ClickHouse/docs/fa/interfaces/formats.md
2020-04-04 12:15:31 +03:00

74 KiB
Raw Blame History

machine_translated machine_translated_rev toc_priority toc_title
true d734a8e46d 21 فرمت های ورودی و خروجی

فرمت برای داده های ورودی و خروجی

تاتر می توانید قبول و بازگشت داده ها در فرمت های مختلف. یک قالب پشتیبانی شده برای ورودی می تواند برای تجزیه داده های موجود در INSERTبرای انجام SELECTبازدید کنندگان از یک جدول فایل حمایت مانند فایل, نشانی اینترنتی و یا اچ دی, و یا به خواندن یک فرهنگ لغت خارجی. فرمت پشتیبانی شده برای خروجی می تواند مورد استفاده قرار گیرد به ترتیب نتایج یک SELECT و برای انجام INSERTها را به یک جدول فایل حمایت.

فرمت های پشتیبانی شده عبارتند از:

قالب ورودی خروجی
جدول دار
اطلاعات دقیق
اطلاعات دقیق
اطلاعات دقیق
قالب
پاسخ تمپلیتینی
CSV
اطلاعات دقیق
سفارشی
مقادیر
عمودی
عمودی
JSON
فوق العاده
جیسانچرو
TSKV
زیبا
پیش تیمار
بلوک پیش ساخته
کتاب های پیش بینی شده
چوب نما
Protobuf
اورو
هشدار داده می شود
پارکت
ORC
مربوط به حوزه
ارزشهای خبری عبارتند از:
بومی
خالی
XML
کاپپروتو

شما می توانید برخی از پارامترهای پردازش فرمت با تنظیمات کلیک را کنترل کنید. برای اطلاعات بیشتر بخوانید تنظیمات بخش.

جدول دار

در قالب جدولبندی داده ها توسط ردیف نوشته شده است. هر سطر شامل مقادیر جدا شده توسط زبانه. هر مقدار است که توسط یک تب به دنبال, به جز ارزش گذشته در ردیف, است که توسط یک خوراک خط به دنبال. به شدت یونیکس خط تغذیه در همه جا فرض شده است. ردیف گذشته نیز باید یک خوراک خط در پایان حاوی. ارزش ها در قالب متن نوشته شده, بدون گذاشتن علامت نقل قول, و با شخصیت های خاص فرار.

این فرمت نیز تحت نام موجود است TSV.

این TabSeparated فرمت مناسب برای پردازش داده ها با استفاده از برنامه های سفارشی و اسکریپت است. این است که به طور پیش فرض در رابط اچ تی پی و در حالت دسته ای مشتری خط فرمان استفاده می شود. این فرمت همچنین اجازه می دهد تا انتقال داده ها بین سرویس بهداشتی مختلف. مثلا, شما می توانید یک روگرفت از خروجی زیر و ارسال به کلیک, و یا بالعکس.

این TabSeparated فرمت پشتیبانی خروجی ارزش کل (هنگام استفاده با بالغ) و ارزش های شدید (وقتی که extremes به مجموعه 1). در این موارد, کل ارزش ها و افراط خروجی پس از داده های اصلی. نتیجه اصلی, کل ارزش, و افراط و از یکدیگر توسط یک خط خالی از هم جدا. مثال:

SELECT EventDate, count() AS c FROM test.hits GROUP BY EventDate WITH TOTALS ORDER BY EventDate FORMAT TabSeparated``
2014-03-17      1406958
2014-03-18      1383658
2014-03-19      1405797
2014-03-20      1353623
2014-03-21      1245779
2014-03-22      1031592
2014-03-23      1046491

0000-00-00      8873898

2014-03-17      1031592
2014-03-23      1406958

قالببندی داده

اعداد صحیح به شکل اعشاری نوشته شده است. اعداد می توانند حاوی اضافی باشند “+” شخصیت در ابتدا (هنگام تجزیه نادیده گرفته شد و هنگام قالب بندی ثبت نشده است). اعداد غیر منفی نمی توانند علامت منفی داشته باشند. هنگام خواندن, مجاز است به تجزیه یک رشته خالی به عنوان یک صفر, یا (برای انواع امضا شده) یک رشته متشکل از فقط یک علامت منفی به عنوان یک صفر. اعداد است که به نوع داده مربوطه مناسب نیست ممکن است به عنوان شماره های مختلف تجزیه, بدون پیغام خطا.

اعداد ممیز شناور به شکل اعشاری نوشته شده است. نقطه به عنوان جداکننده اعشاری استفاده می شود. ورودی های نمایشی پشتیبانی می شوند inf, +inf, -inf و nan. ورود اعداد ممیز شناور ممکن است شروع یا پایان با یک نقطه اعشار. در قالب بندی, دقت ممکن است در اعداد ممیز شناور از دست داده. در تجزیه, این است که به شدت مورد نیاز برای خواندن نزدیکترین شماره ماشین نمایندگی.

تاریخ در فرمت یی-میلی متر-دی دی دی دی اس نوشته شده و تجزیه در قالب همان, اما با هر شخصیت به عنوان جدا. تاریخ با زمان در قالب نوشته شده است YYYY-MM-DD hh:mm:ss و تجزیه در قالب همان, اما با هر شخصیت به عنوان جدا. این همه در منطقه زمانی سیستم در زمان مشتری یا سرور شروع می شود (بسته به نوع فرمت داده ها) رخ می دهد. برای تاریخ با زمان, نور روز صرفه جویی در زمان مشخص نشده است. بنابراین اگر یک روگرفت است بار در طول نور روز صرفه جویی در زمان, روگرفت به صراحت مطابقت با داده ها نیست, و تجزیه یکی از دو بار را انتخاب کنید. در طول یک عملیات به عنوان خوانده شده, تاریخ نادرست و تاریخ با زمان را می توان با سرریز طبیعی و یا تاریخ به عنوان تهی و بار تجزیه, بدون پیغام خطا.

به عنوان یک استثنا, تجزیه تاریخ با زمان نیز در قالب برچسب زمان یونیکس پشتیبانی, اگر از دقیقا شامل 10 رقم اعشار. نتیجه این است زمان وابسته به منطقه نیست. فرمت های یی-ام-دی-دی-اچ: میلی متر: اس اس و نونن به طور خودکار متفاوت هستند.

رشته ها خروجی با شخصیت های خاص بک اسلش فرار. توالی فرار زیر برای خروجی استفاده می شود: \b, \f, \r, \n, \t, \0, \', \\. تجزیه همچنین از توالی ها پشتیبانی می کند \a, \v و \xHH (توالی فرار سحر و جادو) و هر \c دنباله هایی که c هر شخصیت (این توالی ها به تبدیل c). بدین ترتیب, خواندن داده ها پشتیبانی از فرمت های که یک خوراک خط را می توان به عنوان نوشته شده \n یا \, و یا به عنوان یک خوراک خط. مثلا, رشته Hello world با خوراک خط بین کلمات به جای فضا را می توان در هر یک از تغییرات زیر تجزیه شده است:

Hello\nworld

Hello\
world

نوع دوم پشتیبانی می شود زیرا خروجی زیر هنگام نوشتن افسردگی های جدا شده از تب استفاده می کند.

