mirror of https://github.com/ClickHouse/ClickHouse.git synced 2024-09-24 10:40:49 +00:00

2021-08-01 03:06:48 +00:00

12 KiB

Raw Blame History

toc_priority	toc_title
6	HDFS

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.
Поддерживается репиликация без копирования данных (zero-copy): если данные хранятся на нескольких удаленных машинах, то при синхронизации пересылаются только метаданные (пути к кускам данных), а сами данные не копируются.
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 (может содержать ведущие нули).

Конструкция с {} аналогична табличной функции remote.

Пример

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

‘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’

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 "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:

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

Конфигурация

Похоже на GraphiteMergeTree, движок HDFS поддерживает расширенную конфигурацию с использованием файла конфигурации ClickHouse. Есть два раздела конфигурации которые вы можете использовать: глобальный (hdfs) и на уровне пользователя (hdfs_*). Глобальные настройки применяются первыми, и затем применяется конфигурация уровня пользователя (если она указана).

  <!-- Глобальные настройки для движка HDFS -->
  <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>

  <!-- Конфигурация специфичная для пользователя "root" -->
  <hdfs_root>
	<hadoop_kerberos_principal>root@TEST.CLICKHOUSE.TECH</hadoop_kerberos_principal>
  </hdfs_root>

Возможные опции конфигурации

Поддерживаемые из libhdfs3

Руководство по конфигурации HDFS поможет обьяснить назначения некоторых параметров.

Расширенные параметры для ClickHouse

Ограничения

hadoop_security_kerberos_ticket_cache_path могут быть определены только на глобальном уровне

Поддержка Kerberos

Если hadoop_security_authentication параметр имеет значение 'kerberos', ClickHouse аутентифицируется с помощью Kerberos. Расширенные параметры и hadoop_security_kerberos_ticket_cache_path помогают сделать это. Обратите внимание что из-за ограничений libhdfs3 поддерживается только устаревший метод аутентификации, коммуникация с узлами данных не защищена SASL (HADOOP_SECURE_DN_USER надежный показатель такого подхода к безопасности). Используйте tests/integration/test_storage_kerberized_hdfs/hdfs_configs/bootstrap.sh для примера настроек.

Если hadoop_kerberos_keytab, hadoop_kerberos_principal или hadoop_kerberos_kinit_command указаны в настройках, kinit будет вызван. hadoop_kerberos_keytab и hadoop_kerberos_principal обязательны в этом случае. Необходимо также будет установить kinit и файлы конфигурации krb5.

Виртуальные столбцы

_path — Путь к файлу.
_file — Имя файла.

См. также

Виртуальные колонки

12 KiB Raw Blame History Unescape Escape