[go: up one dir, main page]
跳到主要内容
跳到主要内容

file 表函数

一种表引擎，提供表格接口，以便从文件中 SELECT 和 INSERT，类似于 s3 表函数。当处理本地文件时使用 file()，而在处理像 S3、GCS 或 MinIO 等对象存储中的桶时使用 s3()。

file 函数可以在 SELECT 和 INSERT 查询中用于读取或写入文件。

语法​

file([path_to_archive ::] path [,format] [,structure] [,compression])

参数​

参数描述
path从 user_files_path 到文件的相对路径。在只读模式下支持以下 通配符：*、?、{abc,def}（'abc' 和 'def' 为字符串）以及 {N..M}（N 和 M 为数字）。
path_to_archivezip/tar/7z 压缩档案的相对路径。支持与 path 相同的通配符。
format文件的 格式。
structure表的结构。格式：'column1_name column1_type, column2_name column2_type, ...'。
compression在 SELECT 查询中使用时的现有压缩类型，或者在 INSERT 查询中使用时的期望压缩类型。支持的压缩类型有 gz、br、xz、zst、lz4 和 bz2。

返回值​

用于在文件中读取或写入数据的表。

示例：写入文件​

写入 TSV 文件​

INSERT INTO TABLE FUNCTION
file('test.tsv', 'TSV', 'column1 UInt32, column2 UInt32, column3 UInt32')
VALUES (1, 2, 3), (3, 2, 1), (1, 3, 2)

结果，数据被写入文件 test.tsv：


# cat /var/lib/clickhouse/user_files/test.tsv
1    2    3
3    2    1
1    3    2

分区写入多个 TSV 文件​

如果在向类型为 file() 的表函数插入数据时指定了 PARTITION BY 表达式，则为每个分区创建一个单独的文件。将数据拆分到不同的文件有助于提高读取操作的性能。

INSERT INTO TABLE FUNCTION
file('test_{_partition_id}.tsv', 'TSV', 'column1 UInt32, column2 UInt32, column3 UInt32')
PARTITION BY column3
VALUES (1, 2, 3), (3, 2, 1), (1, 3, 2)

结果，数据被写入三个文件：test_1.tsv、test_2.tsv 和 test_3.tsv。


# cat /var/lib/clickhouse/user_files/test_1.tsv
3    2    1


# cat /var/lib/clickhouse/user_files/test_2.tsv
1    3    2


# cat /var/lib/clickhouse/user_files/test_3.tsv
1    2    3

示例：从文件读取​

从 CSV 文件中 SELECT​

首先，在服务器配置中设置 user_files_path 并准备一个文件 test.csv：

$ grep user_files_path /etc/clickhouse-server/config.xml
    <user_files_path>/var/lib/clickhouse/user_files/</user_files_path>

$ cat /var/lib/clickhouse/user_files/test.csv
    1,2,3
    3,2,1
    78,43,45

然后，从 test.csv 读取数据到表中，并选择其前两行：

SELECT * FROM
file('test.csv', 'CSV', 'column1 UInt32, column2 UInt32, column3 UInt32')
LIMIT 2;

┌─column1─┬─column2─┬─column3─┐
│       1 │       2 │       3 │
│       3 │       2 │       1 │
└─────────┴─────────┴─────────┘

从文件插入数据到表中​

INSERT INTO FUNCTION
file('test.csv', 'CSV', 'column1 UInt32, column2 UInt32, column3 UInt32')
VALUES (1, 2, 3), (3, 2, 1);

SELECT * FROM
file('test.csv', 'CSV', 'column1 UInt32, column2 UInt32, column3 UInt32');

┌─column1─┬─column2─┬─column3─┐
│       1 │       2 │       3 │
│       3 │       2 │       1 │
└─────────┴─────────┴─────────┘

从 archive1.zip 或/和 archive2.zip 中读取 table.csv 的数据：

SELECT * FROM file('user_files/archives/archive{1..2}.zip :: table.csv');

路径中的通配符​

路径可以使用通配符。文件必须匹配整个路径模式，而不仅仅是后缀或前缀。有一个例外，如果路径指向已存在的目录且不使用通配符，则将隐式添加 * 到路径，因此选择目录中的所有文件。

  • * — 表示任意多个字符，除了 /，但包括空字符串。
  • ? — 表示任意单个字符。
  • {some_string,another_string,yet_another_one} — 替换字符串 'some_string'、'another_string' 和 'yet_another_one' 中的任意一个。字符串可以包含 / 符号。
  • {N..M} — 表示任何数字 >= N 且 <= M。
  • ** - 表示文件夹内的所有文件，递归查找。

包含 {} 的构造与 remote 和 hdfs 表函数类似。

示例​

示例

假设存在这些文件，具有以下相对路径：

  • some_dir/some_file_1
  • some_dir/some_file_2
  • some_dir/some_file_3
  • another_dir/some_file_1
  • another_dir/some_file_2
  • another_dir/some_file_3

查询所有文件中的总行数：

SELECT count(*) FROM file('{some,another}_dir/some_file_{1..3}', 'TSV', 'name String, value UInt32');

另一种实现相同结果的路径表达式：

SELECT count(*) FROM file('{some,another}_dir/*', 'TSV', 'name String, value UInt32');

使用隐式 * 查询 some_dir 中的总行数：

SELECT count(*) FROM file('some_dir', 'TSV', 'name String, value UInt32');
备注

如果您的文件列表包含带前导零的数字范围，请为每个数字单独使用大括号构造，或使用 ?。

示例

查询名为 file000、file001、...、file999 的文件中的总行数：

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

示例

递归查询 big_dir/ 目录中所有文件的总行数：

SELECT count(*) FROM file('big_dir/**', 'CSV', 'name String, value UInt32');

示例

递归查询 big_dir/ 目录中任意文件夹内名为 file002 的文件的总行数：

SELECT count(*) FROM file('big_dir/**/file002', 'CSV', 'name String, value UInt32');

虚拟列​

  • _path — 文件的路径。类型：LowCardinality(String)。
  • _file — 文件的名称。类型：LowCardinality(String)。
  • _size — 文件的大小（以字节为单位）。类型：Nullable(UInt64)。如果文件大小未知，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。

use_hive_partitioning 设置​

当设置 use_hive_partitioning 为 1 时，ClickHouse 将在路径中检测 Hive 风格的分区 (/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相同的名称，但以 _ 开头。

示例

使用 Hive 风格分区创建的虚拟列

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

设置​

设置描述
engine_file_empty_if_not_exists允许从不存在的文件中选择空数据。默认情况下禁用。
engine_file_truncate_on_insert允许在插入之前截断文件。默认情况下禁用。
engine_file_allow_create_multiple_files允许在每次插入时创建新文件（如果格式具有后缀）。默认情况下禁用。
engine_file_skip_empty_files允许在读取时跳过空文件。默认情况下禁用。
storage_file_read_method从存储文件读取数据的方法，有效值为：read, pread, mmap（仅限 clickhouse-local）。默认值：pread 用于 clickhouse-server，mmap 用于 clickhouse-local。