从输入数据自动推断模式
ClickHouse可以自动确定输入数据的结构，几乎支持所有输入格式。 本文将描述何时使用模式推断，它如何与不同的输入格式协作，以及哪些设置可以控制它。
使用方法
当ClickHouse需要以特定数据格式读取数据且结构未知时，会使用模式推断。
表函数 file, s3, url, hdfs, azureBlobStorage.
这些表函数具有可选参数structure，用于指定输入数据的结构。如果未指定该参数或将其设置为auto，则结构将从数据中推断。
示例：
假设我们在user_files目录中有一个名为hobbies.jsonl的文件，格式为JSONEachRow，内容如下：
ClickHouse可以在不指定其结构的情况下读取这些数据：
注意：格式JSONEachRow是通过文件扩展名.jsonl自动确定的。
可以使用DESCRIBE查询查看自动确定的结构：
表引擎 File, S3, URL, HDFS, azureBlobStorage
如果在CREATE TABLE查询中未指定列列表，表的结构将从数据中自动推断。
示例：
我们使用文件hobbies.jsonl。可以使用引擎File创建一个包含此文件数据的表：
clickhouse-local
clickhouse-local具有可选参数-S/--structure，用于指定输入数据的结构。如果未指定该参数或将其设置为auto，则结构将从数据中推断。
示例：
我们使用文件hobbies.jsonl。可以通过clickhouse-local查询此文件中的数据：
从插入表中使用结构
当使用表函数file/s3/url/hdfs将数据插入表中时，可以选择从插入表中使用结构，而不是从数据中提取它。
这可以提高插入性能，因为模式推断可能需要一些时间。此外，当表具有优化过的模式时，这也将很有用，因此不会在类型之间执行转换。
有一个特殊设置 use_structure_from_insertion_table_in_table_functions 控制此行为。它有3个可能的值：
- 0 - 表函数将从数据中提取结构。
- 1 - 表函数将使用插入表中的结构。
- 2 - ClickHouse将自动确定是否可以使用插入表中的结构或使用模式推断。默认值。
示例 1：
让我们创建一个名为hobbies1的表，具有以下结构：
并从文件hobbies.jsonl中插入数据：
在这种情况下，文件中的所有列都未更改地插入到表中，因此ClickHouse将使用插入表中的结构，而不是模式推断。
示例 2：
让我们创建一个名为hobbies2的表，具有以下结构：
并从文件hobbies.jsonl中插入数据：
在这种情况下，SELECT查询中的所有列都在表中，因此ClickHouse将使用插入表中的结构。
注意，它仅适用于支持读取列子集的输入格式，如JSONEachRow、TSKV、Parquet等（因此对于TSV格式就不起作用）。
示例 3：
让我们创建一个名为hobbies3的表，具有以下结构：
并从文件hobbies.jsonl中插入数据：
在这种情况下，SELECT查询中使用的列id在表中不存在（表中有名为identifier的列），因此ClickHouse无法使用插入表中的结构，而将使用模式推断。
示例 4：
让我们创建一个名为hobbies4的表，具有以下结构：
并从文件hobbies.jsonl中插入数据：
在这种情况下，SELECT查询中对列hobbies执行了一些操作，因此ClickHouse无法使用插入表的结构，而将使用模式推断。
模式推断缓存
对于大多数输入格式，模式推断会读取一些数据以确定其结构，此过程可能会花费一些时间。 为防止ClickHouse每次从同一文件读取数据时都推断相同的模式，推断出的模式会被缓存，当再次访问同一文件时，ClickHouse将使用缓存中的模式。
有一些特殊设置控制该缓存：
schema_inference_cache_max_elements_for_{file/s3/hdfs/url/azure}- 对应于表函数的最大缓存模式数。默认值为4096。这些设置应在服务器配置中设置。schema_inference_use_cache_for_{file,s3,hdfs,url,azure}- 允许启用/禁用模式推断的缓存使用。这些设置可以在查询中使用。
文件的模式可以通过修改数据或更改格式设置来更改。 因此，模式推断缓存通过文件源、格式名称、使用的格式设置以及文件的最后修改时间来标识模式。
注意：一些通过URL访问的文件在url表函数中可能不包含有关最后修改时间的信息；对于这种情况，有一个特殊设置schema_inference_cache_require_modification_time_for_url。禁用此设置允许对这些文件使用缓存中的模式，而不考虑最后的修改时间。