حداقل مجموعه ای از شخصیت های که شما نیاز به فرار در هنگام عبور داده ها در قالب جدول پخش: باریکه, خوراک خط (ال اف) و بک اسلش.

فقط یک مجموعه کوچک از علامت فرار. شما به راحتی می توانید بر روی یک مقدار رشته تلو تلو خوردن که ترمینال خود را در خروجی خراب کردن.

ارریس به عنوان یک لیست از ارزش کاما از هم جدا در براکت مربع نوشته شده است. موارد شماره در مجموعه به طور معمول فرمت می شوند. Date و DateTime انواع در نقل قول تک نوشته شده است. رشته ها در نقل قول های تک با قوانین فرار همان بالا نوشته شده است.

NULL به عنوان فرمت \N.

هر عنصر تو در تو سازه ها به عنوان مجموعه ای نشان داده شده است.

به عنوان مثال:

CREATE TABLE nestedt
(
    `id` UInt8,
    `aux` Nested(
        a UInt8,
        b String
    )
)
ENGINE = TinyLog
INSERT INTO nestedt Values ( 1, [1], ['a'])
SELECT * FROM nestedt FORMAT TSV
1  [1]    ['a']

اطلاعات دقیق

متفاوت از TabSeparated فرمت که در ردیف بدون فرار نوشته شده است. این فرمت فقط برای خروجی یک نتیجه پرس و جو مناسب است, اما نه برای تجزیه (بازیابی اطلاعات برای وارد کردن در یک جدول).

این فرمت نیز تحت نام موجود است TSVRaw.

اطلاعات دقیق

متفاوت از TabSeparated فرمت در که نام ستون در سطر اول نوشته شده است. در تجزیه, ردیف اول به طور کامل نادیده گرفته. شما می توانید نام ستون برای تعیین موقعیت خود و یا برای بررسی صحت خود استفاده کنید. (پشتیبانی از تجزیه ردیف هدر ممکن است در اینده اضافه شده است.)

این فرمت نیز تحت نام موجود است TSVWithNames.

اطلاعات دقیق

متفاوت از TabSeparated فرمت در که نام ستون به سطر اول نوشته شده است, در حالی که انواع ستون در ردیف دوم هستند. در تجزیه, ردیف اول و دوم به طور کامل نادیده گرفته.

این فرمت نیز تحت نام موجود است TSVWithNamesAndTypes.

قالب

این فرمت اجازه می دهد تا تعیین یک رشته فرمت سفارشی با متغیرهایی برای ارزش با یک قاعده فرار مشخص شده است.

با استفاده از تنظیمات format_template_resultset, format_template_row, format_template_rows_between_delimiter and some settings of other formats (e.g. output_format_json_quote_64bit_integers هنگام استفاده از JSON فرار, مشاهده بیشتر)

تنظیم format_template_row مشخص مسیر به فایل, که شامل رشته فرمت برای ردیف با نحو زیر:

delimiter_1${column_1:serializeAs_1}delimiter_2${column_2:serializeAs_2} ... delimiter_N,

کجا delimiter_i یک جداساز بین مقادیر است ($ نماد را می توان به عنوان فرار $$), column_i یک نام یا فهرست یک ستون است که مقادیر انتخاب شده یا درج شده است (اگر خالی باشد سپس ستون حذف خواهد شد), serializeAs_i یک قانون فرار برای مقادیر ستون است. قوانین فرار زیر پشتیبانی می شوند:

  • CSV, JSON, XML (به طور مشابه به فرمت های نام های مشابه)
  • Escaped (به طور مشابه به TSV)
  • Quoted (به طور مشابه به Values)
  • Raw (بدون فرار, به طور مشابه به TSVRaw)
  • None (هیچ قانون فرار, مشاهده بیشتر)

اگر یک قانون فرار حذف شده است, سپس None استفاده خواهد شد. XML و Raw فقط برای خروجی مناسب است.

بنابراین, برای رشته فرمت زیر:

  `Search phrase: ${SearchPhrase:Quoted}, count: ${c:Escaped}, ad price: $$${price:JSON};`

ارزش SearchPhrase, c و price ستون ها که به عنوان فرار Quoted, Escaped و JSON چاپ خواهد شد (برای انتخاب) و یا انتظار می رود (برای درج) میان Search phrase:, , count:, , ad price: $ و ; delimiters بود. به عنوان مثال:

Search phrase: 'bathroom interior design', count: 2166, ad price: $3;

این format_template_rows_between_delimiter تنظیم مشخص جداساز بین ردیف, که چاپ شده است (یا انتظار می رود) بعد از هر سطر به جز یکی از گذشته (\n به طور پیش فرض)

تنظیم format_template_resultset مشخص کردن مسیر فایل که شامل یک رشته فرمت برای resultset. رشته فرمت برای حاصل است نحو همان رشته فرمت برای ردیف و اجازه می دهد تا برای مشخص کردن یک پیشوند, پسوند و یک راه برای چاپ برخی از اطلاعات اضافی. این شامل متغیرهایی زیر به جای نام ستون:

  • data ردیف با داده ها در format_template_row قالب, جدا شده توسط format_template_rows_between_delimiter. این حفره یا سوراخ باید اولین حفره یا سوراخ در رشته فرمت باشد.
  • totals ردیف با کل ارزش ها در format_template_row قالب (هنگام استفاده با مجموع)
  • min ردیف با حداقل مقدار در format_template_row فرمت (هنگامی که افراط و به مجموعه 1)
  • max ردیف با حداکثر ارزش در است format_template_row فرمت (هنگامی که افراط و به مجموعه 1)
  • rows تعداد کل ردیف خروجی است
  • rows_before_limit است حداقل تعداد ردیف وجود دارد که بدون محدودیت بوده است. خروجی تنها در صورتی که پرس و جو شامل حد. اگر پرس و جو شامل گروه های, ردیف ها_افور_لیمیت_تلاست تعداد دقیق ردیف وجود دارد که بدون محدودیت بوده است.
  • time زمان اجرای درخواست در ثانیه است
  • rows_read است تعداد ردیف خوانده شده است
  • bytes_read تعداد بایت (غیر فشرده) خوانده شده است

متغیرهایی data, totals, min و max باید فرار حکومت مشخص نیست (یا None باید به صراحت مشخص شود). متغیرهایی باقی مانده ممکن است هر گونه قانون فرار مشخص شده اند. اگر format_template_resultset تنظیم یک رشته خالی است, ${data} به عنوان مقدار پیش فرض استفاده می شود. برای قرار دادن نمایش داده شد فرمت اجازه می دهد تا پرش برخی از ستون ها و یا برخی از زمینه های اگر پیشوند یا پسوند (به عنوان مثال مراجعه کنید).

