一、HDFS
### --- HDFS
~~~ 该引擎提供了集成 Apache Hadoop 生态系统通过允许管理数据 HDFS通过ClickHouse.
~~~ 这个引擎是相似的 到 文件和 URL 引擎，但提供Hadoop特定的功能。
### --- 用途
~~~ 该 URI 参数是HDFS中的整个文件URI。 该 format 参数指定一种可用的文件格式。
~~~ 执行 SELECT 查询时，格式必须支持输入，
~~~ 并执行 INSERT queries – for output. The available formats are listed in the 格式 科。
~~~ 路径部分 URI 可能包含水珠。 在这种情况下，表将是只读的。
ENGINE = HDFS(URI, format)
二、HDFS示例
### --- 在Hadoop上创建clickhouse目录并创建参数文件
~~~ # 在hdfs下创建clickhouse目录
[root@hadoop01 ~]# hdfs dfs -mkdir /clickhouse
~~~ # 修改clickhouse文件的属主属组
[root@hadoop01 ~]# hdfs dfs -chown clickhouse:clickhouse /clickhouse
### --- 创建HDFS链接clickhouse表：hdfs_engine_table
~~~ # 设置hdfs_engine_table表
hadoop01 :) CREATE TABLE hdfs_engine_table (
name String,
value UInt32
) ENGINE=HDFS('hdfs://hadoop01:9000/clickhouse/hdfs_engine_table', 'TSV');
~~~输出参数
CREATE TABLE hdfs_engine_table
(
`name` String,
`value` UInt32
)
ENGINE = HDFS('hdfs://hadoop01:9000/clickhouse/hdfs_engine_table', 'TSV')
Ok.
~~~ # 插入数据
hadoop01 :) INSERT INTO hdfs_engine_table VALUES ('one', 1), ('two', 2), ('three', 3);
~~~ 输出参数
INSERT INTO hdfs_engine_table VALUES
Ok.
### --- 查询clickhouse链接hdfs的数据：
~~~ # 查看clickhouse链接hdfs的数据
hadoop01 :) SELECT * FROM hdfs_engine_table LIMIT 2;
┌─name─┬─value─┐
│ one │ 1 │
│ two │ 2 │
└──────┴───────┘
### --- 查看hdfs下文件内容
~~~ # 查看hdfs下文件内容
[root@hadoop01 ~]# hdfs dfs -cat /clickhouse/hdfs_engine_table
one 1
two 2
three 3
三、实施细节
### --- 读取和写入可以并行不支持:
~~~ # ALTER 和 SELECT...SAMPLE 操作。
~~~ 索引。
~~~ 复制。
### --- 路径中的水珠
~~~ 多个路径组件可以具有globs。 对于正在处理的文件应该存在并匹配到整个路径模式。
~~~ 文件列表确定在 SELECT （不在 CREATE 时刻）。
~~~ — Substitutes any number of any characters except / 包括空字符串。
~~~ ? — Substitutes any single character.{some_string,another_string,yet_another_one}
~~~ — Substitutes any of strings 'some_string','another_string', 'yet_another_one'.
~~~ {N..M} — Substitutes any number in range from N to M including both borders.
~~~ 建筑与 {} 类似于 远程 表功能。
四、实验操作示例
### --- 假设我们在HDFS上有几个TSV格式的文件，其中包含以下Uri:
~~~ # TSV格式数据
~~~ # 在hdfs上创建文件并授予clickhouse属主属组权限
[root@hadoop01 ~]# hdfs dfs -mkdir /clickhouse_dir
[root@hadoop01 ~]# hdfs dfs -put some_file_1 /clickhouse_dir
[root@hadoop01 ~]# hdfs dfs -put some_file_2 /clickhouse_dir
[root@hadoop01 ~]# hdfs dfs -put some_file_3 /clickhouse_dir
[root@hadoop01 ~]# hdfs dfs -chown -R clickhouse:clickhouse /clickhouse_dir
~~~ # 在hdfs上创建文件并授予clickhouse属主属组权限
[root@hadoop01 ~]# hdfs dfs -mkdir /another_dir
[root@hadoop01 ~]# hdfs dfs -put some_file_1 /another_dir
[root@hadoop01 ~]# hdfs dfs -put some_file_2 /another_dir
[root@hadoop01 ~]# hdfs dfs -put some_file_3 /another_dir
[root@hadoop01 ~]# hdfs dfs -chown -R clickhouse:clickhouse /another_dir
### --- 方式一：多个文件组成的表
~~~ # 方式一：创建由所有六个文件组成的表:
hadoop01 :) CREATE TABLE table_with_range (
name String,
value UInt32
) ENGINE =HDFS('hdfs://hadoop01:9000/{clickhouse,another}_dir/some_file_{1..3}', 'TSV');
~~~ 输出参数
CREATE TABLE table_with_range
(
`name` String,
`value` UInt32
)
ENGINE = HDFS('hdfs://hadoop01:9000/{clickhouse,another}_dir/some_file_{1..3}', 'TSV')
Ok.
