Skip to content
ClickHouse Docs
ClickHouse DocsClickHouse Docs
49.6kGet Started

gcs

View as MarkdownEdit this pageReport an issueSet up docs MCP

Google Cloud Storage에서 데이터를 SELECT하고 INSERT할 수 있는 테이블 형태의 인터페이스를 제공합니다. Storage Object User IAM 역할이 필요합니다.

이는 s3 테이블 함수의 별칭입니다.

클러스터에 여러 레플리카가 있는 경우, GCS에서도 작동하는 s3Cluster 함수를 대신 사용해 삽입을 병렬화할 수 있습니다.

구문

gcs(url [, NOSIGN | hmac_key, hmac_secret] [,format] [,structure] [,compression_method] [,partition_strategy])
gcs(named_collection[, option=value [,..]])

인수

인수 설명
url 파일의 버킷 경로입니다. readonly 모드에서는 다음 wildcards를 지원합니다: *, **, ?, {abc,def}, {N..M}. 여기서 N, M은 숫자이고 'abc', 'def'는 문자열입니다.
NOSIGN 이 키워드를 자격 증명 대신 지정하면 모든 요청에 서명하지 않습니다.
hmac_key and hmac_secret 지정된 endpoint와 함께 사용할 자격 증명을 지정하는 키입니다. 선택 사항입니다.
format 파일의 포맷입니다.
structure 테이블의 구조입니다. 포맷은 'column1_name column1_type, column2_name column2_type, ...'입니다.
compression_method 이 매개변수는 선택 사항입니다. 지원되는 값은 none, gzip 또는 gz, brotli 또는 br, xz 또는 LZMA, zstd 또는 zst입니다. 기본적으로 파일 확장자를 기준으로 압축 방식을 자동 감지합니다.
partition_strategy 선택 사항입니다. 지원되는 값은 wildcard 또는 hive입니다. wildcard는 경로에 {_partition_id}가 있어야 합니다. 명시적 전략이 없으면 {_partition_id}가 포함된 경로는 wildcard를 사용합니다. 다른 글롭이 포함된 경로는 파티션 전략을 사용하지 않으며 PARTITION BY를 무시합니다. 글롭이 없는 경로는 file_like_engine_default_partition_strategy가 hive일 때 hive를 사용하며, 그렇지 않으면 파티션 전략을 사용하지 않습니다.

인수는 이름이 지정된 컬렉션을 사용해 전달할 수도 있습니다. 이 경우 url, format, structure, compression_method, partition_strategy는 동일하게 동작하며, 몇 가지 추가 매개변수도 지원합니다:

매개변수 설명
access_key_id hmac_key입니다. 선택 사항입니다.
secret_access_key hmac_secret입니다. 선택 사항입니다.
filename 지정하면 url에 추가됩니다.
use_environment_credentials 기본적으로 활성화되어 있으며, 환경 변수 AWS_CONTAINER_CREDENTIALS_RELATIVE_URI, AWS_CONTAINER_CREDENTIALS_FULL_URI, AWS_CONTAINER_AUTHORIZATION_TOKEN, AWS_EC2_METADATA_DISABLED를 사용해 추가 매개변수를 전달할 수 있습니다.
no_sign_request 기본적으로 비활성화되어 있습니다.
expiration_window_seconds 기본값은 120입니다.

반환 값

지정된 파일의 데이터를 읽거나 쓰기 위한, 지정된 구조의 테이블입니다.

예시

GCS 파일 https://storage.googleapis.com/clickhouse_public_datasets/my-test-bucket-768/data.csv.gz에서 처음 두 행을 선택하는 예시입니다. 압축 방식은 .gz 파일 확장자를 기준으로 자동 감지됩니다:

SELECT *
FROM gcs('https://storage.googleapis.com/clickhouse_public_datasets/my-test-bucket-768/data.csv.gz', 'CSV', 'column1 UInt32, column2 UInt32, column3 UInt32')
LIMIT 2;
┌─column1─┬─column2─┬─column3─┐
│       1 │       2 │       3 │
│       3 │       2 │       1 │
└─────────┴─────────┴─────────┘

위와 같은 쿼리이지만, 자동 감지에 의존하지 않고 gzip 압축 방식을 명시적으로 지정했습니다:

SELECT *
FROM gcs('https://storage.googleapis.com/clickhouse_public_datasets/my-test-bucket-768/data.csv.gz', 'CSV', 'column1 UInt32, column2 UInt32, column3 UInt32', 'gzip')
LIMIT 2;
┌─column1─┬─column2─┬─column3─┐
│       1 │       2 │       3 │
│       3 │       2 │       1 │
└─────────┴─────────┴─────────┘

사용법

GCS에 다음 URI를 가진 여러 파일이 있다고 가정합니다.

