mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-12-15 19:02:04 +00:00
3.1 KiB
3.1 KiB
sidebar_position | sidebar_label |
---|---|
45 | hdfs |
hdfs
根据HDFS中的文件创建表。 该表函数类似于 url 和 文件。
hdfs(URI, format, structure)
输入参数
URI
— HDFS中文件的相对URI。 在只读模式下,文件路径支持以下通配符:*
,?
,{abc,def}
和{N..M}
,其中N
,M
是数字, `'abc', 'def'
是字符串。format
— 文件的格式。structure
— 表的结构。格式'column1_name column1_type, column2_name column2_type, ...'
。
返回值
具有指定结构的表,用于读取或写入指定文件中的数据。
示例
表来自 hdfs://hdfs1:9000/test
并从中选择前两行:
SELECT *
FROM hdfs('hdfs://hdfs1:9000/test', 'TSV', 'column1 UInt32, column2 UInt32, column3 UInt32')
LIMIT 2
┌─column1─┬─column2─┬─column3─┐
│ 1 │ 2 │ 3 │
│ 3 │ 2 │ 1 │
└─────────┴─────────┴─────────┘
路径中的通配符
多个路径组件可以具有通配符。 对于要处理的文件必须存在并与整个路径模式匹配(不仅后缀或前缀)。
*
— 替换任意数量的任何字符,除了/
包括空字符串。?
— 替换任何单个字符。{some_string,another_string,yet_another_one}
— 替换任何字符串'some_string', 'another_string', 'yet_another_one'
。{N..M}
— 替换范围从N到M的任何数字(包括两个边界)。
使用 {}
的构造类似于 remote)表函数。
示例
- 假设我们在HDFS上有几个带有以下URI的文件:
- ‘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’
- 查询这些文件中的行数:
SELECT count(*)
FROM hdfs('hdfs://hdfs1:9000/{some,another}_dir/some_file_{1..3}', 'TSV', 'name String, value UInt32')
- 查询这两个目录的所有文件中的行数:
SELECT count(*)
FROM hdfs('hdfs://hdfs1:9000/{some,another}_dir/*', 'TSV', 'name String, value UInt32')
!!! warning "警告"
如果您的文件列表包含带前导零的数字范围,请对每个数字分别使用带有大括号的结构或使用 ?
。
示例
从名为 file000
, file001
, … , file999
的文件中查询数据:
SELECT count(*)
FROM hdfs('hdfs://hdfs1:9000/big_dir/file{0..9}{0..9}{0..9}', 'CSV', 'name String, value UInt32')
虚拟列
_path
— 文件路径。_file
— 文件名称。
另请参阅