还有一个系统表 schema_inference_cache 包含缓存中的所有当前模式，系统查询SYSTEM DROP SCHEMA CACHE [FOR File/S3/URL/HDFS] 允许清除所有源的模式缓存或特定源的模式缓存。
示例：
让我们尝试从s3推断样本数据集github-2022.ndjson.gz的结构，并查看模式推断缓存的工作原理：
如您所见，第二个查询几乎立即成功。
让我们尝试更改一些可能影响推断模式的设置：
如您所见，因为更改了可能影响推断模式的设置，因此没有使用缓存中的模式。
让我们检查一下system.schema_inference_cache表的内容：
可以看出，同一文件有两种不同的模式。
我们可以使用系统查询清除模式缓存：
文本格式
对于文本格式，ClickHouse逐行读取数据，根据格式提取列值，然后使用一些递归解析器和启发式方法来确定每个值的类型。 在模式推断中，从数据中读取的最大行数和字节数由设置input_format_max_rows_to_read_for_schema_inference（默认为25000）和input_format_max_bytes_to_read_for_schema_inference（默认为32Mb）控制。
默认情况下，所有推断类型都是Nullable，但可以通过设置schema_inference_make_columns_nullable来更改（请参阅设置部分中的示例）。
JSON格式
在JSON格式中，ClickHouse根据JSON规范解析值，然后尝试为它们找到最合适的数据类型。
让我们看看它是如何工作的，可以推断出什么类型，以及在JSON格式中可以使用哪些具体设置。
示例
在这里以及后续部分，示例将使用format表函数。
整数、浮点数、布尔值、字符串：
日期、日期时间：
数组：
如果数组包含null，ClickHouse将使用其他数组元素的类型：
具名元组：
启用设置input_format_json_try_infer_named_tuples_from_objects时，在模式推断期间ClickHouse将尝试从JSON对象推断具名元组。
生成的具名元组将包含来自样本数据的所有对应JSON对象中的所有元素。
无名元组：
在JSON格式中，我们将元素类型不同的数组视为无名元组。
如果某些值为null或为空，则使用其他行对应值的类型：
映射：
在JSON中，我们可以读取具有相同类型值的对象作为Map类型。
注意：这只有在设置input_format_json_read_objects_as_strings和input_format_json_try_infer_named_tuples_from_objects被禁用时才有效。
JSON对象类型（如果启用设置allow_experimental_object_type）：
嵌套复杂类型：
如果ClickHouse无法确定某些键的类型，因为数据仅包含null/空对象/空数组，将使用类型String（如果启用设置input_format_json_infer_incomplete_types_as_strings）或抛出异常（否则）：
JSON设置
input_format_json_try_infer_numbers_from_strings
启用此设置允许从字符串值中推断出数字。
该设置默认禁用。
示例：
input_format_json_try_infer_named_tuples_from_objects
启用此设置允许从JSON对象中推断具名元组。
生成的具名元组将包含所有来自样本数据的对应JSON对象中的所有元素。
当JSON数据不稀疏时，这很有用，因为数据样本将包含所有可能的对象键。
此设置默认启用。
示例：
结果：
结果：
input_format_json_use_string_type_for_ambiguous_paths_in_named_tuples_inference_from_objects
启用此设置允许在从 JSON 对象推断命名元组时，对模糊路径使用 String 类型（当 input_format_json_try_infer_named_tuples_from_objects 被启用时），而不是抛出异常。
它允许读取 JSON 对象作为命名元组，即使存在模糊路径。
默认情况下禁用。
示例
禁用设置时：
结果：
启用设置时：
结果：
input_format_json_read_objects_as_strings
启用此设置允许将嵌套的 JSON 对象作为字符串读取。 此设置可以用来在不使用 JSON 对象类型的情况下读取嵌套的 JSON 对象。
该设置默认启用。
注意：启用此设置仅在 input_format_json_try_infer_named_tuples_from_objects 设置被禁用时才会生效。
input_format_json_read_numbers_as_strings
