ON CLUSTER:分布式 DDL 队列与部分失败
ON CLUSTER 将 DDL 作为分布式任务在各主机执行。成功节点不会因为另一节点失败自动撤销表;离线节点可能在恢复后继续处理任务,等待超时也不等于所有节点最终状态相同。它不是分布式 schema 原子事务。
机制与确认边界
运维需要记录每节点执行状态、队列有效期、错误和 schema 版本。客户端遇到超时后先查询实际状态,再决定幂等重试、补建或人工修复;不要直接发逆向 DDL 假设能恢复全局旧状态,尤其当部分节点已接收数据。
实现与验证范围
模型 ddl 接收节点成功掩码并保留成功集合;原生故意让一个节点已有同名对象,引发部分失败,然后分别检查 SHOW/EXISTS。ReplicatedMergeTree 的数据复制日志、Keeper 的一致性和 DDL 队列是不同层,不把复制日志序号当成跨节点 DDL 回滚机制。
本章共享图解见 7.1 的机制图 ,其中的状态与确认点需和本节一起阅读。
状态与时序补图
sequenceDiagram
participant C as 发起端
participant Q as DDL队列
participant A as 节点一
participant B as 节点二
C->>Q: CREATE ... ON CLUSTER
Q->>A: 执行DDL
A-->>Q: 成功,保留对象
Q->>B: 执行DDL
B-->>Q: 同名对象冲突
Q-->>C: 部分失败或超时
Note over A,B: 节点一不自动回滚;客户端先核对每个节点
复现与资料
下载本卷实验包
,按 README 运行 Java 8 lab.RunAll。单节点原生运行 clickhouse-probe.sh,多分片与复制实验运行 clickhouse_cluster.py;每个脚本仅把实际执行并断言的场景记为实测。外部源、真实 Kafka、TTL 介质、TPC-H 和未测版本的功能不包含在这些结果中。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。