メインコンテンツまでスキップ
メインコンテンツまでスキップ

HDFS

Not supported in ClickHouse Cloud

このエンジンは、ClickHouse経由でHDFS上のデータを管理することにより、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エンジンに似ていますが、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。

使用法

エンジンパラメータ

  • URI - HDFS内のファイルの完全 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、形式が入力に対してサポートされている必要があり、INSERTクエリを実行するには、出力に対してサポートされている必要があります。利用可能な形式については、Formatsセクションに一覧があります。
  • [PARTITION BY expr]

PARTITION BY

PARTITION BY — オプション。ほとんどのケースではパーティションキーは必要ありませんが、必要な場合でも、一般的には月単位以上の詳細なパーティションキーを必要としません。パーティショニングはクエリの高速化には寄与しません(ORDER BY式とは対照的です)。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ニングしないでください(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てください)。

月単位でのパーティショニングには、toYYYYMM(date_column)式を使用します。ここでdate_columnDate型の日付を含むカラムです。ここでのパーティション名は"YYYYMM"形式になります。

例:

1. hdfs_engine_tableテーブルを設定します:

2. ファイルを埋めます:

3. データをクエリします:

実装詳細

  • 読み書きは並列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。
    ゼロコピーレプリケーションは本番環境には未対応

    ゼロコピーレプリケーションは、ClickHouse バージョン 22.8 以降で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ていません。

パスにおけるグロブ

複数のパスコンポーネントにグロブを使用できます。処理されるファイルは存在し、全体のパスパターンに一致する必要があります。ファイルのリストはSELECT時に決定されます(CREATE時ではありません)。

  • */を含む任意の文字の任意の数を置き換え、空文字列も含みます。
  • ? — 任意の単一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までの範囲の任意の数を置き換えます(両端を含む)。

{}を使用した構造は、リモートテーブル関数に似ています。

  1. HDFS上に以下のURIを持つTSV形式のいくつかのファイルがあるとします:

    • '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'
  2. すべての6つの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内のすべてのファイルで構成されます(すべてのファイルは、クエリで説明されている形式およびスキーマに一致する必要があります):

注記

ファイルのリストに先頭ゼロを伴う数値範囲が含まれている場合、それぞれの桁に対して波括弧を使うか、?を使用してください。

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設定ファイルを使っ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2つあります:グローバル(hdfs)とユーザーレベル(hdfs_*)。グローバル設定が最初に適用され、その後ユーザーレベルの設定が存在する場合に適用されます。

設定オプション

libhdfs3によってサポートされている

パラメータデフォルト値
rpc_client_connect_tcpnodelaytrue
dfs_client_read_shortcircuittrue
output_replace-datanode-on-failuretrue
input_notretry-another-nodefalse
input_localread_mappedfiletrue
dfs_client_use_legacy_blockreader_localfalse
rpc_client_ping_interval10 * 1000
rpc_client_connect_timeout600 * 1000
rpc_client_read_timeout3600 * 1000
rpc_client_write_timeout3600 * 1000
rpc_client_socket_linger_timeout-1
rpc_client_connect_retry10
rpc_client_timeout3600 * 1000
dfs_default_replica3
input_connect_timeout600 * 1000
input_read_timeout3600 * 1000
input_write_timeout3600 * 1000
input_localread_default_buffersize1 * 1024 * 1024
dfs_prefetchsize10
input_read_getblockinfo_retry3
input_localread_blockinfo_cachesize1000
input_read_max_retry60
output_default_chunksize512
output_default_packetsize64 * 1024
output_default_write_retry10
output_connect_timeout600 * 1000
output_read_timeout3600 * 1000
output_write_timeout3600 * 1000
output_close_timeout3600 * 1000
output_packetpool_size1024
output_heartbeat_interval10 * 1000
dfs_client_failover_max_attempts15
dfs_client_read_shortcircuit_streams_cache_size256
dfs_client_socketcache_expiryMsec3000
dfs_client_socketcache_capacity16
dfs_default_blocksize64 * 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 Configuration Referenceは、一部のパラメータについて説明しています。

ClickHouseの追加機能

パラメータデフォルト値
hadoop_kerberos_keytab""
hadoop_kerberos_principal""
libhdfs3_conf""

制限事項

  • hadoop_security_kerberos_ticket_cache_pathおよびlibhdfs3_confはグローバル専用で、ユーザー専用ではありません。

Kerberosサポート

hadoop_security_authenticationパラメータがkerberosの値を持つ場合、ClickHouseはKerberosを介して認証します。 パラメータはこちらにあり、hadoop_security_kerberos_ticket_cache_pathが役立つ場合があります。 libhdfs3の制限により、古典的なアプローチのみがサポートされているため、データノードの通信は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)。リファレンスとしてtests/integration/test_storage_kerberized_hdfs/hdfs_configs/bootstrap.shを使用してください。

hadoop_kerberos_keytabhadoop_kerberos_principalまたはhadoop_security_kerberos_ticket_cache_pathが指定されている場合、Kerberos認証が使用されます。この場合、hadoop_kerberos_keytabhadoop_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/etc/clickhouse-server/へコピーします。
  • ClickHouse設定ファイルに以下の部分を追加します:
  • その後、hdfs-site.xmldfs.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/hdfs://appadmin@my_nameservice/abc/に置き換えます。

バーチャルカラム

  • _path — ファイルへのパス。タイプ: LowCardinality(String)
  • _file — ファイル名。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、値はNULLです。
  • _time — ファイルの最終変更時間。タイプ: Nullable(DateTime)。時間が不明な場合、値はNULLです。

ストレージ設定

  • hdfs_truncate_on_insert - 挿入前にファイルを切り捨てることを許可します。デフォルトでは無効です。
  • hdfs_create_new_file_on_insert - 各挿入時にサフィックスのある新しいファイルを作成することを許可します。デフォルトでは無効です。
  • hdfs_skip_empty_files - 読み取り時に空のファイルをスキップすることを許可します。デフォルトでは無効です。

関連項目