انتخاب نمونه:

SELECT SearchPhrase, count() AS c FROM test.hits GROUP BY SearchPhrase ORDER BY c DESC LIMIT 5 FORMAT Template SETTINGS
format_template_resultset = '/some/path/resultset.format', format_template_row = '/some/path/row.format', format_template_rows_between_delimiter = '\n    '

/some/path/resultset.format:

<!DOCTYPE HTML>
<html> <head> <title>Search phrases</title> </head>
 <body>
  <table border="1"> <caption>Search phrases</caption>
    <tr> <th>Search phrase</th> <th>Count</th> </tr>
    ${data}
  </table>
  <table border="1"> <caption>Max</caption>
    ${max}
  </table>
  <b>Processed ${rows_read:XML} rows in ${time:XML} sec</b>
 </body>
</html>

/some/path/row.format:

<tr> <td>${0:XML}</td> <td>${1:XML}</td> </tr>

نتیجه:

<!DOCTYPE HTML>
<html> <head> <title>Search phrases</title> </head>
 <body>
  <table border="1"> <caption>Search phrases</caption>
    <tr> <th>Search phrase</th> <th>Count</th> </tr>
    <tr> <td></td> <td>8267016</td> </tr>
    <tr> <td>bathroom interior design</td> <td>2166</td> </tr>
    <tr> <td>yandex</td> <td>1655</td> </tr>
    <tr> <td>spring 2014 fashion</td> <td>1549</td> </tr>
    <tr> <td>freeform photos</td> <td>1480</td> </tr>
  </table>
  <table border="1"> <caption>Max</caption>
    <tr> <td></td> <td>8873898</td> </tr>
  </table>
  <b>Processed 3095973 rows in 0.1569913 sec</b>
 </body>
</html>

درج مثال:

Some header
Page views: 5, User id: 4324182021466249494, Useless field: hello, Duration: 146, Sign: -1
Page views: 6, User id: 4324182021466249494, Useless field: world, Duration: 185, Sign: 1
Total rows: 2
INSERT INTO UserActivity FORMAT Template SETTINGS
format_template_resultset = '/some/path/resultset.format', format_template_row = '/some/path/row.format'

/some/path/resultset.format:

Some header\n${data}\nTotal rows: ${:CSV}\n

/some/path/row.format:

Page views: ${PageViews:CSV}, User id: ${UserID:CSV}, Useless field: ${:CSV}, Duration: ${Duration:CSV}, Sign: ${Sign:CSV}

PageViews, UserID, Duration و Sign در داخل متغیرهایی نام ستون در جدول هستند. مقادیر پس از Useless field در ردیف و بعد از \nTotal rows: در پسوند نادیده گرفته خواهد شد. همه delimiters در داده های ورودی باید به شدت در برابر delimiters در فرمت مشخص شده رشته.

پاسخ تمپلیتینی

این فرمت فقط برای ورودی مناسب است. مشابه به Template, اما پرش کاراکتر فضای سفید بین جداکننده ها و ارزش ها در جریان ورودی. با این حال, اگر رشته فرمت حاوی کاراکتر فضای سفید, این شخصیت خواهد شد در جریان ورودی انتظار می رود. همچنین اجازه می دهد برای مشخص متغیرهایی خالی (${} یا ${:None}) به تقسیم برخی از جداساز به قطعات جداگانه به چشم پوشی از فضاهای بین. چنین متغیرهایی تنها برای پرش شخصیت فضای سفید استفاده می شود. خواندن ممکن است JSON با استفاده از این فرمت, اگر ارزش ستون همان نظم در تمام ردیف. برای مثال درخواست زیر می تواند مورد استفاده قرار گیرد برای قرار دادن داده ها از خروجی نمونه ای از فرمت JSON:

INSERT INTO table_name FORMAT TemplateIgnoreSpaces SETTINGS
format_template_resultset = '/some/path/resultset.format', format_template_row = '/some/path/row.format', format_template_rows_between_delimiter = ','

/some/path/resultset.format:

{${}"meta"${}:${:JSON},${}"data"${}:${}[${data}]${},${}"totals"${}:${:JSON},${}"extremes"${}:${:JSON},${}"rows"${}:${:JSON},${}"rows_before_limit_at_least"${}:${:JSON}${}}

/some/path/row.format:

{${}"SearchPhrase"${}:${}${phrase:JSON}${},${}"c"${}:${}${cnt:JSON}${}}

TSKV

شبیه به جدول, اما خروجی یک مقدار در نام=فرمت ارزش. نام ها به همان شیوه در قالب جدول فرار, و = نماد نیز فرار.

SearchPhrase=   count()=8267016
SearchPhrase=bathroom interior design    count()=2166
SearchPhrase=yandex     count()=1655
SearchPhrase=2014 spring fashion    count()=1549
SearchPhrase=freeform photos       count()=1480
SearchPhrase=angelina jolie    count()=1245
SearchPhrase=omsk       count()=1112
SearchPhrase=photos of dog breeds    count()=1091
SearchPhrase=curtain designs        count()=1064
SearchPhrase=baku       count()=1000

NULL به عنوان فرمت \N.

SELECT * FROM t_null FORMAT TSKV
x=1    y=\N

هنگامی که تعداد زیادی از ستون های کوچک وجود دارد, این فرمت بی اثر است, و به طور کلی هیچ دلیلی برای استفاده وجود دارد. با این وجود از لحاظ کارایی بدتر از جیسوناکرو نیست.

Both data output and parsing are supported in this format. For parsing, any order is supported for the values of different columns. It is acceptable for some values to be omitted they are treated as equal to their default values. In this case, zeros and blank rows are used as default values. Complex values that could be specified in the table are not supported as defaults.

تجزیه اجازه می دهد تا حضور زمینه های اضافی tskv بدون علامت مساوی یا ارزش. این زمینه نادیده گرفته شده است.

CSV

با کاما از هم جدا فرمت ارزش (RFC).

هنگام قالب بندی, ردیف در دو نقل قول محصور. نقل قول دو در داخل یک رشته خروجی به عنوان دو نقل قول دو در یک ردیف است. هیچ قانون دیگری برای فرار از شخصیت وجود دارد. تاریخ و تاریخ زمان در دو نقل قول محصور شده است. اعداد خروجی بدون نقل قول. ارزش ها توسط یک شخصیت جداساز از هم جدا, که , به طور پیش فرض. شخصیت جداساز در تنظیمات تعریف شده است _مخفی کردن _قابلیت _جدید. ردیف ها با استفاده از خوراک خط یونیکس جدا می شوند. ارریس در سی سی اس وی به شرح زیر مرتب شده است: ابتدا مجموعه ای به یک رشته به عنوان در قالب تبسپار شده مرتب شده است و سپس رشته حاصل خروجی به سی سی اس وی در دو نقل قول است. دسته بندی ها در قالب سی اس وی به صورت ستون های جداگانه مرتب می شوند (به این معنا که لانه خود را در تاپل از دست داده است).

$ clickhouse-client --format_csv_delimiter="|" --query="INSERT INTO test.csv FORMAT CSV" < data.csv

* به طور پیش فرض, جداساز است ,. دیدن _مخفی کردن _قابلیت _جدید تنظیم برای اطلاعات بیشتر.

هنگامی که تجزیه, تمام مقادیر را می توان یا با یا بدون نقل قول تجزیه. هر دو نقل قول دو و تک پشتیبانی می شوند. ردیف همچنین می توانید بدون نقل قول مرتب شود. در این مورد, به شخصیت جداساز و یا خوراک خط تجزیه (کروم و یا ال اف). در هنگام تجزیه ردیف بدون نقل قول فضاهای پیشرو و انتهایی و زبانه ها نادیده گرفته می شوند. برای اشتراک خط, یونیکس (کلیک کنید), پنجره ها (کروم ال اف) و سیستم عامل مک کلاسیک (کروم ال اف) انواع پشتیبانی می شوند.

