Перейти к основному содержанию
Перейти к основному содержанию

Табличная функция hdfs

Создает таблицу из файлов в HDFS. Эта табличная функция аналогична табличным функциям url и file.

Синтаксис​

hdfs(URI, format, structure)

Аргументы​

АргументОписание
URIОтносительный URI файла в HDFS. Путь к файлу в режиме только для чтения поддерживает следующие glob-шаблоны: *, ?, {abc,def} и {N..M}, где N, M — числа, 'abc', 'def' — строки.
formatФормат файла.
structureСтруктура таблицы. В формате 'column1_name column1_type, column2_name column2_type, ...'.

Возвращаемое значение​

Таблица заданной структуры для чтения или записи данных в указанный файл.

Пример

Таблица из hdfs://hdfs1:9000/test и выборка первых двух строк из неё:

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 │
└─────────┴─────────┴─────────┘

Глоб-шаблоны в пути​

В путях можно использовать глоб-шаблоны. Файлы должны соответствовать всему шаблону пути, а не только суффиксу или префиксу.

  • * — Обозначает произвольное количество символов, кроме /, включая пустую строку.
  • ** — Обозначает все файлы в каталоге и его подкаталогах (рекурсивно).
  • ? — Обозначает один произвольный символ.
  • {some_string,another_string,yet_another_one} — Подставляет любую из строк 'some_string', 'another_string', 'yet_another_one'. Строки могут содержать символ /.
  • {N..M} — Обозначает любое число от N до M включительно.

Конструкции с {} аналогичны табличным функциям remote и file.

Пример

  1. Предположим, что 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'
  1. Выполним запрос, чтобы подсчитать количество строк в этих файлах:
SELECT count(*)
FROM hdfs('hdfs://hdfs1:9000/{some,another}_dir/some_file_{1..3}', 'TSV', 'name String, value UInt32')
  1. Выполните запрос, чтобы узнать количество строк во всех файлах в этих двух каталогах:
SELECT count(*)
FROM hdfs('hdfs://hdfs1:9000/{some,another}_dir/*', 'TSV', 'name String, value UInt32')
Примечание

Если в списке файлов есть числовые диапазоны с ведущими нулями, используйте конструкцию с фигурными скобками для каждой позиции цифры отдельно или символ ?.

Пример

Выполните запрос к данным из файлов file000, file001, ... , file999:

SELECT count(*)
FROM hdfs('hdfs://hdfs1:9000/big_dir/file{0..9}{0..9}{0..9}', 'CSV', 'name String, value UInt32')

Виртуальные столбцы​

  • _path — Путь к файлу. Тип: LowCardinality(String).
  • _file — Имя файла. Тип: LowCardinality(String).
  • _size — Размер файла в байтах. Тип: Nullable(UInt64). Если размер неизвестен, значение — NULL.
  • _time — Время последнего изменения файла. Тип: Nullable(DateTime). Если время неизвестно, значение — NULL.

параметр use_hive_partitioning​

Когда параметр use_hive_partitioning установлен в значение 1, ClickHouse будет обнаруживать секционирование в стиле Hive в пути (/name=value/) и позволит использовать столбцы секций как виртуальные столбцы в запросе. Эти виртуальные столбцы будут иметь те же имена, что и в секционированном пути, но с префиксом _.

Пример

Использование виртуального столбца, созданного при секционировании в стиле Hive

SELECT * FROM HDFS('hdfs://hdfs1:9000/data/path/date=*/country=*/code=*/*.parquet') WHERE _date > '2020-01-01' AND _country = 'Netherlands' AND _code = 42;

Настройки хранилища​

  • hdfs_truncate_on_insert — позволяет усекать файл перед вставкой данных в него. По умолчанию отключено.
  • hdfs_create_new_file_on_insert — позволяет создавать новый файл при каждой вставке, если формат имеет суффикс. По умолчанию отключено.
  • hdfs_skip_empty_files — позволяет пропускать пустые файлы при чтении. По умолчанию отключено.