启用此设置允许将数值作为字符串读取。
该设置默认启用。
示例
input_format_json_read_bools_as_numbers
启用此设置允许将 Bool 值作为数字读取。
该设置默认启用。
示例：
input_format_json_read_bools_as_strings
启用此设置允许将 Bool 值作为字符串读取。
该设置默认启用。
示例：
input_format_json_read_arrays_as_strings
启用此设置允许将 JSON 数组值作为字符串读取。
该设置默认启用。
示例
input_format_json_infer_incomplete_types_as_strings
启用此设置允许在模式推断过程中，使用 String 类型处理数据样本中仅包含 Null/{}/[] 的 JSON 键。
在 JSON 格式中，如果启用所有相关设置（它们默认都是启用的），可以将任何值读取为 String，从而避免错误，如 无法通过前 25000 行数据确定列 'column_name' 的类型，可能是该列只包含 Null 或空数组/映射，并且可以通过对未知类型的键使用 String 类型来避免这些错误。
示例：
结果：
CSV
在 CSV 格式下，ClickHouse 根据定界符从行中提取列值。ClickHouse 期望所有类型（除了数字和字符串）都用双引号括起来。 如果值用双引号括起来，ClickHouse 尝试使用递归解析器解析引号内的数据，然后尝试为其找到最合适的数据类型。如果值不是用双引号括起来，ClickHouse 尝试将其解析为数字，若值不是数字，ClickHouse 将其视作字符串。
如果您不希望 ClickHouse 尝试使用某些解析器和启发式方法来确定复杂类型，您可以禁用设置 input_format_csv_use_best_effort_in_schema_inference，并且 ClickHouse 会将所有列视为字符串。
如果设置 input_format_csv_detect_header 被启用，ClickHouse 会在推断模式时尝试检测列名（可能还有类型）的头。该设置默认启用。
示例：
整数，浮点数，布尔值，字符串：
没有引号的字符串：
日期，日期时间：
数组：
如果数组包含 null，ClickHouse 将使用其他数组元素的类型：
映射：
嵌套数组和映射：
如果 ClickHouse 无法确定引号内的类型，因为数据仅包含 null，ClickHouse 将其视为字符串：
禁用设置 input_format_csv_use_best_effort_in_schema_inference 的示例：
自动检测头的示例（当 input_format_csv_detect_header 被启用时）：
仅名称：
名称和类型：
注意，头部只能在至少有一列具有非字符串类型时才能被检测。如果所有列都是字符串类型，则不会检测到头部：
CSV 设置
input_format_csv_try_infer_numbers_from_strings
启用此设置允许从字符串值推断出数字。
该设置默认禁用。
示例：
TSV/TSKV
在 TSV/TSKV 格式下，ClickHouse 根据制表符分隔的定界符从行中提取列值，然后使用递归解析器解析提取值以确定最适合的类型。如果类型无法确定，ClickHouse 将此值视为字符串。
如果您不希望 ClickHouse 尝试使用某些解析器和启发式方法来确定复杂类型，您可以禁用设置 input_format_tsv_use_best_effort_in_schema_inference，ClickHouse 将把所有列视为字符串。
如果设置 input_format_tsv_detect_header 被启用，ClickHouse 会在推断模式时尝试检测列名（可能还有类型）的头。该设置默认启用。
示例：
整数，浮点数，布尔值，字符串：
日期，日期时间：
数组：
如果数组包含 null，ClickHouse 将使用其他数组元素的类型：
元组：
映射：
嵌套数组、元组和映射：
如果 ClickHouse 无法确定类型，因为数据仅包含 null，ClickHouse 将其视为字符串：
禁用设置 input_format_tsv_use_best_effort_in_schema_inference 的示例：
自动检测头的示例（当 input_format_tsv_detect_header 被启用时）：
仅名称：
名称和类型：
注意，头部只能在至少有一列具有非字符串类型时才能被检测。如果所有列都是字符串类型，则不会检测到头部：
Values
在 Values 格式中，ClickHouse 从行中提取列值，然后使用递归解析器解析它，类似于文字的解析方式。
示例：
整数，浮点数，布尔值，字符串：