مقادیر ورودی بدون علامت خالی با مقادیر پیش فرض برای ستون های مربوطه جایگزین می شوند _پوشه های ورودی و خروجی فعال است.

NULL به عنوان فرمت \N یا NULL یا یک رشته بدون علامت خالی (تنظیمات را ببینید _فرستادن به _کوچکنمایی و _پوشه های ورودی و خروجی).

پشتیبانی از خروجی بالغ و افراط به همان شیوه به عنوان TabSeparated.

اطلاعات دقیق

همچنین چاپ ردیف هدر, شبیه به TabSeparatedWithNames.

سفارشی

مشابه به قالب اما همه ستون ها را چاپ می کند یا می خواند و از قاعده فرار از تنظیم استفاده می کند format_custom_escaping_rule و جداکننده از تنظیمات format_custom_field_delimiter, format_custom_row_before_delimiter, format_custom_row_after_delimiter, format_custom_row_between_delimiter, format_custom_result_before_delimiter و format_custom_result_after_delimiter, نه از رشته فرمت. همچنین وجود دارد CustomSeparatedIgnoreSpaces قالب که شبیه به TemplateIgnoreSpaces.

JSON

خروجی داده ها در فرمت جانسون. علاوه بر جداول داده, همچنین خروجی نام ستون و انواع, همراه با برخی از اطلاعات اضافی: تعداد کل ردیف خروجی, و تعداد ردیف است که می تواند خروجی بوده است اگر یک محدودیت وجود ندارد. مثال:

SELECT SearchPhrase, count() AS c FROM test.hits GROUP BY SearchPhrase WITH TOTALS ORDER BY c DESC LIMIT 5 FORMAT JSON
{
        "meta":
        [
                {
                        "name": "SearchPhrase",
                        "type": "String"
                },
                {
                        "name": "c",
                        "type": "UInt64"
                }
        ],

        "data":
        [
                {
                        "SearchPhrase": "",
                        "c": "8267016"
                },
                {
                        "SearchPhrase": "bathroom interior design",
                        "c": "2166"
                },
                {
                        "SearchPhrase": "yandex",
                        "c": "1655"
                },
                {
                        "SearchPhrase": "spring 2014 fashion",
                        "c": "1549"
                },
                {
                        "SearchPhrase": "freeform photos",
                        "c": "1480"
                }
        ],

        "totals":
        {
                "SearchPhrase": "",
                "c": "8873898"
        },

        "extremes":
        {
                "min":
                {
                        "SearchPhrase": "",
                        "c": "1480"
                },
                "max":
                {
                        "SearchPhrase": "",
                        "c": "8267016"
                }
        },

        "rows": 5,

        "rows_before_limit_at_least": 141137
}

جانسون سازگار با جاوا اسکریپت است. برای اطمینان از این, برخی از شخصیت ها علاوه بر فرار: بریده بریده / فرار به عنوان \/; معافیت خط جایگزین U+2028 و U+2029, که شکستن برخی از مرورگرهای, به عنوان فرار \uXXXX. شخصیت های کنترل اسکی فرار: برگشت به عقب, خوراک فرم, خوراک خط, بازگشت حمل, و تب افقی با جایگزین \b, \f, \n, \r, \t , و همچنین بایت باقی مانده در محدوده 00-1ف با استفاده از \uXXXX sequences. Invalid UTF-8 sequences are changed to the replacement character <20> so the output text will consist of valid UTF-8 sequences. For compatibility with JavaScript, Int64 and UInt64 integers are enclosed in double-quotes by default. To remove the quotes, you can set the configuration parameter خروجی _فرمان_جسون_کوات_64بیت_تنظیمی به 0.

rows The total number of output rows.

rows_before_limit_at_least حداقل تعداد ردیف وجود دارد که بدون محدودیت بوده است. خروجی تنها در صورتی که پرس و جو شامل حد. اگر پرس و جو شامل گروه های, ردیف ها_افور_لیمیت_تلاست تعداد دقیق ردیف وجود دارد که بدون محدودیت بوده است.

totals Total values (when using WITH TOTALS).

extremes Extreme values (when extremes are set to 1).

این فرمت فقط برای خروجی یک نتیجه پرس و جو مناسب است, اما نه برای تجزیه (بازیابی اطلاعات برای وارد کردن در یک جدول).

پشتیبانی از کلیک NULL, است که به عنوان نمایش داده null در خروجی جانسون.

همچنین نگاه کنید به جیسانچرو قالب.

فوق العاده

متفاوت از جانسون تنها در ردیف داده ها خروجی در ارریس, نه در اشیا.

مثال:

{
        "meta":
        [
                {
                        "name": "SearchPhrase",
                        "type": "String"
                },
                {
                        "name": "c",
                        "type": "UInt64"
                }
        ],

        "data":
        [
                ["", "8267016"],
                ["bathroom interior design", "2166"],
                ["yandex", "1655"],
                ["fashion trends spring 2014", "1549"],
                ["freeform photo", "1480"]
        ],

        "totals": ["","8873898"],

        "extremes":
        {
                "min": ["","1480"],
                "max": ["","8267016"]
        },

        "rows": 5,

        "rows_before_limit_at_least": 141137
}

این فرمت فقط برای خروجی یک نتیجه پرس و جو مناسب است, اما نه برای تجزیه (بازیابی اطلاعات برای وارد کردن در یک جدول). همچنین نگاه کنید به JSONEachRow قالب.

جیسانچرو

هنگامی که با استفاده از این فرمت, تاتر خروجی ردیف به عنوان جدا, اجسام جسون-خط حد و مرز مشخصی, اما داده ها به عنوان یک کل است جسون معتبر نیست.

{"SearchPhrase":"curtain designs","count()":"1064"}
{"SearchPhrase":"baku","count()":"1000"}
{"SearchPhrase":"","count()":"8267016"}

هنگام قرار دادن داده ها, شما باید یک شی جانسون جداگانه برای هر سطر فراهم.

درج داده

INSERT INTO UserActivity FORMAT JSONEachRow {"PageViews":5, "UserID":"4324182021466249494", "Duration":146,"Sign":-1} {"UserID":"4324182021466249494","PageViews":6,"Duration":185,"Sign":1}

کلیک اجازه می دهد تا:

  • هر منظور از جفت کلید ارزش در جسم.
  • حذف برخی از ارزش ها.

تاتر فضاهای بین عناصر و کاما را پس از اشیا نادیده می گیرد. شما می توانید تمام اشیا را در یک خط منتقل کنید. لازم نیست با شکستن خط اونارو جدا کنی

حذف پردازش مقادیر

را کلیک کنید جایگزین مقادیر حذف شده با مقادیر پیش فرض برای مربوطه انواع داده ها.

اگر DEFAULT expr مشخص شده است, تاتر با استفاده از قوانین تعویض مختلف بسته به _پوشه های ورودی و خروجی تنظیمات.

