ClickHouse/docs/zh/operations/table_engines/external_data.md
2020-01-30 13:34:55 +03:00

3.1 KiB
Raw Blame History

External Data for Query Processing

ClickHouse 允许向服务器发送处理查询所需的数据以及 SELECT 查询。这些数据放在一个临时表中(请参阅 "临时表" 一节),可以在查询中使用(例如,在 IN 操作符中)。

例如,如果您有一个包含重要用户标识符的文本文件,则可以将其与使用此列表过滤的查询一起上传到服务器。

如果需要使用大量外部数据运行多个查询,请不要使用该特性。最好提前把数据上传到数据库。

可以使用命令行客户端(在非交互模式下)或使用 HTTP 接口上传外部数据。

在命令行客户端中,您可以指定格式的参数部分

--external --file=... [--name=...] [--format=...] [--types=...|--structure=...]

对于传输的表的数量,可能有多个这样的部分。

--external 标记子句的开始。 --file 带有表存储的文件的路径或者它指的是STDIN。 只能从 stdin 中检索单个表。

以下的参数是可选的:--name 表的名称,如果省略,则采用 _data。 --format 文件中的数据格式。 如果省略,则使用 TabSeparated。

以下的参数必选一个:--types 逗号分隔列类型的列表。例如:UInt64,String。列将被命名为 _1_2... --structure 表结构的格式 UserID UInt64URL String。定义列的名字以及类型。

在 "file" 中指定的文件将由 "format" 中指定的格式解析,使用在 "types" 或 "structure" 中指定的数据类型。该表将被上传到服务器,并在作为名称为 "name"临时表。

示例:

echo -ne "1\n2\n3\n" | clickhouse-client --query="SELECT count() FROM test.visits WHERE TraficSourceID IN _data" --external --file=- --types=Int8
849897
cat /etc/passwd | sed 's/:/\t/g' | clickhouse-client --query="SELECT shell, count() AS c FROM passwd GROUP BY shell ORDER BY c DESC" --external --file=- --name=passwd --structure='login String, unused String, uid UInt16, gid UInt16, comment String, home String, shell String'
/bin/sh 20
/bin/false      5
/bin/bash       4
/usr/sbin/nologin       1
/bin/sync       1

当使用HTTP接口时外部数据以 multipart/form-data 格式传递。每个表作为一个单独的文件传输。表名取自文件名。"query_string" 传递参数 "name_format"、"name_types"和"name_structure",其中 "name" 是这些参数对应的表的名称。参数的含义与使用命令行客户端时的含义相同。

示例:

cat /etc/passwd | sed 's/:/\t/g' > passwd.tsv

curl -F 'passwd=@passwd.tsv;' 'http://localhost:8123/?query=SELECT+shell,+count()+AS+c+FROM+passwd+GROUP+BY+shell+ORDER+BY+c+DESC&passwd_structure=login+String,+unused+String,+uid+UInt16,+gid+UInt16,+comment+String,+home+String,+shell+String'
/bin/sh 20
/bin/false      5
/bin/bash       4
/usr/sbin/nologin       1
/bin/sync       1

对于分布式查询,将临时表发送到所有远程服务器。

Original article