跳到主要内容
跳到主要内容

AzureQueue 表引擎

该引擎提供与 Azure Blob Storage 生态系统的集成，允许流数据导入。

创建表​

CREATE TABLE test (name String, value UInt32)
    ENGINE = AzureQueue(...)
    [SETTINGS]
    [mode = '',]
    [after_processing = 'keep',]
    [keeper_path = '',]
    ...

引擎参数

AzureQueue 参数与 AzureBlobStorage 表引擎支持的参数相同。有关参数部分，请参见 这里。

与 AzureBlobStorage 表引擎类似，用户可以使用 Azurite 模拟器进行本地 Azure 存储开发。更多细节请见 这里。

示例

CREATE TABLE azure_queue_engine_table
(
    `key` UInt64,
    `data` String
)
ENGINE = AzureQueue('DefaultEndpointsProtocol=http;AccountName=devstoreaccount1;AccountKey=Eby8vdM02xNOcqFlqUwJPLlmEtlCDXJ1OUzFT50uSRZ6IFsuFq2UVErCz4I6tq/K1SZFPTOtr/KBHBeksoGMGw==;BlobEndpoint=http://azurite1:10000/devstoreaccount1/;', 'testcontainer', '*', 'CSV')
SETTINGS mode = 'unordered'

设置​

支持的设置集合与 S3Queue 表引擎相同，但没有 s3queue_ 前缀。参见 设置的完整列表。

要获取为表配置的设置列表，请使用 system.azure_queue_settings 表。从 24.10 开始可用。

描述​

SELECT 对于流导入并不是特别有用（除了调试），因为每个文件只能导入一次。更实用的方法是使用 物化视图 创建实时线程。为此：

  1. 使用引擎根据指定路径创建一个表以从S3消费，并将其视为数据流。
  2. 创建一个具有所需结构的表。
  3. 创建一个物化视图，将数据从引擎转换并放入先前创建的表中。

当 MATERIALIZED VIEW 连接到引擎时，它会在后台开始收集数据。

示例：

CREATE TABLE azure_queue_engine_table (key UInt64, data String)
  ENGINE=AzureQueue('<endpoint>', 'CSV', 'gzip')
  SETTINGS
      mode = 'unordered';

CREATE TABLE stats (key UInt64, data String)
  ENGINE = MergeTree() ORDER BY key;

CREATE MATERIALIZED VIEW consumer TO stats
  AS SELECT key, data FROM azure_queue_engine_table;

SELECT * FROM stats ORDER BY key;

虚拟列​

  • _path — 文件的路径。
  • _file — 文件的名称。

有关虚拟列的更多信息，请参见 这里。

自省​

通过表设置 enable_logging_to_queue_log=1 为表启用日志记录。

自省功能与 S3Queue 表引擎 相同，但有几个显著区别：

  1. 对于服务器版本 >= 25.1，使用 system.azure_queue 获取队列的内存状态。对于较旧版本，使用 system.s3queue（它也会包含有关 azure 表的信息）。
  2. 通过主 ClickHouse 配置启用 system.azure_queue_log，例如：
<azure_queue_log>
  <database>system</database>
  <table>azure_queue_log</table>
</azure_queue_log>

此持久表与 system.s3queue 拥有相同的信息，但针对已处理和失败的文件。

该表具有以下结构：


CREATE TABLE system.azure_queue_log
(
    `hostname` LowCardinality(String) COMMENT 'Hostname',
    `event_date` Date COMMENT 'Event date of writing this log row',
    `event_time` DateTime COMMENT 'Event time of writing this log row',
    `database` String COMMENT 'The name of a database where current S3Queue table lives.',
    `table` String COMMENT 'The name of S3Queue table.',
    `uuid` String COMMENT 'The UUID of S3Queue table',
    `file_name` String COMMENT 'File name of the processing file',
    `rows_processed` UInt64 COMMENT 'Number of processed rows',
    `status` Enum8('Processed' = 0, 'Failed' = 1) COMMENT 'Status of the processing file',
    `processing_start_time` Nullable(DateTime) COMMENT 'Time of the start of processing the file',
    `processing_end_time` Nullable(DateTime) COMMENT 'Time of the end of processing the file',
    `exception` String COMMENT 'Exception message if happened'
)
ENGINE = MergeTree
PARTITION BY toYYYYMM(event_date)
ORDER BY (event_date, event_time)
SETTINGS index_granularity = 8192
COMMENT 'Contains logging entries with the information files processes by S3Queue engine.'

示例：

SELECT *
FROM system.azure_queue_log
LIMIT 1
FORMAT Vertical

Row 1:
──────
hostname:              clickhouse
event_date:            2024-12-16
event_time:            2024-12-16 13:42:47
database:              default
table:                 azure_queue_engine_table
uuid:                  1bc52858-00c0-420d-8d03-ac3f189f27c8
file_name:             test_1.csv
rows_processed:        3
status:                Processed
processing_start_time: 2024-12-16 13:42:47
processing_end_time:   2024-12-16 13:42:47
exception:

1 row in set. Elapsed: 0.002 sec.