파일명 끝이 1부터 3까지의 숫자인 파일의 행 수를 계산합니다:

SELECT count(*)
FROM gcs('https://storage.googleapis.com/clickhouse_public_datasets/my-test-bucket-768/{some,another}_prefix/some_file_{1..3}.csv', 'CSV', 'column1 UInt32, column2 UInt32, column3 UInt32')
┌─count()─┐
│      18 │
└─────────┘

다음 두 디렉터리에 있는 모든 파일의 총 행 수를 계산합니다:

SELECT count(*)
FROM gcs('https://storage.googleapis.com/clickhouse_public_datasets/my-test-bucket-768/{some,another}_prefix/*', 'CSV', 'column1 UInt32, column2 UInt32, column3 UInt32')
┌─count()─┐
│      24 │
└─────────┘

file-000.csv, file-001.csv, … , file-999.csv라는 이름의 파일에 있는 행 수의 총합을 계산합니다:

SELECT count(*)
FROM gcs('https://storage.googleapis.com/clickhouse_public_datasets/my-test-bucket-768/big_prefix/file-{000..999}.csv', 'CSV', 'name String, value UInt32');
┌─count()─┐
│      12 │
└─────────┘

파일 test-data.csv.gz에 데이터를 삽입합니다:

INSERT INTO FUNCTION gcs('https://storage.googleapis.com/my-test-bucket-768/test-data.csv.gz', 'CSV', 'name String, value UInt32', 'gzip')
VALUES ('test-data', 1), ('test-data-2', 2);

기존 테이블의 데이터를 파일 test-data.csv.gz에 삽입합니다:

INSERT INTO FUNCTION gcs('https://storage.googleapis.com/my-test-bucket-768/test-data.csv.gz', 'CSV', 'name String, value UInt32', 'gzip')
SELECT name, value FROM existing_table;

Glob **는 디렉터리를 재귀적으로 순회할 때 사용할 수 있습니다. 아래 예시에서는 my-test-bucket-768 디렉터리의 모든 파일을 재귀적으로 가져옵니다:

SELECT * FROM gcs('https://storage.googleapis.com/my-test-bucket-768/**', 'CSV', 'name String, value UInt32', 'gzip');

아래는 my-test-bucket 디렉터리 내 모든 폴더에 있는 test-data.csv.gz 파일을 재귀적으로 탐색하여 데이터를 가져옵니다:

SELECT * FROM gcs('https://storage.googleapis.com/my-test-bucket-768/**/test-data.csv.gz', 'CSV', 'name String, value UInt32', 'gzip');

프로덕션 환경에서는 이름이 지정된 컬렉션을 사용하는 것이 권장됩니다. 다음은 예시입니다:


CREATE NAMED COLLECTION creds AS
        access_key_id = '***',
        secret_access_key = '***';
SELECT count(*)
FROM gcs(creds, url='https://s3-object-url.csv')

파티션별 쓰기

GCS 테이블에 데이터를 삽입할 때 PARTITION BY 표현식을 지정하면 각 파티션 값별로 별도의 파일이 생성됩니다. 데이터를 파일별로 분할하면 읽기 작업의 효율을 높이는 데 도움이 됩니다.

{_partition_id}를 포함하는 경로는 wildcard 파티션 전략을 의미하므로, 아래 예시의 명시적인 partition_strategy='wildcard'는 선택 사항입니다. 다른 글롭을 포함하는 경로는 파티션 전략을 사용하지 않으며 PARTITION BY를 무시합니다. 글롭이 없는 경로는 file_like_engine_default_partition_strategy가 hive이면 hive를 사용하고, 그렇지 않으면 파티션 전략을 사용하지 않습니다.

예시

  1. 키에 파티션 ID를 사용하면 파일이 각각 따로 생성됩니다:
INSERT INTO TABLE FUNCTION
    gcs('http://bucket.amazonaws.com/my_bucket/file_{_partition_id}.csv', 'CSV', 'a String, b UInt32, c UInt32', partition_strategy='wildcard')
    PARTITION BY a VALUES ('x', 2, 3), ('x', 4, 5), ('y', 11, 12), ('y', 13, 14), ('z', 21, 22), ('z', 23, 24);

그 결과 데이터는 file_x.csv, file_y.csv, file_z.csv의 3개 파일에 기록됩니다.

  1. 버킷 이름에 파티션 ID를 사용하면 파일이 서로 다른 버킷에 생성됩니다:
INSERT INTO TABLE FUNCTION
    gcs('http://bucket.amazonaws.com/my_bucket_{_partition_id}/file.csv', 'CSV', 'a UInt32, b UInt32, c UInt32', partition_strategy='wildcard')
    PARTITION BY a VALUES (1, 2, 3), (1, 4, 5), (10, 11, 12), (10, 13, 14), (20, 21, 22), (20, 23, 24);

그 결과, 데이터는 서로 다른 3개의 버킷에 있는 my_bucket_1/file.csv, my_bucket_10/file.csv, my_bucket_20/file.csv의 세 파일에 기록됩니다.

Navigation