日期，日期时间：
数组：
如果数组包含 null，ClickHouse 将使用其他数组元素的类型：
元组：
映射：
嵌套数组，元组和映射：
如果 ClickHouse 无法确定类型，因为数据仅包含 null，将引发异常：
示例，禁用设置 input_format_tsv_use_best_effort_in_schema_inference：
CustomSeparated
在 CustomSeparated 格式中，ClickHouse 首先根据指定的分隔符提取所有列值，然后尝试根据转义规则推断每个值的数据类型。
如果设置 input_format_custom_detect_header 被启用，ClickHouse 会尝试在推断模式中检测列名（也许还有类型）为标准。这项设置默认开启。
示例
自动检测标头的示例（当 input_format_custom_detect_header 被启用时）：
Template
在 Template 格式中，ClickHouse 首先根据指定模板提取所有列值，然后尝试根据其转义规则推断每个值的数据类型。
示例
假设我们有一个文件 resultset，内容如下：
以及一个文件 row_format，内容如下：
然后我们可以执行以下查询：
Regexp
与 Template 类似，在 Regexp 格式中，ClickHouse 首先根据指定的正则表达式从行中提取所有列值，然后尝试根据指定的转义规则推断每个值的数据类型。
示例
Settings for text formats
input_format_max_rows_to_read_for_schema_inference/input_format_max_bytes_to_read_for_schema_inference
这些设置控制在模式推断过程中要读取的数据量。 读取的行/字节越多，花费在模式推断上的时间越长，但正确确定类型的机会更大（尤其是当数据包含大量 null 时）。
默认值：
25000用于input_format_max_rows_to_read_for_schema_inference。33554432(32 Mb) 用于input_format_max_bytes_to_read_for_schema_inference。
column_names_for_schema_inference
用于没有显式列名的格式的模式推断的列名列表。指定的名称将替代默认的 c1,c2,c3,...。格式：column1,column2,column3,...。
示例
schema_inference_hints
列名和类型的列表，用于模式推断，而不是自动确定的类型。格式：'column_name1 column_type1, column_name2 column_type2, ...'。 此设置可用于指定无法自动确定类型的列的类型，或优化模式。
示例
schema_inference_make_columns_nullable
控制在模式推断过程中使推断类型为 Nullable 的操作。
如果启用，则所有推断类型将为 Nullable，如果禁用，则推断类型将永远不会是 Nullable，如果设置为 auto，则只有当在解析过程中样本中包含 NULL 或文件元数据包含有关列 nullability 的信息时，推断类型才会为 Nullable。
默认情况下启用。
示例
input_format_try_infer_integers
如果启用，ClickHouse 将尝试在文本格式的模式推断中推断整数而不是浮点数。
如果列中的所有数字都是整数，则结果类型为 Int64，如果至少有一个数字是浮点数，则结果类型为 Float64。
如果样本数据中仅包含整数，并且至少有一个整数是正数并且超过 Int64，则 ClickHouse 会推断为 UInt64。
默认情况下启用。
示例
input_format_try_infer_datetimes
如果启用，ClickHouse 将尝试从文本格式的字符串字段中推断类型 DateTime 或 DateTime64。
如果来自样本数据的列中的所有字段都成功解析为日期时间，则结果类型为 DateTime 或 DateTime64(9)（如果任何日期时间具有小数部分），
如果至少有一个字段未解析为日期时间，则结果类型为 String。
默认情况下启用。
示例
input_format_try_infer_dates
如果启用，ClickHouse 将尝试从文本格式的字符串字段中推断类型 Date。
如果来自样本数据的列中的所有字段都成功解析为日期，则结果类型为 Date。
如果至少有一个字段未解析为日期，则结果类型为 String。
默认情况下启用。
示例
input_format_try_infer_exponent_floats