جدول زیر را در نظر بگیرید:

CREATE TABLE IF NOT EXISTS example_table
(
    x UInt32,
    a DEFAULT x * 2
) ENGINE = Memory;
  • اگر input_format_defaults_for_omitted_fields = 0 سپس مقدار پیش فرض برای x و a برابر 0 (به عنوان مقدار پیش فرض برای UInt32 نوع داده).
  • اگر input_format_defaults_for_omitted_fields = 1 سپس مقدار پیش فرض برای x برابر 0 اما مقدار پیش فرض a برابر x * 2.

!!! note "اخطار" هنگام قرار دادن داده ها با insert_sample_with_metadata = 1, کلیکهاوس مصرف منابع محاسباتی بیشتر, در مقایسه با درج با insert_sample_with_metadata = 0.

انتخاب داده ها

در نظر بگیرید که UserActivity جدول به عنوان مثال:

┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┐
│ 4324182021466249494 │         5 │      146 │   -1 │
│ 4324182021466249494 │         6 │      185 │    1 │
└─────────────────────┴───────────┴──────────┴──────┘

پرسوجو SELECT * FROM UserActivity FORMAT JSONEachRow بازگشت:

{"UserID":"4324182021466249494","PageViews":5,"Duration":146,"Sign":-1}
{"UserID":"4324182021466249494","PageViews":6,"Duration":185,"Sign":1}

بر خلاف JSON قالب, هیچ جایگزینی نامعتبر گفته-8 توالی وجود دارد. ارزش ها در همان راه برای فرار JSON.

!!! note "یادداشت" هر مجموعه ای از بایت می تواند خروجی در رشته ها. استفاده از JSONEachRow فرمت اگر شما اطمینان حاصل کنید که داده ها در جدول را می توان به عنوان جانسون بدون از دست دادن هر گونه اطلاعات فرمت شده است.

استفاده از ساختارهای تو در تو

اگر شما یک جدول با تو در تو ستون نوع داده, شما می توانید داده های جانسون با همان ساختار وارد. فعال کردن این ویژگی با تغییر _کم_تر_تنظیم مجدد _جنسان تنظیمات.

برای مثال جدول زیر را در نظر بگیرید:

CREATE TABLE json_each_row_nested (n Nested (s String, i Int32) ) ENGINE = Memory

همانطور که شما می توانید در Nested شرح نوع داده, تاتر رفتار هر یک از اجزای ساختار تو در تو به عنوان یک ستون جداگانه (n.s و n.i برای جدول ما). شما می توانید داده ها را به روش زیر وارد کنید:

INSERT INTO json_each_row_nested FORMAT JSONEachRow {"n.s": ["abc", "def"], "n.i": [1, 23]}

برای قرار دادن داده ها به عنوان یک شی جوسون سلسله مراتبی, تنظیم وارد کردن _ترمپ_م_تر_اس_جسون ثبت شده=1.

{
    "n": {
        "s": ["abc", "def"],
        "i": [1, 23]
    }
}

بدون این تنظیم, محل کلیک می اندازد یک استثنا.

SELECT name, value FROM system.settings WHERE name = 'input_format_import_nested_json'
┌─name────────────────────────────┬─value─┐
│ input_format_import_nested_json │ 0     │
└─────────────────────────────────┴───────┘
INSERT INTO json_each_row_nested FORMAT JSONEachRow {"n": {"s": ["abc", "def"], "i": [1, 23]}}
Code: 117. DB::Exception: Unknown field found while parsing JSONEachRow format: n: (at row 1)
SET input_format_import_nested_json=1
INSERT INTO json_each_row_nested FORMAT JSONEachRow {"n": {"s": ["abc", "def"], "i": [1, 23]}}
SELECT * FROM json_each_row_nested
┌─n.s───────────┬─n.i────┐
│ ['abc','def'] │ [1,23] │
└───────────────┴────────┘

بومی

فرمت موثر ترین. داده ها توسط بلوک ها در فرمت باینری نوشته شده و خوانده می شوند. برای هر بلوک, تعداد ردیف, تعداد ستون, نام ستون و انواع, و بخش هایی از ستون ها در این بلوک یکی پس از دیگری ثبت. به عبارت دیگر این قالب است “columnar” it doesn't convert columns to rows. This is the format used in the native interface for interaction between servers, for using the command-line client, and for C++ clients.

شما می توانید این فرمت را به سرعت تولید افسردگی است که تنها می تواند توسط سندرم تونل کارپ به عنوان خوانده شده استفاده کنید. این حس برای کار با این فرمت خود را ندارد.

خالی

هیچ چیز خروجی است. اما پرس و جو پردازش شده است و در هنگام استفاده از خط فرمان مشتری داده منتقل می شود به مشتری. این است که برای تست استفاده, از جمله تست عملکرد. به طور مشخص, این فرمت فقط برای خروجی مناسب است, نه برای تجزیه.

زیبا

خروجی داده ها به عنوان جداول یونیکد هنر, همچنین با استفاده از توالی انسی فرار برای تنظیم رنگ در ترمینال. یک شبکه کامل از جدول کشیده شده است, و هر سطر را اشغال دو خط در ترمینال. هر بلوک نتیجه خروجی به عنوان یک جدول جداگانه است. این لازم است به طوری که بلوک می تواند خروجی بدون نتیجه بافر (بافر می شود به منظور قبل از محاسبه عرض قابل مشاهده از تمام مقادیر لازم).

NULL خروجی به عنوان ᴺᵁᴸᴸ.

مثال (نشان داده شده برای پیش تیمار قالب):

SELECT * FROM t_null
┌─x─┬────y─┐
│ 1 │ ᴺᵁᴸᴸ │
└───┴──────┘

ردیف در زیبا * فرمت فرار نیست. به عنوان مثال برای نشان داده شده است پیش تیمار قالب:

SELECT 'String with \'quotes\' and \t character' AS Escaping_test
┌─Escaping_test────────────────────────┐
│ String with 'quotes' and      character │
└──────────────────────────────────────┘

برای جلوگیری از تخلیه اطلاعات بیش از حد به ترمینال تنها 10000 ردیف اول چاپ شده است. اگر تعداد ردیف بیشتر یا برابر با است 10,000, پیام “Showed first 10 000” چاپ شده است. این فرمت فقط برای خروجی یک نتیجه پرس و جو مناسب است, اما نه برای تجزیه (بازیابی اطلاعات برای وارد کردن در یک جدول).

فرمت زیبا پشتیبانی خروجی ارزش کل (هنگام استفاده با بالغ) و افراط و (وقتی که extremes به مجموعه 1). در این موارد, کل ارزش ها و ارزش های شدید خروجی پس از داده های اصلی هستند, در جداول جداگانه. مثال (نشان داده شده برای پیش تیمار قالب):

SELECT EventDate, count() AS c FROM test.hits GROUP BY EventDate WITH TOTALS ORDER BY EventDate FORMAT PrettyCompact
┌──EventDate─┬───────c─┐
│ 2014-03-17 │ 1406958 │
│ 2014-03-18 │ 1383658 │
│ 2014-03-19 │ 1405797 │
│ 2014-03-20 │ 1353623 │
│ 2014-03-21 │ 1245779 │
│ 2014-03-22 │ 1031592 │
│ 2014-03-23 │ 1046491 │
└────────────┴─────────┘

Totals:
┌──EventDate─┬───────c─┐
│ 0000-00-00 │ 8873898 │
└────────────┴─────────┘

Extremes:
┌──EventDate─┬───────c─┐
│ 2014-03-17 │ 1031592 │
│ 2014-03-23 │ 1406958 │
└────────────┴─────────┘

پیش تیمار

متفاوت از زیبا در که شبکه بین ردیف کشیده شده و نتیجه جمع و جور تر است. این فرمت به طور پیش فرض در مشتری خط فرمان در حالت تعاملی استفاده می شود.

