跳至主要内容

URL 表引擎

从远程 HTTP/HTTPS 服务器查询数据。此引擎类似于 文件 引擎。

语法:URL(URL [,Format] [,CompressionMethod])

  • URL 参数必须符合统一资源定位器的结构。指定的 URL 必须指向使用 HTTP 或 HTTPS 的服务器。这不需要任何额外的标头来从服务器获取响应。

  • Format 必须是 ClickHouse 在 SELECT 查询中,以及在必要时在 INSERTs 中使用的格式。有关支持格式的完整列表,请参见 格式.

    如果未指定此参数,ClickHouse 会从 URL 参数的后缀自动检测格式。如果 URL 参数的后缀与任何支持的格式不匹配,则无法创建表。例如,对于引擎表达式 URL('https://127.0.0.1/test.json'),将应用 JSON 格式。

  • CompressionMethod 指示是否应压缩 HTTP 主体。如果启用了压缩,则 URL 引擎发送的 HTTP 数据包包含 'Content-Encoding' 标头,以指示使用了哪种压缩方法。

要启用压缩,请首先确保 URL 参数指示的远程 HTTP 端点支持相应的压缩算法。

支持的 CompressionMethod 应为以下之一

  • gzip 或 gz
  • deflate
  • brotli 或 br
  • lzma 或 xz
  • zstd 或 zst
  • lz4
  • bz2
  • snappy
  • 自动

如果未指定 CompressionMethod,则默认为 auto。这意味着 ClickHouse 会从 URL 参数的后缀自动检测压缩方法。如果后缀与上面列出的任何压缩方法匹配,则应用相应的压缩,否则不会启用任何压缩。

例如,对于引擎表达式 URL('https://127.0.0.1/test.gzip'),将应用 gzip 压缩方法,但对于 URL('https://127.0.0.1/test.fr'),不会启用压缩,因为后缀 fr 与上面的任何压缩方法都不匹配。

用法

INSERTSELECT 查询分别转换为 POSTGET 请求。为了处理 POST 请求,远程服务器必须支持 分块传输编码.

可以使用 max_http_get_redirects 设置来限制 HTTP GET 重定向跳转的最大数量。

示例

1. 在服务器上创建 url_engine_table

CREATE TABLE url_engine_table (word String, value UInt64)
ENGINE=URL('http://127.0.0.1:12345/', CSV)

2. 使用标准的 Python 3 工具创建一个基本的 HTTP 服务器并启动它

from http.server import BaseHTTPRequestHandler, HTTPServer

class CSVHTTPServer(BaseHTTPRequestHandler):
def do_GET(self):
self.send_response(200)
self.send_header('Content-type', 'text/csv')
self.end_headers()

self.wfile.write(bytes('Hello,1\nWorld,2\n', "utf-8"))

if __name__ == "__main__":
server_address = ('127.0.0.1', 12345)
HTTPServer(server_address, CSVHTTPServer).serve_forever()
$ python3 server.py

3. 请求数据

SELECT * FROM url_engine_table
┌─word──┬─value─┐
│ Hello │ 1 │
│ World │ 2 │
└───────┴───────┘

实现细节

  • 读写可以并行进行
  • 不支持
    • ALTERSELECT...SAMPLE 操作。
    • 索引。
    • 复制。

PARTITION BY

PARTITION BY — 可选。可以通过对分区键进行数据分区来创建单独的文件。在大多数情况下,您不需要分区键,如果需要,通常不需要比按月更细粒度地进行分区。分区不会加快查询速度(与 ORDER BY 表达式相反)。您不应使用过于细粒度的分区。不要按客户标识符或名称对数据进行分区(而是将客户标识符或名称作为 ORDER BY 表达式中的第一个列)。

要按月进行分区,请使用 toYYYYMM(date_column) 表达式,其中 date_column 是一个具有 Date 类型的日期列。这里的分区名称具有 "YYYYMM" 格式。

虚拟列

  • _pathURL 的路径。类型:LowCardinalty(String)
  • _fileURL 的资源名称。类型:LowCardinalty(String)
  • _size — 资源的大小(以字节为单位)。类型:Nullable(UInt64)。如果大小未知,则值为 NULL
  • _time — 文件的最后修改时间。类型:Nullable(DateTime)。如果时间未知,则值为 NULL
  • _headers - HTTP 响应标头。类型:Map(LowCardinalty(String), LowCardinalty(String))

存储设置