Skip to content
ClickHouse Docs
ClickHouse DocsClickHouse Docs
49.6kGet Started

hdfsCluster

View as MarkdownEdit this pageReport an issueSet up docs MCP

允许从指定集群中的多个节点并行处理 HDFS 中的文件。在发起节点上，它会与集群中的所有节点建立连接，展开 HDFS 文件路径中的星号，并动态分发各个文件。在工作节点上，它会向发起节点请求下一个要处理的任务并进行处理。该过程会重复进行，直到所有任务都完成。

语法

hdfsCluster(cluster_name, URI, format, structure)

参数

参数 描述
cluster_name 集群名称，用于构建远程和本地服务器的一组地址及连接参数。
URI 指向单个文件或一组文件的 URI。在只读模式下支持以下通配符：*、**、?、{'abc','def'} 和 {N..M}，其中 N、M 为数字，abc、def 为字符串。更多信息请参见路径中的通配符。
format 文件的格式。
structure 表的结构。格式为 'column1_name column1_type, column2_name column2_type, ...'。

返回值

一个具有指定结构、用于读取指定文件中数据的表。

示例

  1. 假设我们有一个名为 cluster_simple 的 ClickHouse 集群，以及 HDFS 上 URI 如下的几个文件：
  • '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 hdfsCluster('cluster_simple', 'hdfs://hdfs1:9000/{some,another}_dir/some_file_{1..3}', 'TSV', 'name String, value UInt32')
  1. 查询这两个目录下所有文件的行数：
SELECT count(*)
FROM hdfsCluster('cluster_simple', 'hdfs://hdfs1:9000/{some,another}_dir/*', 'TSV', 'name String, value UInt32')
Navigation