بلوک پیش ساخته

متفاوت از پیش تیمار در که تا 10000 ردیف بافر و سپس خروجی به عنوان یک جدول واحد نه بلوک.

کتاب های پیش بینی شده

متفاوت از زیبا که در توالی اس-فرار استفاده نمی شود. این برای نمایش این فرمت در یک مرورگر و همچنین برای استفاده ضروری است watch ابزار خط فرمان.

مثال:

$ watch -n1 "clickhouse-client --query='SELECT event, value FROM system.events FORMAT PrettyCompactNoEscapes'"

شما می توانید رابط قام برای نمایش در مرورگر استفاده کنید.

کتاب های پیش ساخته

همان تنظیمات قبلی.

کتاب های پیش بینی شده

همان تنظیمات قبلی.

چوب نما

متفاوت از پیش تیمار در که فضای سفید (شخصیت های فضایی) به جای شبکه استفاده می شود.

مربوط به حوزه

فرمت ها و تجزیه داده ها توسط ردیف در فرمت باینری. سطر و ارزش ها به صورت متوالی ذکر شده, بدون جدا. این فرمت کمتر از فرمت بومی است زیرا مبتنی بر ردیف است.

اعداد صحیح استفاده از ثابت طول نمایندگی کوچک اندی. مثلا, اوینت64 با استفاده از 8 بایت. تاریخ ساعت به عنوان اوینت32 حاوی برچسب زمان یونیکس به عنوان ارزش نشان داده است. تاریخ به عنوان یک شی اوینت16 که شامل تعداد روز از 1970-01-01 به عنوان ارزش نشان داده شده است. رشته به عنوان یک طول ورق (بدون علامت) نشان داده شده است LEB128), پس از بایت رشته. رشته ثابت است که به سادگی به عنوان یک دنباله از بایت نشان داده شده است.

اری به عنوان یک طول ورینت (بدون علامت) نشان داده شده است LEB128), پس از عناصر پی در پی از مجموعه.

برای NULL حمایت کردن, یک بایت اضافی حاوی 1 یا 0 قبل از هر اضافه Nullable ارزش. اگر 1, سپس ارزش است NULL و این بایت به عنوان یک مقدار جداگانه تفسیر. اگر 0, ارزش پس از بایت است NULL.

ارزشهای خبری عبارتند از:

مشابه به مربوط به حوزه اما با هدر اضافه شده است:

  • LEB128- کد گذاری تعداد ستون ها)
  • N Stringمشخص کردن نامهای ستون
  • N Stringبازدید کنندگان مشخص انواع ستون

مقادیر

چاپ هر سطر در براکت. ردیف ها توسط کاما جدا می شوند. بعد از ردیف گذشته هیچ کاما وجود ندارد. مقادیر داخل براکت نیز با کاما از هم جدا هستند. اعداد خروجی در قالب اعشاری بدون نقل قول هستند. ارریس خروجی در براکت مربع است. رشته, تاریخ, و تاریخ با زمان خروجی در نقل قول. فرار قوانین و تجزیه شبیه به جدول دار قالب. در قالب بندی فضاهای اضافی وارد نشده اند اما در طول تجزیه مجاز و نادیده گرفته می شوند (به جز فضاهای درون مقادیر مجموعه ای که مجاز نیستند). NULL به عنوان نمایندگی NULL.

The minimum set of characters that you need to escape when passing data in Values format: single quotes and backslashes.

این فرمت است که در استفاده می شود INSERT INTO t VALUES ... اما شما همچنین می توانید برای قالب بندی نتایج پرس و جو استفاده کنید.

همچنین نگاه کنید به: در حال خواندن: و در حال خواندن: تنظیمات.

عمودی

چاپ هر مقدار در یک خط جداگانه با نام ستون مشخص. این فرمت مناسب برای چاپ فقط یک یا چند ردیف است اگر هر سطر شامل تعداد زیادی از ستون.

NULL خروجی به عنوان ᴺᵁᴸᴸ.

مثال:

SELECT * FROM t_null FORMAT Vertical
Row 1:
──────
x: 1
y: ᴺᵁᴸᴸ

ردیف در فرمت عمودی فرار نیست:

SELECT 'string with \'quotes\' and \t with some special \n characters' AS test FORMAT Vertical
Row 1:
──────
test: string with 'quotes' and      with some special
 characters

این فرمت فقط برای خروجی یک نتیجه پرس و جو مناسب است, اما نه برای تجزیه (بازیابی اطلاعات برای وارد کردن در یک جدول).

عمودی

مشابه به عمودی, اما با فرار غیر فعال. این قالب فقط برای خروجی نتایج پرس و جو مناسب است, نه برای تجزیه (دریافت داده ها و قرار دادن در جدول).

XML

فرمت فقط برای خروجی مناسب است نه برای تجزیه. مثال:

<?xml version='1.0' encoding='UTF-8' ?>
<result>
        <meta>
                <columns>
                        <column>
                                <name>SearchPhrase</name>
                                <type>String</type>
                        </column>
                        <column>
                                <name>count()</name>
                                <type>UInt64</type>
                        </column>
                </columns>
        </meta>
        <data>
                <row>
                        <SearchPhrase></SearchPhrase>
                        <field>8267016</field>
                </row>
                <row>
                        <SearchPhrase>bathroom interior design</SearchPhrase>
                        <field>2166</field>
                </row>
                <row>
                        <SearchPhrase>yandex</SearchPhrase>
                        <field>1655</field>
                </row>
                <row>
                        <SearchPhrase>2014 spring fashion</SearchPhrase>
                        <field>1549</field>
                </row>
                <row>
                        <SearchPhrase>freeform photos</SearchPhrase>
                        <field>1480</field>
                </row>
                <row>
                        <SearchPhrase>angelina jolie</SearchPhrase>
                        <field>1245</field>
                </row>
                <row>
                        <SearchPhrase>omsk</SearchPhrase>
                        <field>1112</field>
                </row>
                <row>
                        <SearchPhrase>photos of dog breeds</SearchPhrase>
                        <field>1091</field>
                </row>
                <row>
                        <SearchPhrase>curtain designs</SearchPhrase>
                        <field>1064</field>
                </row>
                <row>
                        <SearchPhrase>baku</SearchPhrase>
                        <field>1000</field>
                </row>
        </data>
        <rows>10</rows>
        <rows_before_limit_at_least>141137</rows_before_limit_at_least>
</result>

اگر نام ستون یک فرمت قابل قبول ندارد, فقط field به عنوان نام عنصر استفاده می شود. به طور کلی ساختار ایکس میل از ساختار جسون پیروی می کند. Just as for JSON, invalid UTF-8 sequences are changed to the replacement character <20> so the output text will consist of valid UTF-8 sequences.