如果启用，ClickHouse 将尝试在文本格式中推断指数形式的浮点数（除了 JSON，JSON 中指数形式的数字总是被推断为浮点数）。
默认情况下禁用。
示例
Self describing formats
自描述格式在数据中包含有关数据结构的信息， 它可以是一些带有描述的标题，二进制类型树或某种表。 要从此类格式的文件中自动推断模式，ClickHouse 会读取包含有关类型的信息的数据部分并将其转换为 ClickHouse 表的模式。
Formats with -WithNamesAndTypes suffix
ClickHouse 支持一些带有 -WithNamesAndTypes 后缀的文本格式。此后缀意味着数据在实际数据之前包含两行附加的列名和类型。 在处理这些格式的模式推断时，ClickHouse 读取前两行并提取列名和类型。
示例
带有元数据的 JSON 格式
某些 JSON 输入格式 (JSON, JSONCompact, JSONColumnsWithMetadata) 包含带有列名和类型的元数据。在这些格式的模式推断中，ClickHouse 会读取这些元数据。
示例
Avro
在 Avro 格式中，ClickHouse 从数据中读取其模式，并使用以下类型匹配将其转换为 ClickHouse 模式：
| Avro 数据类型 | ClickHouse 数据类型 |
|---|---|
boolean | Bool |
int | Int32 |
int (date) * | Date32 |
long | Int64 |
float | Float32 |
double | Float64 |
bytes, string | String |
fixed | FixedString(N) |
enum | Enum |
array(T) | Array(T) |
union(null, T), union(T, null) | Nullable(T) |
null | Nullable(Nothing) |
string (uuid) * | UUID |
binary (decimal) * | Decimal(P, S) |
其他 Avro 类型不受支持。
Parquet
在 Parquet 格式中，ClickHouse 从数据中读取其模式，并使用以下类型匹配将其转换为 ClickHouse 模式：
| Parquet 数据类型 | ClickHouse 数据类型 |
|---|---|
BOOL | Bool |
UINT8 | UInt8 |
INT8 | Int8 |
UINT16 | UInt16 |
INT16 | Int16 |
UINT32 | UInt32 |
INT32 | Int32 |
UINT64 | UInt64 |
INT64 | Int64 |
FLOAT | Float32 |
DOUBLE | Float64 |
DATE | Date32 |
TIME (ms) | DateTime |
TIMESTAMP, TIME (us, ns) | DateTime64 |
STRING, BINARY | String |
DECIMAL | Decimal |
LIST | Array |
STRUCT | Tuple |
MAP | Map |
其他 Parquet 类型不受支持。默认情况下，所有推断的类型都在 Nullable 里面，但可以通过设置 schema_inference_make_columns_nullable 更改。
Arrow
在 Arrow 格式中，ClickHouse 从数据中读取其模式，并使用以下类型匹配将其转换为 ClickHouse 模式：
| Arrow 数据类型 | ClickHouse 数据类型 |
|---|---|
BOOL | Bool |
UINT8 | UInt8 |
INT8 | Int8 |
UINT16 | UInt16 |
INT16 | Int16 |
UINT32 | UInt32 |
INT32 | Int32 |
UINT64 | UInt64 |
INT64 | Int64 |
FLOAT, HALF_FLOAT | Float32 |
DOUBLE | Float64 |
DATE32 | Date32 |
DATE64 | DateTime |
TIMESTAMP, TIME32, TIME64 | DateTime64 |
STRING, BINARY | String |
DECIMAL128, DECIMAL256 | Decimal |
LIST | Array |
STRUCT | Tuple |
MAP | Map |
其他 Arrow 类型不受支持。默认情况下，所有推断的类型都在 Nullable 里面，但可以通过设置 schema_inference_make_columns_nullable 更改。
ORC
