Внешние данные для обработки запроса

ClickHouse позволяет отправлять серверу данные, необходимые для обработки запроса, вместе с запросом SELECT. Эти данные помещаются во временную таблицу (см. раздел “Временные таблицы”) и могут использоваться в запросе (например, в операторах IN). Например, если у вас есть текстовый файл с важными идентификаторами пользователей, вы можете загрузить его на сервер вместе с запросом, в котором выполняется фильтрация по этому списку. Если вам нужно выполнить несколько запросов с большим объемом внешних данных, не используйте эту возможность. Лучше заранее загрузить данные в БД. Внешние данные можно загружать с помощью клиента командной строки (в неинтерактивном режиме) или через HTTP-интерфейс. В клиенте командной строки можно указать раздел параметров в формате

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

У вас может быть несколько таких секций — по числу передаваемых таблиц. –external – Обозначает начало секции. –file – Путь к файлу с дампом таблицы или -, что означает stdin. Из stdin можно считать только одну таблицу. Следующие параметры необязательны: –name– Имя таблицы. Если параметр не указан, используется _data. –format – Формат данных в файле. Если параметр не указан, используется TabSeparated. Требуется один из следующих параметров:–types – Список типов столбцов, разделённых запятыми. Например: UInt64,String. Столбцы будут называться _1, _2, … –structure– Структура таблицы в форматеUserID UInt64, URL String. Определяет имена и типы столбцов. Файлы, указанные в ‘file’, будут разобраны в формате, указанном в ‘format’, с использованием типов данных, указанных в ‘types’ или ‘structure’. Таблица будет отправлена на сервер и станет там доступна как временная таблица с именем из ‘name’. Примеры:

$ echo -ne "1\n2\n3\n" | clickhouse-client --query="SELECT count() FROM test.visits WHERE TraficSourceID IN _data" --external --file=- --types=Int8
849897
$ 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'
/bin/sh 20
/bin/false      5
/bin/bash       4
/usr/sbin/nologin       1
/bin/sync       1

При использовании HTTP-интерфейса внешние данные передаются в формате multipart/form-data. Каждая таблица передаётся в виде отдельного файла. Имя таблицы берётся из имени файла. В query_string передаются параметры name_format, name_types и name_structure, где name — это имя таблицы, к которой относятся эти параметры. Смысл этих параметров такой же, как и при использовании клиента командной строки. Пример:

$ cat /etc/passwd | sed 's/:/\t/g' > passwd.tsv

$ curl -F 'passwd=@passwd.tsv;' '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'
/bin/sh 20
/bin/false      5
/bin/bash       4
/usr/sbin/nologin       1
/bin/sync       1

При распределённой обработке запросов временные таблицы отправляются на все удалённые серверы.