我已经在分布式引擎文档中阅读了有关内部复制设置的内容。
如果此参数设置为“true”，则写入操作将选择第一个正常副本并向其写入数据。如果分布式表“查看”复制的表，请使用此替代方法。换句话说，如果要写入数据的表要自己复制它们。
如果设置为“false”（默认值），则数据将写入所有副本。本质上，这意味着分布式表复制数据本身。这比使用复制表更糟糕，因为复制副本的一致性没有得到检查，而且随着时间的推移，它们将包含略有不同的数据。
我用的是典型的 KafkaEngine 与 Materialized View （mv）设置，加上使用 Distributed table。我有一组示例，其中 ReplicatedReplacingMergeTree 以及 Distributed 上面的表格如下所示：

CREATE TABLE IF NOT EXISTS pageviews_kafka (
// .. fields
) ENGINE = Kafka
SETTINGS
  kafka_broker_list = '%%BROKER_LIST%%',
  kafka_topic_list = 'pageviews',
  kafka_group_name = 'clickhouse-%%DATABASE%%-pageviews',
  kafka_format = 'JSONEachRow',
  kafka_row_delimiter = '\n';

CREATE TABLE IF NOT EXISTS pageviews (
   // fields
) ENGINE ReplicatedReplacingMergeTree('/clickhouse/tables/{shard}/%%DATABASE%%/pageviews', '{replica}', processingTimestampNs)
PARTITION BY toYYYYMM(dateTime)
ORDER BY (clientId, toDate(dateTime), userId, pageviewId);

CREATE TABLE IF NOT EXISTS pageviews_d AS pageviews ENGINE = Distributed('my-cluster', %%DATABASE%%, pageviews, sipHash64(toString(pageviewId)));

CREATE MATERIALIZED VIEW IF NOT EXISTS pageviews_mv TO pageviews_d AS
SELECT
 // fields 
FROM pageviews_kafka;

问题：
我使用的是默认值 internal_replication 在分布式表中，这是错误的。这是否意味着分布式表正在将所有数据写入所有副本？所以，如果我 internal_replication 如果为true，那么replicatedreplacingmergetree的每个示例将只有其在整个表中的份额，而不是整个数据集，从而优化数据存储？如果是这样的话，复制也会受到影响—如何定义特定数量的复制副本？
我使用实体的id作为分发散列。我已经阅读了altinity的clickhouse kafka引擎常见问题，问题“q。如何在群集中使用kafka引擎表？”，如下所示：
另一种可能是将kafka引擎表中的数据刷新到分布式表中。不过，它需要更仔细的配置。特别是，分布式表需要有一些切分键（不是随机散列）。要使replicatedmergetree的重复数据消除正常工作，这是必需的。分布式表将重试对同一块的插入，这些插入可以通过clickhouse进行重复数据消除。
但是，我在这里使用了一个半随机散列（它是实体id，其思想是将同一实体示例的不同副本（在本例中是pageview）分组在一起）。它的实际问题是什么？为什么不鼓励？