自定义udf把mysql的表结构自动转换成clickhouse的表结构

最新推荐文章于 2024-04-23 22:13:49 发布
最新推荐文章于 2024-04-23 22:13:49 发布
阅读量1.4k 收藏 3
点赞数
分类专栏： HQL UDF clickhouse
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wppwpp1/article/details/107093049
版权
clickhouse 同时被 3 个专栏收录
12 篇文章 3 订阅
订阅专栏
UDF
5 篇文章 0 订阅
订阅专栏
HQL
4 篇文章 0 订阅
订阅专栏

1，因业务需求，需要把mysql的数据同步到clickhouse,但是clickhouse建表语法有比较繁琐，故写了一个udf来生成数据

1.0 相关pom.xml

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
	<modelVersion>4.0.0</modelVersion>

	<groupId>hdp-udf</groupId>
	<artifactId>hdp-udf</artifactId>
	<version>4.1</version>
	<packaging>jar</packaging>

	<name>hdp-udf</name>
	<url>http://maven.apache.org</url>

	<properties>
		<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
		<hive.version>3.1.0</hive.version>
		<hadoop.version>3.1.0</hadoop.version>
	</properties>

	<dependencies>
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-client</artifactId>
			<version>${hadoop.version}</version>
			<exclusions>
				<exclusion>
					<groupId>log4j</groupId>
					<artifactId>log4j</artifactId>
				</exclusion>
				<exclusion>
					<groupId>org.slf4j</groupId>
					<artifactId>slf4j-log4j12</artifactId>
				</exclusion>
			</exclusions>
			<scope>provided</scope>
		</dependency>
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-common</artifactId>
			<version>${hadoop.version}</version>
			<scope>provided</scope>
		</dependency>
		<dependency>
			<groupId>org.apache.hive</groupId>
			<artifactId>hive-exec</artifactId>
			<version>${hive.version}</version>
			<scope>provided</scope>
		</dependency>
		<dependency>
			<groupId>org.apache.hive</groupId>
			<artifactId>hive-jdbc</artifactId>
			<version>2.1.0.2.6.4.76-1</version>
			<scope>provided</scope>
		</dependency>
		<dependency>
			<groupId>org.apache.hive</groupId>
			<artifactId>hive-service</artifactId>
			<version>2.1.0</version>
			<scope>provided</scope>
		</dependency>

		<!-- 自研组件依赖 -->
		<dependency>
			<groupId>com.crgecent</groupId>
			<artifactId>crgt-util</artifactId>
			<version>1.1.0</version>
		</dependency>

		<dependency>
			<groupId>redis.clients</groupId>
			<artifactId>jedis</artifactId>
			<version>2.9.0</version>
		</dependency>
		<dependency>
			<groupId>junit</groupId>
			<artifactId>junit</artifactId>
			<version>4.12</version>
			<scope>test</scope>
		</dependency>
		<dependency>
			<groupId>org.apache.kafka</groupId>
			<artifactId>kafka-clients</artifactId>
			<version>1.1.1</version>
		</dependency>
		<dependency>
			<groupId>org.apache.kafka</groupId>
			<artifactId>kafka_2.11</artifactId>
			<version>1.1.1</version>
		</dependency>
		<dependency>
			<groupId>mysql</groupId>
			<artifactId>mysql-connector-java</artifactId>
			<version>5.1.25</version>
		</dependency>
		<dependency>
			<groupId>ru.yandex.clickhouse</groupId>
			<artifactId>clickhouse-jdbc</artifactId>
			<version>0.2</version>
		</dependency>
		<!-- https://mvnrepository.com/artifact/com.alibaba/fastjson -->
		<dependency>
			<groupId>com.alibaba</groupId>
			<artifactId>fastjson</artifactId>
			<version>1.2.62</version>
		</dependency>
	</dependencies>

