mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-12-02 04:22:03 +00:00
208 lines
9.7 KiB
Markdown
208 lines
9.7 KiB
Markdown
---
|
||
slug: /zh/engines/table-engines/integrations/hdfs
|
||
sidebar_position: 36
|
||
sidebar_label: HDFS
|
||
---
|
||
|
||
# HDFS {#table_engines-hdfs}
|
||
|
||
这个引擎提供了与 [Apache Hadoop](https://en.wikipedia.org/wiki/Apache_Hadoop) 生态系统的集成，允许通过 ClickHouse 管理 [HDFS](https://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html) 上的数据。这个引擎类似于
|
||
[文件](../../../engines/table-engines/special/file.md#table_engines-file) 和 [URL](../../../engines/table-engines/special/url.md#table_engines-url) 引擎，但提供了 Hadoop 的特定功能。
|
||
|
||
## 用法 {#usage}
|
||
|
||
``` sql
|
||
ENGINE = HDFS(URI, format)
|
||
```
|
||
|
||
`URI` 参数是 HDFS 中整个文件的 URI。
|
||
`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，以及执行
|
||
`INSERT` 查询时，格式必须支持输出. 你可以在 [格式](../../../interfaces/formats.md#formats) 章节查看可用的格式。
|
||
路径部分 `URI` 可能包含 glob 通配符。 在这种情况下，表将是只读的。
|
||
|
||
**示例:**
|
||
|
||
**1.** 设置 `hdfs_engine_table` 表:
|
||
|
||
``` sql
|
||
CREATE TABLE hdfs_engine_table (name String, value UInt32) ENGINE=HDFS('hdfs://hdfs1:9000/other_storage', 'TSV')
|
||
```
|
||
|
||
**2.** 填充文件:
|
||
|
||
``` sql
|
||
INSERT INTO hdfs_engine_table VALUES ('one', 1), ('two', 2), ('three', 3)
|
||
```
|
||
|
||
**3.** 查询数据:
|
||
|
||
``` sql
|
||
SELECT * FROM hdfs_engine_table LIMIT 2
|
||
```
|
||
|
||
``` text
|
||
┌─name─┬─value─┐
|
||
│ one │ 1 │
|
||
│ two │ 2 │
|
||
└──────┴───────┘
|
||
```
|
||
|
||
## 实施细节 {#implementation-details}
|
||
|
||
- 读取和写入可以并行
|
||
- 不支持:
|
||
- `ALTER` 和 `SELECT...SAMPLE` 操作。
|
||
- 索引。
|
||
- 复制。
|
||
|
||
**路径中的通配符**
|
||
|
||
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。 文件列表的确定是在 `SELECT` 的时候进行（而不是在 `CREATE` 的时候）。
|
||
|
||
- `*` — 替代任何数量的任何字符，除了 `/` 以及空字符串。
|
||
- `?` — 代替任何单个字符.
|
||
- `{some_string,another_string,yet_another_one}` — 替代任何字符串 `'some_string', 'another_string', 'yet_another_one'`.
|
||
- `{N..M}` — 替换 N 到 M 范围内的任何数字，包括两个边界的值.
|
||
|
||
带 `{}` 的结构类似于 [远程](../../../sql-reference/table-functions/remote.md) 表函数。
|
||
|
||
**示例**
|
||
|
||
1. 假设我们在 HDFS 上有几个 TSV 格式的文件，文件的 URI 如下:
|
||
|
||
- ‘hdfs://hdfs1:9000/some_dir/some_file_1’
|
||
- ‘hdfs://hdfs1:9000/some_dir/some_file_2’
|
||
- ‘hdfs://hdfs1:9000/some_dir/some_file_3’
|
||
- ‘hdfs://hdfs1:9000/another_dir/some_file_1’
|
||
- ‘hdfs://hdfs1:9000/another_dir/some_file_2’
|
||
- ‘hdfs://hdfs1:9000/another_dir/some_file_3’
|
||
|
||
1. 有几种方法可以创建由所有六个文件组成的表:
|
||
|
||
<!-- -->
|
||
|
||
``` sql
|
||
CREATE TABLE table_with_range (name String, value UInt32) ENGINE = HDFS('hdfs://hdfs1:9000/{some,another}_dir/some_file_{1..3}', 'TSV')
|
||
```
|
||
|
||
另一种方式:
|
||
|
||
``` sql
|
||
CREATE TABLE table_with_question_mark (name String, value UInt32) ENGINE = HDFS('hdfs://hdfs1:9000/{some,another}_dir/some_file_?', 'TSV')
|
||
```
|
||
|
||
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):
|
||
|
||
``` sql
|
||
CREATE TABLE table_with_asterisk (name String, value UInt32) ENGINE = HDFS('hdfs://hdfs1:9000/{some,another}_dir/*', 'TSV')
|
||
```
|
||
|
||
!!! warning "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`:
|
||
|
||
``` sql
|
||
CREARE TABLE big_table (name String, value UInt32) ENGINE = HDFS('hdfs://hdfs1:9000/big_dir/file{0..9}{0..9}{0..9}', 'CSV')
|
||
```
|
||
|
||
## 配置 {#configuration}
|
||
|
||
与 GraphiteMergeTree 类似，HDFS 引擎支持使用 ClickHouse 配置文件进行扩展配置。有两个配置键可以使用：全局 (`hdfs`) 和用户级别 (`hdfs_*`)。首先全局配置生效，然后用户级别配置生效 (如果用户级别配置存在) 。
|
||
|
||
``` xml
|
||
<!-- HDFS 引擎类型的全局配置选项 -->
|
||
<hdfs>
|
||
<hadoop_kerberos_keytab>/tmp/keytab/clickhouse.keytab</hadoop_kerberos_keytab>
|
||