在 ORC 格式中，ClickHouse 从数据中读取其模式，并使用以下类型匹配将其转换为 ClickHouse 模式：
| ORC 数据类型 | ClickHouse 数据类型 |
|---|---|
Boolean | Bool |
Tinyint | Int8 |
Smallint | Int16 |
Int | Int32 |
Bigint | Int64 |
Float | Float32 |
Double | Float64 |
Date | Date32 |
Timestamp | DateTime64 |
String, Char, Varchar,BINARY | String |
Decimal | Decimal |
List | Array |
Struct | Tuple |
Map | Map |
其他 ORC 类型不受支持。默认情况下，所有推断的类型都在 Nullable 里面，但可以通过设置 schema_inference_make_columns_nullable 更改。
Native
Native 格式在 ClickHouse 内部使用，并包含数据中的模式。在模式推断中，ClickHouse 从数据中读取模式而不进行任何转换。
具有外部模式的格式
这类格式需要一个描述数据的单独文件中的模式，以特定的模式语言。为了自动从此类格式的文件中推断出模式，ClickHouse 从单独的文件中读取外部模式，并将其转换为 ClickHouse 表模式。
Protobuf
在 Protobuf 格式的模式推断中，ClickHouse 使用以下类型匹配：
| Protobuf 数据类型 | ClickHouse 数据类型 |
|---|---|
bool | UInt8 |
float | Float32 |
double | Float64 |
int32, sint32, sfixed32 | Int32 |
int64, sint64, sfixed64 | Int64 |
uint32, fixed32 | UInt32 |
uint64, fixed64 | UInt64 |
string, bytes | String |
enum | Enum |
repeated T | Array(T) |
message, group | Tuple |
CapnProto
在 CapnProto 格式的模式推断中，ClickHouse 使用以下类型匹配：
| CapnProto 数据类型 | ClickHouse 数据类型 |
|---|---|
Bool | UInt8 |
Int8 | Int8 |
UInt8 | UInt8 |
Int16 | Int16 |
UInt16 | UInt16 |
Int32 | Int32 |
UInt32 | UInt32 |
Int64 | Int64 |
UInt64 | UInt64 |
Float32 | Float32 |
Float64 | Float64 |
Text, Data | String |
enum | Enum |
List | Array |
struct | Tuple |
union(T, Void), union(Void, T) | Nullable(T) |
强类型二进制格式
在此类格式中，每个序列化值包含有关其类型（并可能包含有关其名称）的信息，但没有关于整个表的信息。在此类格式的模式推断中，ClickHouse 按行读取数据（最多 input_format_max_rows_to_read_for_schema_inference 行或 input_format_max_bytes_to_read_for_schema_inference 字节），并从数据中提取每个值的类型（并可能是名称），然后将这些类型转换为 ClickHouse 类型。
MsgPack
在 MsgPack 格式中，行之间没有分隔符，要使用此格式进行模式推断，您需使用设置 input_format_msgpack_number_of_columns 指定表中的列数。ClickHouse 使用以下类型匹配：
MessagePack 数据类型 (INSERT) | ClickHouse 数据类型 |
|---|---|
int N, uint N, negative fixint, positive fixint | Int64 |
bool | UInt8 |
fixstr, str 8, str 16, str 32, bin 8, bin 16, bin 32 | String |
float 32 | Float32 |
float 64 | Float64 |
uint 16 | Date |
uint 32 | DateTime |
uint 64 | DateTime64 |
fixarray, array 16, array 32 | Array |