در مقادیر رشته, شخصیت < و & فرار به عنوان < و &.

ارریس خروجی به عنوان <array><elem>Hello</elem><elem>World</elem>...</array>,و تاپل به عنوان <tuple><elem>Hello</elem><elem>World</elem>...</tuple>.

کاپپروتو

کپن پروتو فرمت پیام باینری شبیه به بافر پروتکل و صرفه جویی است, اما جسون یا مساگپک را دوست ندارد.

پیام های کپ ان پروتو به شدت تایپ شده و نه خود توصیف, به این معنی که نیاز به یک شرح طرح خارجی. طرح در پرواز اعمال می شود و ذخیره سازی برای هر پرس و جو.

$ cat capnproto_messages.bin | clickhouse-client --query "INSERT INTO test.hits FORMAT CapnProto SETTINGS format_schema='schema:Message'"

کجا schema.capnp به نظر می رسد مثل این:

struct Message {
  SearchPhrase @0 :Text;
  c @1 :Uint64;
}

Deserialization موثر است و معمولا نمی افزایش بار سیستم.

همچنین نگاه کنید به شمای فرمت.

Protobuf

Protobuf - یک بافر پروتکل قالب.

این فرمت نیاز به یک طرح فرمت خارجی دارد. طرح بین نمایش داده شد ذخیره سازی. تاتر از هر دو proto2 و proto3 syntaxes. تکرار / اختیاری / زمینه های مورد نیاز پشتیبانی می شوند.

نمونه های استفاده:

SELECT * FROM test.table FORMAT Protobuf SETTINGS format_schema = 'schemafile:MessageType'
cat protobuf_messages.bin | clickhouse-client --query "INSERT INTO test.table FORMAT Protobuf SETTINGS format_schema='schemafile:MessageType'"

جایی که فایل schemafile.proto به نظر می رسد مثل این:

syntax = "proto3";

message MessageType {
  string name = 1;
  string surname = 2;
  uint32 birthDate = 3;
  repeated string phoneNumbers = 4;
};

برای پیدا کردن مکاتبات بین ستون های جدول و زمینه های بافر پروتکل' نوع پیام تاتر نام خود را مقایسه می کند. این مقایسه غیر حساس به حروف و شخصیت است _ هشدار داده می شود . (نقطه) به عنوان برابر در نظر گرفته. اگر نوع ستون و زمینه پیام بافر پروتکل متفاوت تبدیل لازم اعمال می شود.

پیام های تو در تو پشتیبانی می شوند. برای مثال برای این زمینه است z در نوع پیام زیر

message MessageType {
  message XType {
    message YType {
      int32 z;
    };
    repeated YType y;
  };
  XType x;
};

تاتر تلاش می کند برای پیدا کردن یک ستون به نام x.y.z (یا x_y_z یا X.y_Z و به همین ترتیب). پیام های تو در تو مناسب برای ورودی یا خروجی هستند ساختارهای داده تو در تو.

مقادیر پیش فرض تعریف شده در یک طرح اولیه مانند این

syntax = "proto2";

message MessageType {
  optional int32 result_per_page = 3 [default = 10];
}

اعمال نمی شود پیشفرضهای جدول به جای اونها استفاده میشه

ClickHouse ورودی و خروجی protobuf پیام در length-delimited قالب. این بدان معنی است قبل از هر پیام باید طول خود را به عنوان یک نوشته ورینت. همچنین نگاه کنید به چگونه به خواندن / نوشتن طول-حد و مرز مشخصی پیام های ورودی به زبان های محبوب.

اورو

هشدار داده می شود یک چارچوب سریال داده ردیف گرا توسعه یافته در درون پروژه هادوپ خود نمایی است.

قالب کلیک اور پشتیبانی از خواندن و نوشتن پروندههای داد و ستد.

تطبیق انواع داده ها

جدول زیر انواع داده های پشتیبانی شده را نشان می دهد و چگونه با کلیک مطابقت دارند انواع داده ها داخل INSERT و SELECT نمایش داده شد.

نوع داده اورو INSERT نوع داده کلیک نوع داده اورو SELECT
boolean, int, long, float, double اعضای هیات(8/16/32), اوینت (8/16/32) int
boolean, int, long, float, double Int64, UInt64 long
boolean, int, long, float, double Float32 float
boolean, int, long, float, double جسم شناور64 double
bytes, string, fixed, enum رشته bytes
bytes, string, fixed رشته ثابت) fixed(N)
enum شمارشی (8/16) enum
array(T) & توری) array(T)
union(null, T), union(T, null) Nullable(T) union(null, T)
null Nullable(هیچ چیز) null
int (date) * تاریخ int (date) *
long (timestamp-millis) * طول تاریخ 64 (3) long (timestamp-millis) *
long (timestamp-micros) * طول تاریخ 64 (6) long (timestamp-micros) *

* انواع منطقی اورو

انواع داده های ورودی پشتیبانی نشده: record (غیر ریشه), map

انواع داده های منطقی پشتیبانی نشده: uuid, time-millis, time-micros, duration

درج داده

برای وارد کردن داده ها از یک فایل اورو به جدول کلیک کنید:

$ cat file.avro | clickhouse-client --query="INSERT INTO {some_table} FORMAT Avro"

طرح ریشه فایل ورودی ورودی باید باشد record نوع.

برای پیدا کردن مکاتبات بین ستون های جدول و زمینه های اور طرحواره کلیک نام خود را مقایسه می کند. این مقایسه حساس به حروف است. زمینه های استفاده نشده قلم می شوند.

انواع داده ها از ستون جدول کلیک می توانید از زمینه های مربوطه را از داده های اور قرار داده متفاوت است. در هنگام قرار دادن داده ها, تاتر تفسیر انواع داده ها با توجه به جدول بالا و سپس کست داده ها به نوع ستون مربوطه.

انتخاب داده ها

برای انتخاب داده ها از جدول کلیک به یک فایل پیشرو:

$ clickhouse-client --query="SELECT * FROM {some_table} FORMAT Avro" > file.avro

نام ستون باید:

  • شروع با [A-Za-z_]
  • متعاقبا تنها حاوی [A-Za-z0-9_]

خروجی فشرده سازی فایل و فاصله همگام سازی را می توان با پیکربندی _فرماندگی لبه بام و _فرماندگی لبه چشم به ترتیب.

هشدار داده می شود

ارتباط با پشتیبانی از رمز گشایی پیام های تک شی اور معمولا با استفاده می شود کافکا و رجیستری طرح پساب.

هر پیام ایسترو جاسازی یک شناسه طرح است که می تواند به طرح واقعی با کمک رجیستری طرح حل و فصل شود.

طرحواره ذخیره سازی یک بار حل شود.

