沒有什么是1個SQL解決不了的.jpg
今天的主題，不用寫序言，看上圖就懂
如何用SQL的方式操作一個文件
先舉例
- 想知道history命令里，敲得最多的是哪個？
- 當然，sed，awk完全可以做到，但是，如果用SQL怎么做？
history | awk '{print $1"\t"$2}' | clickhouse-client \
--query="SELECT shell, count() AS c FROM history \
GROUP BY shell ORDER BY c DESC limit 10 " \
--external --file=- --name=history \
--structure='id UInt16, shell String' -h 127.0.0.1
ls 390
cd 243
clickhouse-client 173
du 67
vim 57
htop 42
cat 28
history 27
tailf 25
mysql 24
原理
- ClickHouse支持把一個外部文件，加載到內部的一個臨時表中，對這個臨時表進行SQL化操作
格式
--external --file=... [--name=...] [--format=...] [--types=...|--structure=...]
-
--external表示這個操作是外部文件的 -
--file=...指定一個文件，如果是標準輸入，則寫- -
[--name=...]表名，如果忽略，默認給_data -
[--format=...]列分隔符，默認是TabSeparated - `[--types=...|--structure=...] 這句不解釋了，看上面的例子就好了
再來一個測試
- 為了模擬一個有意義的場景，我們選了ClickHouse的system.parts這個表，里面記錄的是ClickHouse的分區(qū)信息，表結構如下
partition: 201709
name: 20170903_20170905_2_2963928_22
replicated: 0
active: 1
marks: 23372
rows: 191456971
bytes: 93294984484
modification_time: 2017-09-05 23:37:33
remove_time: 0000-00-00 00:00:00
refcount: 2
min_date: 2017-09-03
max_date: 2017-09-05
min_block_number: 2
max_block_number: 2963928
level: 22
primary_key_bytes_in_memory: 93488
primary_key_bytes_in_memory_allocated: 196608
database: xx
table: xx
engine: MergeTree
- 我們導出一份數據，作為測試文件
- 默認導出的文件是tab分割
clickhouse-client -h 127.0.0.1 -m -d system -q "select * from parts " > test.sql
- 目標SQL
- 找某個表的分區(qū)數據，即有幾個分區(qū)，分區(qū)文件多大
SELECT
partition,
count() AS number_of_parts,
formatReadableSize(sum(bytes)) AS sum_size
FROM system.parts
WHERE active AND (database = 'xxxx') AND (table = 'xxxx_msg')
GROUP BY partition
ORDER BY partition ASC
- 文件SQL
root@10.xxxx:/root # wc -l test.sql
11991 test.sql
root@10.xxxx:/root # clickhouse-client \
--query="SELECT partition, count() AS number_of_parts, \
formatReadableSize(sum(bytes)) AS sum_size FROM parts \
WHERE active AND (database = 'xxxx') AND (table = 'xxxx_msg') \
GROUP BY partition ORDER BY partition ASC ;" \
--external --file=test.sql --name=parts \
--structure='partition UInt16,name String,replicated UInt16,active UInt16,marks UInt16,rows UInt16,bytes UInt16,modification_time String,remove_time String,refcount UInt16,min_date String,max_date String,min_block_number UInt16,max_block_number UInt16,level UInt16,primary_key_bytes_in_memory UInt16,primary_key_bytes_in_memory_allocated UInt16,database String,table String,engine String' \
-h 127.0.0.1
201709 36 1.68 TiB
201710 26 1.42 TiB
201711 30 1.42 TiB
201712 31 963.07 GiB
注意事項
- 文件操作雖然方便，但是官方文檔也提到了，如果是特別大的文件，還是不要這么玩了
- 另外，這個文件SQL其實還是要依賴ClickHouse-Server的，如果你沒有啟動Server，玩不了的哦~