	<build>
		<finalName>hiveudf_${version}</finalName>
		<resources>
			<resource>
				<directory>src/main/java</directory>
			</resource>
		</resources>
		<plugins>
			<plugin>
				<groupId>net.alchim31.maven</groupId>
				<artifactId>scala-maven-plugin</artifactId>
				<version>3.3.1</version>
				<executions>
					<execution>
						<id>scala-compile-first</id>
						<phase>process-resources</phase>
						<goals>
							<goal>add-source</goal>
							<goal>compile</goal>
						</goals>
					</execution>

					<execution>
						<phase>compile</phase>
						<goals>
							<goal>compile</goal>
							<goal>testCompile</goal>
						</goals>
					</execution>
				</executions>
			</plugin>
			<plugin>
				<artifactId>maven-assembly-plugin</artifactId>
				<version>3.0.0</version>
				<configuration>
					<descriptorRefs>
						<descriptorRef>jar-with-dependencies</descriptorRef>
					</descriptorRefs>
<!--					<archive>-->
<!--						<manifest>-->
<!--							<mainClass>com.crgt.BlockInstance2ck</mainClass>-->
<!--						</manifest>-->
<!--					</archive>-->
				</configuration>
				<executions>
					<execution>
						<id>make-assembly</id>
						<phase>package</phase>
						<goals>
							<goal>single</goal>
						</goals>
					</execution>
				</executions>
			</plugin>
			<plugin>
				<groupId>org.apache.maven.plugins</groupId>
				<artifactId>maven-compiler-plugin</artifactId>
				<configuration>
					<source>8</source>
					<target>8</target>
				</configuration>
			</plugin>
		</plugins>
	</build>


	<repositories>
		<repository>
			<id>ownaliyunmaven</id>
			<name>own aliyun maven repository</name>
			<url>http://10.3.1.29:8081/repository/aliyun/</url>
		</repository>
		<repository>
			<id>ownmaven</id>
			<name>own maven repository</name>
			<url>http://10.3.1.29:8081/repository/maven-central/</url>
		</repository>

		<repository>
			<id>Hortonworks Repository</id>
			<url>http://repo.hortonworks.com/content/repositories/releases/</url>
			<releases>
				<enabled>true</enabled>
			</releases>
			<snapshots>
				<enabled>false</enabled>
			</snapshots>
		</repository>

		<repository>
			<releases>
				<enabled>true</enabled>
			</releases>
			<snapshots>
				<enabled>true</enabled>
			</snapshots>
			<id>hortonworks.other</id>
			<name>Hortonworks Other Dependencies</name>
			<url>http://repo.hortonworks.com/content/groups/public</url>
		</repository>

	</repositories>

</project>

package com.crgt;


import com.crgecent.common.util.DateUtil;
import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDF;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.StringObjectInspector;
import org.apache.hadoop.io.Text;

import java.sql.*;
import java.util.Date;


/**
 * https://blog.csdn.net/xiao_jun_0820/article/details/76638198
 * 根据hive的表在，自动生成一个ck的表，输入值要求是带ck的中间表
 * wpp 自己开发的
 *
 *
 */
public class Mysql2CKGenericUDF extends GenericUDF {

    private static String driverName = "com.mysql.jdbc.Driver";
    StringObjectInspector keyElementOI;

    StringObjectInspector tableElementOI;

    @Override
    public Object evaluate(DeferredObject[] arg0)   throws HiveException{

            String jdbcUrl = keyElementOI.getPrimitiveJavaObject(arg0[0].get());
            String tableName = tableElementOI.getPrimitiveJavaObject(arg0[1].get());


            if(  jdbcUrl == null ||  tableName == null ){
                return new Text("获取参数错误,需要");
            }
            System.out.println("输入值 : " +jdbcUrl);

            StringBuffer res = new StringBuffer( );
            try{
               res.append("\n========================mysql转成ck的建表语句 "+ tableName+ " ==================\n");
               String ckConfInfo = getCKCreateTableInfo(jdbcUrl,tableName);
               res.append(ckConfInfo);

