External Data for Query Processing

ClickHouse 允许向服务器发送处理查询所需的数据以及 SELECT 查询。这些数据放在一个临时表中（请参阅 “临时表” 一节），可以在查询中使用（例如，在 IN 操作符中）。

例如，如果您有一个包含重要用户标识符的文本文件，则可以将其与使用此列表过滤的查询一起上传到服务器。

如果需要使用大量外部数据运行多个查询，请不要使用该特性。最好提前把数据上传到数据库。

可以使用命令行客户端（在非交互模式下）或使用 HTTP 接口上传外部数据。

在命令行客户端中，您可以指定格式的参数部分

  1. --external --file=... [--name=...] [--format=...] [--types=...|--structure=...]

对于传输的表的数量，可能有多个这样的部分。

--external – 标记子句的开始。
--file – 带有表存储的文件的路径，或者，它指的是STDIN。
只能从 stdin 中检索单个表。

以下的参数是可选的：--name – 表的名称，如果省略，则采用 _data。
--format – 文件中的数据格式。 如果省略，则使用 TabSeparated。

以下的参数必选一个：--types – 逗号分隔列类型的列表。例如：UInt64,String。列将被命名为 _1，_2，…
--structure– 表结构的格式 UserID UInt64，URL String。定义列的名字以及类型。

在 “file” 中指定的文件将由 “format” 中指定的格式解析，使用在 “types” 或 “structure” 中指定的数据类型。该表将被上传到服务器，并在作为名称为 “name”临时表。

示例：

  1. echo -ne "1\n2\n3\n" | clickhouse-client --query="SELECT count() FROM test.visits WHERE TraficSourceID IN _data" --external --file=- --types=Int8
  2. 849897
  3. cat /etc/passwd | sed 's/:/\t/g' | clickhouse-client --query="SELECT shell, count() AS c FROM passwd GROUP BY shell ORDER BY c DESC" --external --file=- --name=passwd --structure='login String, unused String, uid UInt16, gid UInt16, comment String, home String, shell String'
  4. /bin/sh 20
  5. /bin/false      5
  6. /bin/bash       4
  7. /usr/sbin/nologin       1
  8. /bin/sync       1

当使用HTTP接口时，外部数据以 multipart/form-data 格式传递。每个表作为一个单独的文件传输。表名取自文件名。”query_string” 传递参数 “name_format”、”name_types”和”name_structure”，其中 “name” 是这些参数对应的表的名称。参数的含义与使用命令行客户端时的含义相同。

示例：

  1. cat /etc/passwd | sed 's/:/\t/g' > passwd.tsv
  3. curl -F '[email protected];' 'http://localhost:8123/?query=SELECT+shell,+count()+AS+c+FROM+passwd+GROUP+BY+shell+ORDER+BY+c+DESC&passwd_structure=login+String,+unused+String,+uid+UInt16,+gid+UInt16,+comment+String,+home+String,+shell+String'
  4. /bin/sh 20
  5. /bin/false      5
  6. /bin/bash       4
  7. /usr/sbin/nologin       1
  8. /bin/sync       1

对于分布式查询，将临时表发送到所有远程服务器。

Original article