HDFS
このエンジンは、ClickHouseを介してHDFS上のデータを管理することで、Apache Hadoopエコシステムとの統合を提供します。このエンジンは、FileおよびURLエンジンと似ていますが、Hadoop特有の機能を提供します。
この機能はClickHouseエンジニアによってサポートされておらず、品質が不安定であることが知られています。問題が発生した場合は、自分で修正し、プルリクエストを提出してください。
使用方法
エンジンパラメータ
URI
- HDFSにおけるファイルの全URI。URI
のパス部分にはグロブが含まれる場合があります。この場合、テーブルは読み取り専用になります。format
- 利用可能なファイル形式のいずれかを指定します。SELECT
クエリを実行するには、形式が入力用にサポートされていなければならず、INSERT
クエリを実行するには出力用にサポートされていなければなりません。利用可能な形式は、Formatsセクションにリストされています。- [PARTITION BY expr]
PARTITION BY
PARTITION BY
— オプションです。ほとんどの場合、パーティションキーは必要ありません。必要であれば、一般的に月単位のパーティションキー以上の詳細は必要ありません。パーティショニングは、クエリを高速化しません(ORDER BY式とは対照的です)。過度に詳細なパーティショニングは決して使用しないでください。クライアント識別子や名前でデータをパーティションせず(その代わりに、クライアント識別子や名前をORDER BY式の最初のカラムにします)。
月単位で分割するには、toYYYYMM(date_column)
式を使用します。ここで、date_column
はDate型の日付を持つカラムです。パーティション名はここで"YYYYMM"
形式になります。
例:
1. hdfs_engine_table
テーブルを設定します:
2. ファイルを埋め込みます:
3. データをクエリします:
実装の詳細
-
読み込みと書き込みは並行で行うことができます。
-
サポートされていないもの:
ALTER
およびSELECT...SAMPLE
操作。- インデックス。
- ゼロコピーレプリケーションは可能ですが、推奨されません。
ゼロコピーのレプリケーションは本番環境用ではありませんゼロコピーのレプリケーションは、ClickHouseバージョン22.8以降ではデフォルトで無効です。この機能は本番環境での使用は推奨されません。
パスのグロブ
複数のパスコンポーネントにグロブを含めることができます。処理されるファイルは存在し、全てのパスパターンに一致している必要があります。ファイルのリストはSELECT
中に決定されます(CREATE
の瞬間ではありません)。
*
— 空の文字列を含む/
以外の任意の文字の任意の数を置き換えます。?
— 任意の1文字を置き換えます。{some_string,another_string,yet_another_one}
— 文字列'some_string', 'another_string', 'yet_another_one'
のいずれかを置き換えます。{N..M}
— NからMまでの範囲内の任意の数を含めて置き換えます。
{}
を使った構造は、remoteテーブル関数に似ています。
例
-
HDFS上に以下のURIを持つTSV形式のファイルがいくつかあるとします:
- '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'
-
すべての6ファイルを含むテーブルを作成する方法はいくつかあります:
別の方法:
テーブルは両方のディレクトリにあるすべてのファイルで構成されます(すべてのファイルはクエリで説明された形式およびスキーマに一致する必要があります):
ファイルのリストに先頭0を含む数値範囲がある場合は、各桁ごとにブレースを使った構造を使用するか、?