~~~ # 查询链接的数据
hadoop01 :) select * from table_with_range;
┌─name──┬─value─┐
│ one │ 1 │
│ two │ 2 │
│ three │ 3 │
└───────┴───────┘
┌─name─┬─value─┐
│ four │ 4 │
│ five │ 5 │
│ six │ 6 │
└──────┴───────┘
┌─name──┬─value─┐
│ seven │ 7 │
│ eight │ 8 │
│ nine │ 9 │
└───────┴───────┘
┌─name──┬─value─┐
│ one │ 1 │
│ two │ 2 │
│ three │ 3 │
└───────┴───────┘
┌─name─┬─value─┐
│ four │ 4 │
│ five │ 5 │
│ six │ 6 │
└──────┴───────┘
┌─name──┬─value─┐
│ seven │ 7 │
│ eight │ 8 │
│ nine │ 9 │
└───────┴───────┘
### --- 方式二：多个文件组成的表
~~~ # 方式二：创建由所有六个文件组成的表:
hadoop01 :) CREATE TABLE table_with_question_mark (
name String,
value UInt32
) ENGINE =HDFS('hdfs://hadoop01:9000/{some,another}_dir/some_file_?', 'TSV');
~~~输出参数
CREATE TABLE table_with_question_mark
(
`name` String,
`value` UInt32
)
ENGINE = HDFS('hdfs://hadoop01:9000/{some,another}_dir/some_file_?', 'TSV')
Ok.
~~~ # 查看链接的数据
hadoop01 :) select * from table_with_question_mark;
┌─name──┬─value─┐
│ one │ 1 │
│ two │ 2 │
│ three │ 3 │
└───────┴───────┘
┌─name─┬─value─┐
│ four │ 4 │
│ five │ 5 │
│ six │ 6 │
└──────┴───────┘
┌─name──┬─value─┐
│ seven │ 7 │
│ eight │ 8 │
│ nine │ 9 │
└───────┴───────┘
### --- 方式三：多个文件组成的表
~~~ # 表由两个目录中的所有文件组成（所有文件都应满足query中描述的格式和模式):
hadoop01 :) CREATE TABLE table_with_asterisk (
name String,
value UInt32
) ENGINE =HDFS('hdfs://hadoop01:9000/{some,another}_dir/*', 'TSV');
~~~ 输出参数
CREATE TABLE table_with_asterisk
(
`name` String,
`value` UInt32
)
ENGINE = HDFS('hdfs://hadoop01:9000/{some,another}_dir/*', 'TSV')
Ok.
~~~ # 查看链接的数据
hadoop01 :) select * from table_with_asterisk;
┌─name──┬─value─┐
│ one │ 1 │
│ two │ 2 │
│ three │ 3 │
└───────┴───────┘
┌─name─┬─value─┐
│ four │ 4 │
│ five │ 5 │
│ six │ 6 │
└──────┴───────┘
┌─name──┬─value─┐
│ seven │ 7 │
│ eight │ 8 │
│ nine │ 9 │
└───────┴───────┘
### --- 警告
~~~ 如果文件列表包含带有前导零的数字范围，请单独使用带有大括号的构造或使用 ?.
~~~ 示例：创建具有名为文件的表 file000, file001, … , file999:
hadoop01 :) CREARE TABLE big_table (
name String,
value UInt32
) ENGINE =HDFS('hdfs://hadoop01:9000/big_dir/file{0..9}{0..9}{0..9}', 'CSV');
### --- 虚拟列
_path — Path to the file.
_file — Name of the file.
Walter Savage Landor:strove with none,for none was worth my strife.Nature I loved and, next to Nature, Art:I warm'd both hands before the fire of life.It sinks, and I am ready to depart
——W.S.Landor
