跳到主要内容
跳到主要内容

hdfsCluster 表函数

允许从指定集群的多个节点并行处理 HDFS 中的文件。在发起者上，它创建到集群中所有节点的连接，公开 HDFS 文件路径中的星号，并动态调度每个文件。在工作节点上，它向发起者请求下一个任务并进行处理。这个过程会重复，直到所有任务完成。

语法

参数

  • cluster_name — 用于建立到远程和本地服务器的一组地址和连接参数的集群名称。
  • URI — 文件或一组文件的 URI。支持在只读模式下使用以下通配符： *, **, ?, {'abc','def'} 以及 {N..M}，其中 N, M — 数字，abc, def — 字符串。有关更多信息，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

一个按指定结构读取指定文件中的数据的表。

示例

  1. 假设我们有一个名为 cluster_simple 的 ClickHouse 集群，以及在 HDFS 上具有以下 URI 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：
  1. 查询这两个目录中所有文件的行数：
备注

如果你的文件列表包含有前导零的数字范围，请分别为每个数字使用大括号构造，或使用 ?。

另请参见