を使用してください。
例
file000
, file001
, ... , file999
という名前のファイルを持つテーブルを作成します:
設定
GraphiteMergeTreeに似て、HDFSエンジンはClickHouseの設定ファイルを使用した拡張設定をサポートしています。使用できる設定キーは、グローバル(hdfs
)およびユーザーレベル(hdfs_*
)の2つです。グローバル設定が最初に適用され、その後にユーザーレベルの設定が適用されます(存在する場合)。
設定オプション
libhdfs3によってサポートされる
parameter | default value |
---|---|
rpc_client_connect_tcpnodelay | true |
dfs_client_read_shortcircuit | true |
output_replace-datanode-on-failure | true |
input_notretry-another-node | false |
input_localread_mappedfile | true |
dfs_client_use_legacy_blockreader_local | false |
rpc_client_ping_interval | 10 * 1000 |
rpc_client_connect_timeout | 600 * 1000 |
rpc_client_read_timeout | 3600 * 1000 |
rpc_client_write_timeout | 3600 * 1000 |
rpc_client_socket_linger_timeout | -1 |
rpc_client_connect_retry | 10 |
rpc_client_timeout | 3600 * 1000 |
dfs_default_replica | 3 |
input_connect_timeout | 600 * 1000 |
input_read_timeout | 3600 * 1000 |
input_write_timeout | 3600 * 1000 |
input_localread_default_buffersize | 1 * 1024 * 1024 |
dfs_prefetchsize | 10 |
input_read_getblockinfo_retry | 3 |
input_localread_blockinfo_cachesize | 1000 |
input_read_max_retry | 60 |
output_default_chunksize | 512 |
output_default_packetsize | 64 * 1024 |
output_default_write_retry | 10 |
output_connect_timeout | 600 * 1000 |
output_read_timeout | 3600 * 1000 |
output_write_timeout | 3600 * 1000 |
output_close_timeout | 3600 * 1000 |
output_packetpool_size | 1024 |
output_heartbeat_interval | 10 * 1000 |
dfs_client_failover_max_attempts | 15 |
dfs_client_read_shortcircuit_streams_cache_size | 256 |
dfs_client_socketcache_expiryMsec | 3000 |
dfs_client_socketcache_capacity | 16 |
dfs_default_blocksize | 64 * 1024 * 1024 |
dfs_default_uri | "hdfs://localhost:9000" |
hadoop_security_authentication | "simple" |
hadoop_security_kerberos_ticket_cache_path | "" |
dfs_client_log_severity | "INFO" |
dfs_domain_socket_path | "" |
HDFS 構成リファレンスは、いくつかのパラメータについて説明しています。
ClickHouseの追加オプション
parameter | default value |
---|---|
hadoop_kerberos_keytab | "" |
hadoop_kerberos_principal | "" |
libhdfs3_conf | "" |
制限事項
hadoop_security_kerberos_ticket_cache_path
およびlibhdfs3_conf
はグローバルのみで、ユーザ固有ではありません。
Kerberosサポート
もしhadoop_security_authentication
パラメータがkerberos
の値を持っている場合、ClickHouseはKerberosを介して認証します。
パラメータはここにあり、hadoop_security_kerberos_ticket_cache_path
が役立つ場合があります。
libhdfs3の制限により、古い方法のみがサポートされていますので、datanodeの通信はSASLによって保護されていません(HADOOP_SECURE_DN_USER
は、そのようなセキュリティアプローチの信頼できる指標です)。参考のために、tests/integration/test_storage_kerberized_hdfs/hdfs_configs/bootstrap.sh
を使用してください。
hadoop_kerberos_keytab
、hadoop_kerberos_principal
、またはhadoop_security_kerberos_ticket_cache_path
が指定されている場合は、Kerberos認証が使用されます。この場合、hadoop_kerberos_keytab
およびhadoop_kerberos_principal
は必須です。
HDFS Namenode HAサポート
libhdfs3はHDFS namenode HAをサポートしています。
- HDFSノードから
hdfs-site.xml
を/etc/clickhouse-server/
にコピーします。 - 次の部分をClickHouse設定ファイルに追加します:
- その後、
hdfs-site.xml
のdfs.nameservices
タグの値をHDFS URIのnamenodeアドレスとして使用します。たとえば、hdfs://[email protected]:8020/abc/
をhdfs://appadmin@my_nameservice/abc/
に置き換えます。
仮想カラム
_path
— ファイルへのパス。タイプ:LowCardinality(String)
。_file
— ファイルの名前。タイプ:LowCardinality(String)
。_size
— ファイルのサイズ(バイト単位)。タイプ:Nullable(UInt64)
。サイズが不明な場合は、値はNULL
です。_time
— ファイルの最終更新時刻。タイプ:Nullable(DateTime)
。時刻が不明な場合は、値はNULL
です。
ストレージ設定
- hdfs_truncate_on_insert - 挿入する前にファイルを切り捨てることを可能にします。デフォルトでは無効です。
- hdfs_create_new_file_on_insert - フォーマットにサフィックスがある場合、各挿入時に新しいファイルを作成できます。デフォルトでは無効です。
- hdfs_skip_empty_files - 読み取り中に空のファイルをスキップすることを可能にします。デフォルトでは無効です。
関連情報