نشانی وب رجیستری طرحواره با پیکربندی باز کردن _نمایش مجدد

تطبیق انواع داده ها

مثل اورو

استفاده

به سرعت بررسی طرح قطعنامه شما می توانید استفاده کنید کفککت با کلیک-محلی:

$ kafkacat -b kafka-broker  -C -t topic1 -o beginning -f '%s' -c 3 | clickhouse-local   --input-format AvroConfluent --format_avro_schema_registry_url 'http://schema-registry' -S "field1 Int64, field2 String"  -q 'select *  from table'
1 a
2 b
3 c

برای استفاده AvroConfluent با کافکا:

CREATE TABLE topic1_stream
(
    field1 String,
    field2 String
)
ENGINE = Kafka()
SETTINGS
kafka_broker_list = 'kafka-broker',
kafka_topic_list = 'topic1',
kafka_group_name = 'group1',
kafka_format = 'AvroConfluent';

SET format_avro_schema_registry_url = 'http://schema-registry';

SELECT * FROM topic1_stream;

!!! note "اخطار" تنظیم format_avro_schema_registry_url نیاز به پیکربندی در users.xml برای حفظ ارزش پس از راه اندازی مجدد.

پارکت

پارکت چوب کمر درد فرمت ذخیره سازی ستونی گسترده در اکوسیستم هادوپ است. تاتر پشتیبانی خواندن و نوشتن عملیات برای این فرمت.

تطبیق انواع داده ها

جدول زیر انواع داده های پشتیبانی شده را نشان می دهد و چگونه با کلیک مطابقت دارند انواع داده ها داخل INSERT و SELECT نمایش داده شد.

نوع داده پارکت (INSERT) نوع داده کلیک نوع داده پارکت (SELECT)
UINT8, BOOL UInt8 UINT8
INT8 Int8 INT8
UINT16 UInt16 UINT16
INT16 Int16 INT16
UINT32 UInt32 UINT32
INT32 Int32 INT32
UINT64 UInt64 UINT64
INT64 Int64 INT64
FLOAT, HALF_FLOAT Float32 FLOAT
DOUBLE جسم شناور64 DOUBLE
DATE32 تاریخ UINT16
DATE64, TIMESTAMP DateTime UINT32
STRING, BINARY رشته STRING
رشته ثابت STRING
DECIMAL دهدهی DECIMAL

کلیک هاوس از دقت قابل تنظیم پشتیبانی می کند Decimal نوع. این INSERT پرس و جو رفتار پارکت DECIMAL نوع به عنوان محل کلیک Decimal128 نوع.

انواع داده های پارکت پشتیبانی نشده: DATE32, TIME32, FIXED_SIZE_BINARY, JSON, UUID, ENUM.

انواع داده ها از ستون جدول کلیک خانه می تواند از زمینه های مربوطه را از داده پارکت قرار داده متفاوت است. در هنگام قرار دادن داده ها, تاتر تفسیر انواع داده ها با توجه به جدول بالا و سپس بازیگران داده ها به این نوع داده است که برای ستون جدول کلیک مجموعه.

درج و انتخاب داده ها

شما می توانید داده های پارکت از یک فایل را به جدول کلیک توسط دستور زیر وارد کنید:

$ cat {filename} | clickhouse-client --query="INSERT INTO {some_table} FORMAT Parquet"

شما می توانید داده ها را از یک جدول کلیک انتخاب کنید و با دستور زیر به برخی از فایل ها در قالب پارکت ذخیره کنید:

$ clickhouse-client --query="SELECT * FROM {some_table} FORMAT Parquet" > {some_file.pq}

برای تبادل اطلاعات با هادوپ, شما می توانید استفاده کنید موتور جدول اچ دی اف.

ORC

آپاچی orc فرمت ذخیره سازی ستونی گسترده در اکوسیستم هادوپ است. شما فقط می توانید داده ها را در این قالب به کلیک کنید.

تطبیق انواع داده ها

جدول زیر انواع داده های پشتیبانی شده را نشان می دهد و چگونه با کلیک مطابقت دارند انواع داده ها داخل INSERT نمایش داده شد.

نوع داده اورک (INSERT) نوع داده کلیک
UINT8, BOOL UInt8
INT8 Int8
UINT16 UInt16
INT16 Int16
UINT32 UInt32
INT32 Int32
UINT64 UInt64
INT64 Int64
FLOAT, HALF_FLOAT Float32
DOUBLE جسم شناور64
DATE32 تاریخ
DATE64, TIMESTAMP DateTime
STRING, BINARY رشته
DECIMAL دهدهی

تاتر از دقت قابل تنظیم از Decimal نوع. این INSERT پرس و جو رفتار اورک DECIMAL نوع به عنوان محل کلیک Decimal128 نوع.

انواع داده های پشتیبانی نشده: DATE32, TIME32, FIXED_SIZE_BINARY, JSON, UUID, ENUM.

انواع داده ها از ستون جدول کلیک هاوس لازم نیست برای مطابقت با زمینه های داده اورک مربوطه. در هنگام قرار دادن داده ها, تاتر تفسیر انواع داده ها با توجه به جدول بالا و سپس کست داده ها به نوع داده تعیین شده برای ستون جدول کلیک.

درج داده

شما می توانید داده اورک از یک فایل به جدول کلیک توسط دستور زیر وارد کنید:

$ cat filename.orc | clickhouse-client --query="INSERT INTO some_table FORMAT ORC"

برای تبادل اطلاعات با هادوپ, شما می توانید استفاده کنید موتور جدول اچ دی اف.

شمای فرمت

نام پرونده حاوی شمای قالب با تنظیم تنظیم می شود format_schema. لازم است این تنظیم را هنگام استفاده از یکی از فرمت ها تنظیم کنید Cap'n Proto و Protobuf. شمای فرمت ترکیبی از یک نام فایل و نام یک نوع پیام در این فایل است که توسط روده بزرگ جدا شده است, e.g. schemafile.proto:MessageType. اگر فایل دارای فرمت استاندارد برای فرمت (به عنوان مثال, .proto برای Protobuf), این را می توان حذف و در این مورد طرح فرمت به نظر می رسد schemafile:MessageType.

اگر داده های ورودی یا خروجی را از طریق کارگیر در حالت تعاملی, نام پرونده مشخص شده در شمای فرمت می تواند شامل یک مسیر مطلق و یا یک مسیر نسبت به دایرکتوری جاری در مشتری. اگر شما با استفاده از مشتری در حالت دسته ای مسیر طرح باید به دلایل امنیتی نسبی باشد.

اگر داده های ورودی یا خروجی را از طریق رابط قام نام پرونده مشخص شده در شمای قالب باید در دایرکتوری مشخص شده در واقع قالب_شکلمات شیمی در پیکربندی سرور.

پرش خطاها

برخی از فرمت های مانند CSV, TabSeparated, TSKV, JSONEachRow, Template, CustomSeparated و Protobuf می توانید ردیف شکسته جست و خیز اگر خطای تجزیه رخ داده است و ادامه تجزیه از ابتدای ردیف بعدی. ببینید وارد کردن _فرست_مرزیابی _نمایش مجدد و ثبت نام تنظیمات. محدودیت ها:

  • در صورت خطای تجزیه JSONEachRow پرش تمام داده ها تا زمانی که خط جدید (یا بخش ویژه), بنابراین ردیف باید توسط حد و مرز مشخصی \n برای شمارش خطاها به درستی.
  • Template و CustomSeparated استفاده از جداساز پس از ستون گذشته و جداساز بین ردیف برای پیدا کردن ابتدای سطر بعدی, بنابراین اشتباهات پرش کار می کند تنها اگر حداقل یکی از خالی نیست.

مقاله اصلی