跳到主要内容
跳到主要内容
编辑此页

hdfs

从 HDFS 中的文件创建表。此表函数类似于 url 和 file 函数。

hdfs(URI, format, structure)

输入参数

  • URI — HDFS 中文件的相对 URI。文件路径支持以下只读模式的 glob：*、?、{abc,def} 和 {N..M}，其中 N、M — 数字，'abc'、'def' — 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，用于在指定文件中读取或写入数据。

示例

来自 hdfs://hdfs1:9000/test 的表以及从中选择的前两行

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 Glob​

路径可以使用 globbing。文件必须匹配整个路径模式，而不仅仅是后缀或前缀。

  • * — 表示任意多个字符，除了 / 但包括空字符串。
  • ** — 递归地表示文件夹内的所有文件。
  • ? — 表示任意单个字符。
  • {some_string,another_string,yet_another_one} — 替换字符串 'some_string'、'another_string'、'yet_another_one' 中的任何一个。字符串可以包含 / 符号。
  • {N..M} — 表示任何数字 >= N 且 <= M。

带有 {} 的构造类似于 remote 和 file 表函数。

示例

  1. 假设我们在 HDFS 上有几个具有以下 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’
  1. 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')
  1. 查询这两个目录中所有文件的行数
SELECT count(*)
FROM hdfs('hdfs://hdfs1:9000/{some,another}_dir/*', 'TSV', 'name String, value UInt32')
注意

如果您的文件列表包含带有前导零的数字范围，请为每个数字分别使用大括号构造或使用 ?。

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。类型：LowCardinality(String)。
  • _file — 文件名。类型：LowCardinality(String)。
  • _size — 文件大小（字节）。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。

Hive 风格分区​

当设置 use_hive_partitioning 设置为 1 时，ClickHouse 将检测路径中的 Hive 风格分区 (/name=value/)，并允许在查询中使用分区列作为虚拟列。这些虚拟列将具有与分区路径中相同的名称，但以 _ 开头。

示例

使用使用 Hive 风格分区创建的虚拟列

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

存储设置​

另请参阅