fixmap, map 16, map 32 | Map |
默认情况下，所有推断的类型都在 Nullable 里面，但可以通过设置 schema_inference_make_columns_nullable 更改。
BSONEachRow
在 BSONEachRow 中，每行数据表示为一个 BSON 文档。在模式推断中，ClickHouse 逐个读取 BSON 文档并提取值、名称和类型，然后使用以下类型匹配将这些类型转换为 ClickHouse 类型：
| BSON 类型 | ClickHouse 类型 |
|---|---|
\x08 boolean | Bool |
\x10 int32 | Int32 |
\x12 int64 | Int64 |
\x01 double | Float64 |
\x09 datetime | DateTime64 |
\x05 binary with\x00 binary subtype, \x02 string, \x0E symbol, \x0D JavaScript code | String |
\x07 ObjectId, | FixedString(12) |
\x05 binary with \x04 uuid subtype, size = 16 | UUID |
\x04 array | Array/Tuple (如果嵌套类型不同) |
\x03 document | Named Tuple/Map (带字符串键) |
默认情况下，所有推断的类型都在 Nullable 里面，但可以通过设置 schema_inference_make_columns_nullable 更改。
具有固定模式的格式
此类格式中的数据始终具有相同的模式。
LineAsString
在此格式中，ClickHouse 将整行从数据中读取到一个 String 数据类型的单列中。此格式的推断类型始终是 String，列名为 line。
示例
JSONAsString
在此格式中，ClickHouse 将整个 JSON 对象从数据中读取到一个 String 数据类型的单列中。此格式的推断类型始终是 String，列名为 json。
示例
JSONAsObject
在此格式中，ClickHouse 将整个 JSON 对象从数据中读取到一个 Object('json') 数据类型的单列中。此格式的推断类型始终是 String，列名为 json。
注意：此格式仅在启用了 allow_experimental_object_type 时有效。
示例
模式推断模式
从数据文件集进行模式推断可以在两种不同模式下工作：default（默认）和 union（联合）。该模式由设置 schema_inference_mode 控制。
默认模式
在默认模式下，ClickHouse 假设所有文件都有相同的模式，并尝试通过逐个读取文件直到成功来推断模式。
示例：
假设我们有 3 个文件 data1.jsonl、data2.jsonl 和 data3.jsonl，其内容如下：
data1.jsonl:
data2.jsonl:
data3.jsonl:
让我们尝试在这 3 个文件上使用模式推断：
结果：
正如我们所见，文件 data3.jsonl 中的 field3 没有被包含。这是因为 ClickHouse 首先尝试从文件 data1.jsonl 推断模式，因 field2 只有空值而失败，然后尝试从 data2.jsonl 推断并成功，因此未读取 data3.jsonl 的数据。
联合模式
在联合模式下，ClickHouse 假设文件可能具有不同的模式，因此会推断所有文件的模式，然后将它们合并为公共模式。
假设我们有 3 个文件 data1.jsonl、data2.jsonl 和 data3.jsonl，其内容如下：
data1.jsonl:
data2.jsonl:
data3.jsonl:
让我们尝试在这 3 个文件上使用模式推断：
结果：
如我们所见，我们从所有文件中都得到了所有字段。
注意：
- 由于某些文件可能不包含结果模式中的一些列，因此联合模式仅支持那些支持读取列子集的格式（如 JSONEachRow、Parquet、TSVWithNames 等），而不适用于其他格式（如 CSV、TSV、JSONCompactEachRow 等）。
- 如果 ClickHouse 无法从其中一个文件推断模式，将抛出异常。
- 如果文件数量较多，从所有文件读取模式可能会消耗大量时间。
自动格式检测
如果未指定数据格式且无法通过文件扩展名确定，ClickHouse 将尝试根据内容检测文件格式。
示例：
假设我们有一个内容为以下内容的 data：
我们可以在不指定格式或结构的情况下检查和查询此文件：
ClickHouse 仅能检测某些子集的格式，而这种检测需要一些时间，始终显式指定格式是更好的选择。