            }catch (Exception e){
                e.printStackTrace();
                System.out.println("获取结果异常:" +e.getMessage());
            }

            return new Text(res.toString());
    }

    public static  String getCKCreateTableInfo(String cconn_str ,String tableName) throws SQLException {

        String databaseName ="rt_dwd";
        String dbTableName = tableName;
        try {
            Class.forName(driverName);
        } catch (ClassNotFoundException e) {
            System.out.println("=================================");
            e.printStackTrace();
            System.exit(1);
        }


        String conn_str = cconn_str +"&useUnicode=true&characterEncoding=UTF8";
        Connection con = DriverManager.getConnection(conn_str);

        Statement stmt = con.createStatement();
        StringBuffer result = new StringBuffer();
        StringBuffer resultCls = new StringBuffer();
        StringBuffer insertSql = new StringBuffer();

        String createSql = "show create  table " + dbTableName ;

        ResultSet res1 = stmt.executeQuery(createSql);
        result.append("==============mysql原表的格式=============\n");
        while (res1.next()) {
//            System.out.println(res1.getString(2));
            result.append(res1.getString(2) +"\n");
        }

        String sql = "describe  " + dbTableName ;
        System.out.println("Running: " + sql);
        ResultSet res = stmt.executeQuery(sql);


        String ckTable = tableName.replaceAll("_ck$","");
        String ckDbTableName = databaseName +"." +ckTable;

        result.append("==============请确定主键和date类型的列,并把Nullable去掉=============\n");
        result.append("CREATE TABLE " +ckDbTableName +" on cluster crm_4shards_1replicas (\n");
        resultCls.append("CREATE TABLE " +ckDbTableName +"_cls on cluster crm_4shards_1replicas (\n");

        insertSql.append("INSERT INTO " +ckDbTableName +"_cls \nselect \n");

        String[] jdbcUrlArr =  cconn_str.replaceAll("jdbc:mysql://","").replaceAll("\\?","/").replaceAll("user=","").replaceAll("&password=","/").split("/");

        while (res.next()) {
            String dataKey =  res.getString(1);
            String dataType =  res.getString(2);
//            System.out.println(dataKey + "\t" + dataType);
            String ckDataType = Utils.getMysqlParseType(dataType.toLowerCase());

            if(dataKey.equals("id")){
                result.append(" `" + dataKey + "` " + ckDataType + ",\n");
                resultCls.append(" `" + dataKey + "` " + ckDataType + ",\n");
            }else {
                result.append(" `" + dataKey + "` Nullable(" + ckDataType + "),\n");
                resultCls.append(" `" + dataKey + "` Nullable(" + ckDataType + "),\n");
            }

            insertSql.append( dataKey+ ",\n");
        }

        result.append(" `" + "ck_update_date"    + "` Date,\n" );
        resultCls.append(" `" + "ck_update_date" + "` Date,\n" );
        insertSql.append(  "if(update_time is null ,toDate(create_time),toDate(update_time)) \n");

        result =new StringBuffer(  result.substring(0,result.length()-2));

        resultCls =new StringBuffer(  resultCls.substring(0,resultCls.length()-2));
        result.append("\n)ENGINE = MergeTree(ck_update_date, id, 8192);\n\n");
        resultCls.append("\n)ENGINE = Distributed(crm_4shards_1replicas,"+databaseName+" ," +ckTable+ ",rand());\n");
        insertSql.append("FROM mysql('"+jdbcUrlArr[0]+"', '"+jdbcUrlArr[1]+"', '"+dbTableName+"', '"+jdbcUrlArr[2]+"', '"+jdbcUrlArr[3]+"') ;\n");
//        insertSql.append("where toDate(create_time) < '"+ DateUtil.format(new Date(),"yyyy-MM-dd") +"';");

        result.append(resultCls);

        result.append("=============insert into ================\n");
        result.append(insertSql.toString());



        return  result.toString();
    }


  

