ClickHouse(20)ClickHouse集成PostgreSQL表引擎详细解析

PostgreSQL

PostgreSQL 引擎允许 ClickHouse 对存储在远程 PostgreSQL 服务器上的数据执行 SELECT 和 INSERT 查询.

创建一张表

CREATE TABLE [IF NOT EXISTS] [db.]table_name [ON CLUSTER cluster]
(
    name1 [type1] [DEFAULT|MATERIALIZED|ALIAS expr1] [TTL expr1],
    name2 [type2] [DEFAULT|MATERIALIZED|ALIAS expr2] [TTL expr2],
    ...
) ENGINE = PostgreSQL('host:port', 'database', 'table', 'user', 'password'[, `schema`]);

表结构可以与 PostgreSQL 源表结构不同:

• 列名应与 PostgreSQL 源表中的列名相同，但您可以按任何顺序使用其中的一些列。
• 列类型可能与源表中的列类型不同。 ClickHouse尝试将数值映射到ClickHouse的数据类型。
• 设置 external_table_functions_use_nulls 来定义如何处理 Nullable 列. 默认值是 1, 当设置为 0 时 - 表函数将不会使用 nullable 列，而是插入默认值来代替 null. 这同样适用于数组数据类型中的 null 值.

引擎参数

• host:port — PostgreSQL 服务器地址.
• database — 数据库名称.
• table — 表名称.
• user — PostgreSQL 用户.
• password — 用户密码.
• schema — Non-default table schema. 可选.

实施细节

在 PostgreSQL 上的 SELECT 查询以 COPY (SELECT ...) TO STDOUT 的方式在只读 PostgreSQL 事务中运行，每次 SELECT 查询后提交。

简单的 WHERE 子句，如=，！=，>，>=，<，<=，和IN是在PostgreSQL 服务器上执行。

所有的连接、聚合、排序、IN [ array ]条件和LIMIT采样约束都是在 PostgreSQL 的查询结束后才在ClickHouse中执行的。

在 PostgreSQL 上的 INSERT 查询以 COPY "table_name" (field1, field2, ... fieldN) FROM STDIN 的方式在 PostgreSQL 事务中运行，每条 INSERT 语句后自动提交。

PostgreSQL 的 Array 类型会被转换为 ClickHouse 数组。

!!! info “Note”
要小心 - 一个在 PostgreSQL 中的数组数据，像type_name[]这样创建，可以在同一列的不同表行中包含不同维度的多维数组。但是在 ClickHouse 中，只允许在同一列的所有表行中包含相同维数的多维数组。

支持设置 PostgreSQL 字典源中 Replicas 的优先级。地图中的数字越大，优先级就越低。最高的优先级是 0。

在下面的例子中，副本example01-1有最高的优先级。

<postgresql>
    <port>5432port>
    <user>clickhouseuser>
    <password>qwertypassword>
    <replica>
        <host>example01-1host>
        <priority>1priority>
    replica>
    <replica>
        <host>example01-2host>
        <priority>2priority>
    replica>
    <db>db_namedb>
    <table>table_nametable>
    <where>id=10where>
    <invalidate_query>SQL_QUERYinvalidate_query>
postgresql>
source>

用法示例

PostgreSQL 中的表:

postgres=# CREATE TABLE "public"."test" (
"int_id" SERIAL,
"int_nullable" INT NULL DEFAULT NULL,
"float" FLOAT NOT NULL,
"str" VARCHAR(100) NOT NULL DEFAULT '',
"float_nullable" FLOAT NULL DEFAULT NULL,
PRIMARY KEY (int_id));

CREATE TABLE

postgres=# INSERT INTO test (int_id, str, "float") VALUES (1,'test',2);
INSERT 0 1

postgresql> SELECT * FROM test;
  int_id | int_nullable | float | str  | float_nullable
 --------+--------------+-------+------+----------------
       1 |              |     2 | test |
 (1 row)

ClickHouse 中的表, 从上面创建的 PostgreSQL 表中检索数据:

CREATE TABLE default.postgresql_table
(
    `float_nullable` Nullable(Float32),
    `str` String,
    `int_id` Int32
)
ENGINE = PostgreSQL('localhost:5432', 'public', 'test', 'postges_user', 'postgres_password');

SELECT * FROM postgresql_table WHERE str IN ('test');

┌─float_nullable─┬─str──┬─int_id─┐
│           ᴺᵁᴸᴸ │ test │      1 │
└────────────────┴──────┴────────┘

使用非默认的模式:

postgres=# CREATE SCHEMA "nice.schema";

postgres=# CREATE TABLE "nice.schema"."nice.table" (a integer);

postgres=# INSERT INTO "nice.schema"."nice.table" SELECT i FROM generate_series(0, 99) as t(i)

CREATE TABLE pg_table_schema_with_dots (a UInt32)
        ENGINE PostgreSQL('localhost:5432', 'clickhouse', 'nice.table', 'postgrsql_user', 'password', 'nice.schema');

资料分享

ClickHouse经典中文文档分享

参考文章

• ClickHouse(01)什么是ClickHouse,ClickHouse适用于什么场景
• ClickHouse(02)ClickHouse架构设计介绍概述与ClickHouse数据分片设计
• ClickHouse(03)ClickHouse怎么安装和部署
• ClickHouse(04)如何搭建ClickHouse集群
• ClickHouse(05)ClickHouse数据类型详解
• ClickHouse(06)ClickHouse建表语句DDL详细解析
• ClickHouse(07)ClickHouse数据库引擎解析
• ClickHouse(08)ClickHouse表引擎概况
• ClickHouse(09)ClickHouse合并树MergeTree家族表引擎之MergeTree详细解析
• ClickHouse(10)ClickHouse合并树MergeTree家族表引擎之ReplacingMergeTree详细解析
• ClickHouse(11)ClickHouse合并树MergeTree家族表引擎之SummingMergeTree详细解析
• ClickHouse(12)ClickHouse合并树MergeTree家族表引擎之AggregatingMergeTree详细解析
• ClickHouse(13)ClickHouse合并树MergeTree家族表引擎之CollapsingMergeTree详细解析
• ClickHouse(14)ClickHouse合并树MergeTree家族表引擎之VersionedCollapsingMergeTree详细解析
• ClickHouse(15)ClickHouse合并树MergeTree家族表引擎之GraphiteMergeTree详细解析
• ClickHouse(16)ClickHouse日志引擎Log详细解析
• ClickHouse(17)ClickHouse集成JDBC表引擎详细解析
• ClickHouse(18)ClickHouse集成ODBC表引擎详细解析
• ClickHouse(19)ClickHouse集成Hive表引擎详细解析