hdfs 

根据HDFS中的文件创建表。 该表函数类似于 url文件

hdfs(URI, format, structure)

输入参数

  • URI — HDFS中文件的相对URI。 在只读模式下,文件路径支持以下通配符: *, ?, {abc,def}{N..M} ,其中 N, M 是数字, `'abc', 'def' 是字符串。
  • format — 文件的格式
  • structure — 表的结构。格式 'column1_name column1_type, column2_name column2_type, ...'

返回值

具有指定结构的表,用于读取或写入指定文件中的数据。

示例

表来自 hdfs://hdfs1:9000/test 并从中选择前两行:

SELECT *
FROM hdfs('hdfs://hdfs1:9000/test', 'TSV', 'column1 UInt32, column2 UInt32, column3 UInt32')
LIMIT 2
┌─column1─┬─column2─┬─column3─┐
│       1 │       2 │       3 │
│       3 │       2 │       1 │
└─────────┴─────────┴─────────┘

路径中的通配符

多个路径组件可以具有通配符。 对于要处理的文件必须存在并与整个路径模式匹配(不仅后缀或前缀)。

  • * — 替换任意数量的任何字符,除了 / 包括空字符串。
  • ? — 替换任何单个字符。
  • {some_string,another_string,yet_another_one} — 替换任何字符串 'some_string', 'another_string', 'yet_another_one'
  • {N..M} — 替换范围从N到M的任何数字(包括两个边界)。

使用 {} 的构造类似于 remote)表函数。

示例

  1. 假设我们在HDFS上有几个带有以下URI的文件:
  • ‘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:
SELECT count(*)
FROM hdfs('hdfs://hdfs1:9000/{some,another}_dir/some_file_{1..3}', 'TSV', 'name String, value UInt32')
  1. 查询这两个目录的所有文件中的行数:
SELECT count(*)
FROM hdfs('hdfs://hdfs1:9000/{some,another}_dir/*', 'TSV', 'name String, value UInt32')

示例

从名为 file000, file001, … , file999的文件中查询数据:

SELECT count(*)
FROM hdfs('hdfs://hdfs1:9000/big_dir/file{0..9}{0..9}{0..9}', 'CSV', 'name String, value UInt32')

虚拟列 

  • _path — 文件路径。
  • _file — 文件名称。

另请参阅

原始文章

Rating: 5 - 1 votes

Was this content helpful?
★★★★★