    @Override
    public String getDisplayString(String[] arg0) {
        return "Mysql2ckTableCreateGenericUDF(jdbcUrl,tableName)";
    }

    @Override
    public ObjectInspector initialize(ObjectInspector[] arg0) throws UDFArgumentException {

        if (arg0.length != 2) {
            throw new UDFArgumentException(" Expecting  two  arguments: jdbcUrl ,tableName");
        }

        // 1. 检查是否接收到正确的参数类型
        ObjectInspector key = arg0[0];

        if (!(key instanceof StringObjectInspector) ) {
            throw new UDFArgumentException("one argument  must be a string");
        }
        this.keyElementOI = (StringObjectInspector) key;


        // 2 检查是否接收到正确的参数类型
        ObjectInspector table = arg0[1];
        if (!(table instanceof StringObjectInspector) ) {
            throw new UDFArgumentException("one argument  must be a string");
        }
        this.tableElementOI = (StringObjectInspector) table;

        return PrimitiveObjectInspectorFactory.writableStringObjectInspector;
    }


}

1.2 utils

package com.crgt;

import java.util.regex.Pattern;

/**
 * @Author: wpp
 * @Date: 2019/10/21 19:41
 */
public class Utils {

    public static  String  HIVE_JDBC_URL= "jdbc:hive2://xx.xx.xx.xx:10000/default";

    public static String getParseType(String oriDataType){

        String dataType = null;

        switch (oriDataType.toLowerCase()){
            case "boolean":
                dataType="Int64";break;
            case "TINYINT":
                dataType="Int64";break;
            case "SMALLINT":
                dataType="Int64";break;
            case "int":
                dataType="Int64";break;
            case "bigint":
                dataType="Int64";break;
            case "float":
                dataType="Float64";break;
            case "double":
                dataType="Float64";break;
            case "decimal":
                dataType="Float64";break;
            case "string":
                dataType="String";break;
            case "datetime":
                dataType="String";break;
            case "timestamp":
                dataType="String";break;
            default:
                dataType="999999999";
        }

        return  dataType;
    }


    public static String getMysqlParseType(String oriDataType){

        String dataType = null;

        if(Pattern.matches(".*varchar.*",oriDataType)
            ||Pattern.matches(".*datetime.*",oriDataType)
            ||Pattern.matches(".*time.*",oriDataType)
            ||Pattern.matches(".*text.*",oriDataType)
        ){
            dataType="String";
        }else if(Pattern.matches(".*bigint.*.*unsigned.*",oriDataType)
                || Pattern.matches(".*tinyint.*.*unsigned.*",oriDataType)
                || Pattern.matches(".*int.*.*unsigned.*",oriDataType)

        ){
            dataType="UInt64";

        }else if(Pattern.matches(".*bigint.*",oriDataType)
                || Pattern.matches(".*tinyint.*",oriDataType)
                || Pattern.matches(".*int.*",oriDataType)
        ){
            dataType="Int64";
        }else if(Pattern.matches(".*float.*",oriDataType)
                || Pattern.matches(".*double.*",oriDataType)
                || Pattern.matches(".*decimal.*",oriDataType)
        ){
            dataType="Float64";
        }else {
            dataType="9999999999999";
        }

        return  dataType;
    }




}

 

2,创建hive的udf函数

create function mysqlinfo as 'com.crgt.Mysql2CKGenericUDF' using jar 'hdfs:///hiveudf/hiveudf_3.8-jar-with-dependencies.jar';

3，在hive上执行语句


select mysqlinfo("jdbc:mysql://10.xx.xx.xx:3306/order_center?user=user123&password=passwd123",'mysql_table_name');

