HDFS

Управляет данными в HDFS. Данный движок похож на движки File и URL.

Использование движка

ENGINE = HDFS(URI, format)

В параметр URI нужно передавать полный URI файла в HDFS. Параметр format должен быть таким, который ClickHouse может использовать и в запросах INSERT, и в запросах SELECT. Полный список поддерживаемых форматов смотрите в разделе Форматы. Часть URI с путем файла может содержать шаблоны. В этом случае таблица может использоваться только для чтения.

Пример:

1. Создадим на сервере таблицу hdfs_engine_table:

CREATE TABLE hdfs_engine_table (name String, value UInt32) ENGINE=HDFS('hdfs://hdfs1:9000/other_storage', 'TSV')

2. Заполним файл:

INSERT INTO hdfs_engine_table VALUES ('one', 1), ('two', 2), ('three', 3)

3. Запросим данные:

SELECT * FROM hdfs_engine_table LIMIT 2
┌─name─┬─value─┐
│ one  │     1 │
│ two  │     2 │
└──────┴───────┘

Детали реализации

  • Поддерживается многопоточное чтение и запись.
  • Не поддерживается:
    • использование операций ALTER и SELECT...SAMPLE;
    • индексы;
    • репликация.

Шаблоны в пути

Шаблоны могут содержаться в нескольких компонентах пути. Обрабатываются только существующие файлы, название которых целиком удовлетворяет шаблону (не только суффиксом или префиксом).

  • * — Заменяет любое количество любых символов кроме /, включая отсутствие символов.
  • ? — Заменяет ровно один любой символ.
  • {some_string,another_string,yet_another_one} — Заменяет любую из строк 'some_string', 'another_string', 'yet_another_one'.
  • {N..M} — Заменяет любое число в интервале от N до M включительно.

Конструкция с {} аналогична табличной функции remote.

Пример

  1. Предположим, у нас есть несколько файлов со следующими URI в HDFS:

  2. 'hdfs://hdfs1:9000/some_dir/some_file_1'

  3. 'hdfs://hdfs1:9000/some_dir/some_file_2'
  4. 'hdfs://hdfs1:9000/some_dir/some_file_3'
  5. 'hdfs://hdfs1:9000/another_dir/some_file_1'
  6. 'hdfs://hdfs1:9000/another_dir/some_file_2'
  7. 'hdfs://hdfs1:9000/another_dir/some_file_3'

  8. Есть несколько возможностей создать таблицу, состояющую из этих шести файлов:

CREATE TABLE table_with_range (name String, value UInt32) ENGINE = HDFS('hdfs://hdfs1:9000/{some,another}_dir/some_file_{1..3}', 'TSV')

Другой способ:

CREATE TABLE table_with_question_mark (name String, value UInt32) ENGINE = HDFS('hdfs://hdfs1:9000/{some,another}_dir/some_file_?', 'TSV')

Таблица, состоящая из всех файлов в обеих директориях (все файлы должны удовлетворять формату и схеме, указанной в запросе):

CREATE TABLE table_with_asterisk (name String, value UInt32) ENGINE = HDFS('hdfs://hdfs1:9000/{some,another}_dir/*', 'TSV')

Warning

Если список файлов содержит числовые интервалы с ведущими нулями, используйте конструкцию с фигурными скобочками для каждой цифры или используйте ?.

Example

Создадим таблицу с именами file000, file001, ... , file999:

CREARE TABLE big_table (name String, value UInt32) ENGINE = HDFS('hdfs://hdfs1:9000/big_dir/file{0..9}{0..9}{0..9}', 'CSV')