本文记录了 ClickHouse 在生产环境上比较常见的问题以及排查方法。

分布式DDL某数据节点的副本不执行

问题：使用分布式 ddl 执行命令 create table on cluster xxxx 某个节点上没有创建表，但是 client 返回正常，查看日志有如下报错：

1	<Error> xxx.xxx: Retrying createReplica(), because some other replicas were created at the same time

解决方法：重启该不执行的节点。

数据副本表和数据不一致

问题：由于某个数据节点副本异常，导致两数据副本表不一致，某个数据副本缺少表，需要将两个数据副本调整一致。
解决办法：
在缺少表的数据副本节点上创建缺少的表，创建为本地表，表结构可以在其他数据副本通过 show crete table xxxx 获取。
表结构创建后，ClickHouse 会自动从其他副本同步该表数据，验证数据量是否一致即可。

副本节点全量恢复

问题：某个数据副本异常无法启动，需要重新搭建副本。
解决办法：

清空异常副本节点的 metadata 和 data 目录；
从另一个正常副本将 metadata 目录拷贝过来（这一步之后可以启动数据库，但是只有表结构没有数据）；
执行 sudo -u clickhouse touch /data/clickhouse/flags/force_restore_data；
启动数据库。

数据副本启动缺少zk表

问题：某个数据副本表在 zk 上丢失数据，或者不存在，但是 metadata 元数据里存在，导致启动异常，报错：

1	an’t get data for node /clickhouse/tables/01-02/xxxxx/xxxxxxx/replicas/xxx/metadata: node doesn’t exist (No node): Cannot attach table xxxxxxx

解决办法：

metadata 中移除该表的结构文件，如果多个表报错都移除 mv metadata/xxxxxx/xxxxxxxx.sql /tmp/；
启动数据库；
手工创建缺少的表，表结构从其他节点 show create table 获取；
创建后会自动同步数据，验证数据是否一致。

ZK table replicas 数据未删除，导致重建表报错

问题：重建表过程中，先使用 drop table xxx on cluster xxx，各节点在 ClickHouse 上 table 已物理删除，但是 zk 里面针对某个 ClickHouse 节点的 table meta 信息未被删除（低概率事件），因 zk 里仍存在该表的 meta 信息，导致再次创建该表 create table xxx on cluster，该节点无法创建表（其他节点创建表成功），报错：

1	Replica /clickhouse/tables/01-03/xxxxxx/xxx/replicas/xxx already exists..

解决办法：
从其他数据副本 cp 该 table 的 metadata sql 过来，然后重启节点。

Clickhouse节点意外关闭

问题：模拟其中一个节点意外宕机，在大量 insert 数据的情况下，关闭某个节点。
现象：数据写入不受影响、数据查询不受影响、建表 DDL 执行到异常节点会卡住，报错：

Code: 159. DB::Exception: Received from localhost:9000. DB::Exception: Watching task /clickhouse/task_queue/ddl/query-0000565925 is executing longer than distributed_ddl_task_timeout (=180) seconds. There are 1 unfinished hosts (0 of them are currently active), they are going to execute the query in background.

解决办法：启动异常节点，期间其他副本写入数据会自动同步过来，其他副本的建表 DDL 也会同步。
更多其他问题可参考：https://help.aliyun.com/document_detail/162815.html?spm=a2c4g.11186623.6.652.312e79bd17U8IO