 02    │ myscaledb3 │ OK     │                   1 │                0 │
│ 01    │ myscaledb2 │ OK     │                   0 │                0 │
└───────┴────────────┴────────┴─────────────────────┴──────────────────┘

4 rows in set. Elapsed: 0.235 sec.

一个名为 tablemoqi_dist 的 Distributed 分布式表引擎的表在四个节点都已经创建，此时，在任意节点查询 testdb.tablemoqi_dist，都可以将两个分区的 testdb.tablemoqi 表数据合并在一起查询：

分布式查询

在 myscaledb4 查询 tablemoqi_dist:

default@:myscaledb4 :) select * from testdb.tablemoqi_dist;

SELECT *
FROM testdb.tablemoqi_dist

Query id: 8917e8e2-f720-40b5-8001-fbd3b7464c08

┌─id─┬─column1─┐
│  3 │ abc3    │
└────┴─────────┘
┌─id─┬─column1─┐
│  1 │ abc1    │
└────┴─────────┘
┌─id─┬─column1─┐
│  2 │ abc2    │
└────┴─────────┘

3 rows in set. Elapsed: 0.051 sec.

在 myscaledb2 查询 tablemoqi_dist:

default@:myscaledb2 :) select * from testdb.tablemoqi_dist;

SELECT *
FROM testdb.tablemoqi_dist

Query id: 8d376b3d-cbc5-4a77-bafc-0b7939c7c2e3

┌─id─┬─column1─┐
│  1 │ abc1    │
└────┴─────────┘
┌─id─┬─column1─┐
│  2 │ abc2    │
└────┴─────────┘
┌─id─┬─column1─┐
│  3 │ abc3    │
└────┴─────────┘

3 rows in set. Elapsed: 0.099 sec.

分布式写入

在 myscaledb1 对 testdb.tablemoqi_dist 插入四条数据:

default@:myscaledb1 :) INSERT INTO testdb.tablemoqi_dist (id, column1) VALUES (4, 'abc4');

INSERT INTO testdb.tablemoqi_dist (id, column1) FORMAT Values

Query id: 93ee6c27-12d1-4883-b393-11af20874e68

Ok.

1 row in set. Elapsed: 0.199 sec.

default@:myscaledb1 :) INSERT INTO testdb.tablemoqi_dist (id, column1) VALUES (5, 'abc5');

INSERT INTO testdb.tablemoqi_dist (id, column1) FORMAT Values

Query id: 6eccc9bf-abfb-49d6-a9d2-3b86f6faafa9

Ok.

1 row in set. Elapsed: 0.035 sec.

default@:myscaledb1 :) INSERT INTO testdb.tablemoqi_dist (id, column1) VALUES (6, 'abc6');

INSERT INTO testdb.tablemoqi_dist (id, column1) FORMAT Values

Query id: 3caa458e-6304-481f-b31c-581dbc80f844

Ok.

1 row in set. Elapsed: 0.041 sec.

default@:myscaledb1 :) INSERT INTO testdb.tablemoqi_dist (id, column1) VALUES (7, 'abc7');

INSERT INTO testdb.tablemoqi_dist (id, column1) FORMAT Values

Query id: b82c00f9-c693-4c23-8f17-4435814af5cd

Ok.

1 row in set. Elapsed: 0.076 sec.

# 查询集群内数据结果

default@:myscaledb1 :) select * from testdb.tablemoqi_dist;

SELECT *
FROM testdb.tablemoqi_dist

Query id: 32dc2a3e-ca06-4776-96c0-f6b001245002

┌─id─┬─column1─┐
│  1 │ abc1    │
│  2 │ abc2    │
└────┴─────────┘
┌─id─┬─column1─┐
│  3 │ abc3    │
│  4 │ abc4    │
│  5 │ abc5    │
│  6 │ abc6    │
│  7 │ abc7    │
└────┴─────────┘

7 rows in set. Elapsed: 0.074 sec

在 cluster_2s_2r 集群的配置文件 2share2replica_config.xml 中分配配置分片的权重(weight)为 10/20，系统会根据此权重值判断数据存储的集群，实际数据分布会跟本教程有所区别。分别在 myscaledb2、myscaledb3 查看实际存储数据的表 testdb.tablemoqi 记录的数据数量:

在 myscaledb2 中:

default@:myscaledb2 :) select * from testdb.tablemoqi;

SELECT *
FROM testdb.tablemoqi

Query id: 4cbb09fe-4755-47cd-a7c4-1ca559822a8f

┌─id─┬─column1─┐
│  1 │ abc1    │
│  2 │ abc2    │
└────┴─────────┘

2 rows in set. Elapsed: 0.021 sec.

在 myscaledb3 中:

default@:myscaledb3 :) select * from testdb.tablemoqi;

SELECT *
FROM testdb.tablemoqi

Query id: 1be83841-687d-41aa-9bcf-f3f7ad522fbe

┌─id─┬─column1─┐
│  3 │ abc3    │
│  4 │ abc4    │
│  5 │ abc5    │
│  6 │ abc6    │
│  7 │ abc7    │
└────┴─────────┘

5 rows in set. Elapsed: 0.012 sec.