<hadoop_kerberos_principal>clickuser@TEST.CLICKHOUSE.TECH</hadoop_kerberos_principal>
|
||
<hadoop_security_authentication>kerberos</hadoop_security_authentication>
|
||
</hdfs>
|
||
|
||
<!-- 用户 "root" 的指定配置 -->
|
||
<hdfs_root>
|
||
<hadoop_kerberos_principal>root@TEST.CLICKHOUSE.TECH</hadoop_kerberos_principal>
|
||
</hdfs_root>
|
||
```
|
||
|
||
### 可选配置选项及其默认值的列表
|
||
#### libhdfs3 支持的
|
||
|
||
|
||
| **参数** | **默认值** |
|
||
| rpc\_client\_connect\_tcpnodelay | true |
|
||
| dfs\_client\_read\_shortcircuit | true |
|
||
| output\_replace-datanode-on-failure | true |
|
||
| input\_notretry-another-node | false |
|
||
| input\_localread\_mappedfile | true |
|
||
| dfs\_client\_use\_legacy\_blockreader\_local | false |
|
||
| rpc\_client\_ping\_interval | 10 * 1000 |
|
||
| rpc\_client\_connect\_timeout | 600 * 1000 |
|
||
| rpc\_client\_read\_timeout | 3600 * 1000 |
|
||
| rpc\_client\_write\_timeout | 3600 * 1000 |
|
||
| rpc\_client\_socekt\_linger\_timeout | -1 |
|
||
| rpc\_client\_connect\_retry | 10 |
|
||
| rpc\_client\_timeout | 3600 * 1000 |
|
||
| dfs\_default\_replica | 3 |
|
||
| input\_connect\_timeout | 600 * 1000 |
|
||
| input\_read\_timeout | 3600 * 1000 |
|
||
| input\_write\_timeout | 3600 * 1000 |
|
||
| input\_localread\_default\_buffersize | 1 * 1024 * 1024 |
|
||
| dfs\_prefetchsize | 10 |
|
||
| input\_read\_getblockinfo\_retry | 3 |
|
||
| input\_localread\_blockinfo\_cachesize | 1000 |
|
||
| input\_read\_max\_retry | 60 |
|
||
| output\_default\_chunksize | 512 |
|
||
| output\_default\_packetsize | 64 * 1024 |
|
||
| output\_default\_write\_retry | 10 |
|
||
| output\_connect\_timeout | 600 * 1000 |
|
||
| output\_read\_timeout | 3600 * 1000 |
|
||
| output\_write\_timeout | 3600 * 1000 |
|
||
| output\_close\_timeout | 3600 * 1000 |
|
||
| output\_packetpool\_size | 1024 |
|
||
| output\_heeartbeat\_interval | 10 * 1000 |
|
||
| dfs\_client\_failover\_max\_attempts | 15 |
|
||
| dfs\_client\_read\_shortcircuit\_streams\_cache\_size | 256 |
|
||
| dfs\_client\_socketcache\_expiryMsec | 3000 |
|
||
| dfs\_client\_socketcache\_capacity | 16 |
|
||
| dfs\_default\_blocksize | 64 * 1024 * 1024 |
|
||
| dfs\_default\_uri | "hdfs://localhost:9000" |
|
||
| hadoop\_security\_authentication | "simple" |
|
||
| hadoop\_security\_kerberos\_ticket\_cache\_path | "" |
|
||
| dfs\_client\_log\_severity | "INFO" |
|
||
| dfs\_domain\_socket\_path | "" |
|
||
|
||
|
||
[HDFS 配置参考](https://hawq.apache.org/docs/userguide/2.3.0.0-incubating/reference/HDFSConfigurationParameterReference.html) 也许会解释一些参数的含义.
|
||
|
||
#### ClickHouse 额外的配置 {#clickhouse-extras}
|
||
|
||
| **参数** | **默认值** |
|
||
|hadoop\_kerberos\_keytab | "" |
|
||
|hadoop\_kerberos\_principal | "" |
|
||
|hadoop\_kerberos\_kinit\_command | kinit |
|
||
|
||
#### 限制 {#limitations}
|
||
* hadoop\_security\_kerberos\_ticket\_cache\_path 只能在全局配置, 不能指定用户
|
||
|
||
## Kerberos 支持 {#kerberos-support}
|
||
|
||
如果 hadoop\_security\_authentication 参数的值为 'kerberos' ，ClickHouse 将通过 Kerberos 设施进行认证。
|
||
[这里的](#clickhouse-extras) 参数和 hadoop\_security\_kerberos\_ticket\_cache\_path 也许会有帮助.
|
||
注意，由于 libhdfs3 的限制，只支持老式的方法。
|
||
数据节点的安全通信无法由 SASL 保证 ( HADOOP\_SECURE\_DN\_USER 是这种安全方法的一个可靠指标)
|
||
使用 tests/integration/test\_storage\_kerberized\_hdfs/hdfs_configs/bootstrap.sh 脚本作为参考。
|
||
|
||
如果指定了 hadoop\_kerberos\_keytab, hadoop\_kerberos\_principal 或者 hadoop\_kerberos\_kinit\_command ，将会调用 kinit 工具.在此情况下， hadoop\_kerberos\_keytab 和 hadoop\_kerberos\_principal 参数是必须配置的. kinit 工具和 krb5 配置文件是必要的.
|
||
|
||
## 虚拟列 {#virtual-columns}
|
||
|
||
- `_path` — 文件路径.
|
||
- `_file` — 文件名.
|
||
|
||
**另请参阅**
|
||
|
||
- [虚拟列](../index.md#table_engines-virtual_columns)
|