4,执行结构如下：


========================mysql转成ck的建表语句 mysql_table_name ==================
==============mysql原表的格式=============
CREATE TABLE `mysql_table_name` (
  `id` varchar(25) NOT NULL COMMENT '自定义主键',
  `order_id` varchar(25) NOT NULL COMMENT '',
  `p_order_id` varchar(25) NOT NULL COMMENT '',
  `user_no` varchar(25) NOT NULL COMMENT '用户id',
  `wx_openid` varchar(100) DEFAULT NULL COMMENT '',
  `machine_id` varchar(50) DEFAULT NULL COMMENT '',
  `scene_type` tinyint(2) DEFAULT NULL COMMENT '',
  `order_type` tinyint(2) DEFAULT NULL COMMENT '',
  `merchant_shop_id` varchar(50) DEFAULT NULL COMMENT '',
  `shop_name` varchar(50) DEFAULT NULL COMMENT '',
  `site_name` varchar(50) DEFAULT NULL COMMENT '车站',
  `run_no` varchar(10) DEFAULT NULL COMMENT '',
  `section_no` varchar(5) DEFAULT NULL COMMENT '',
  `seat` varchar(10) DEFAULT NULL COMMENT '',
  `opening_time` datetime DEFAULT NULL COMMENT '',
  `riding_time` datetime DEFAULT NULL COMMENT '',
  `delivery_type` tinyint(2) DEFAULT NULL COMMENT ',0：自取，1：送达',
  `user_name` varchar(50) DEFAULT NULL COMMENT '用户名',
  `brands_name` varchar(200) DEFAULT NULL COMMENT '品牌名',
  `mobile` varchar(50) DEFAULT NULL COMMENT '',
  `invoice_type` tinyint(2) DEFAULT NULL COMMENT '0：不开发票，1：开票',
  `delivery_range` varchar(50) DEFAULT NULL COMMENT '',
  `refund_expire_time` datetime DEFAULT NULL COMMENT '',
  `box_count` int(5) DEFAULT NULL COMMENT '',
  `ware_count` int(5) DEFAULT NULL COMMENT '',
  `remark` varchar(150) DEFAULT NULL COMMENT '备注',
  `delivery_start_time` datetime DEFAULT NULL COMMENT '',
  `delivery_end_time` datetime DEFAULT NULL COMMENT '',
  `create_time` datetime DEFAULT NULL COMMENT '创建时间',
  `update_time` datetime DEFAULT NULL COMMENT '修改时间',
  PRIMARY KEY (`id`,`user_no`) USING BTREE,
  KEY `idx_order_id` (`order_id`,`user_no`) USING BTREE,
  KEY `idx_order_pid` (`p_order_id`,`user_no`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='点餐表' shardkey=user_no
==============请确定主键和date类型的列,并把Nullable去掉=============

CREATE TABLE rt_dwd.mysql_table_name on cluster crm_4shards_1replicas (
 `id` String,
 `order_id` Nullable(String),
 `p_order_id` Nullable(String),
 `user_no` Nullable(String),
 `wx_openid` Nullable(String),
 `machine_id` Nullable(String),
 `scene_type` Nullable(Int64),
 `order_type` Nullable(Int64),
 `merchant_shop_id` Nullable(String),
 `shop_name` Nullable(String),
 `site_name` Nullable(String),
 `run_no` Nullable(String),
 `section_no` Nullable(String),
 `seat` Nullable(String),
 `opening_time` Nullable(String),
 `riding_time` Nullable(String),
 `delivery_type` Nullable(Int64),
 `user_name` Nullable(String),
 `brands_name` Nullable(String),
 `mobile` Nullable(String),
 `invoice_type` Nullable(Int64),
 `delivery_range` Nullable(String),
 `refund_expire_time` Nullable(String),
 `box_count` Nullable(Int64),
 `ware_count` Nullable(Int64),
 `remark` Nullable(String),
 `delivery_start_time` Nullable(String),
 `delivery_end_time` Nullable(String),
 `create_time` Nullable(String),
 `update_time` Nullable(String),
 `ck_update_date` Date
)ENGINE = MergeTree(ck_update_date, id, 8192);

CREATE TABLE rt_dwd.mysql_table_name_cls on cluster crm_4shards_1replicas (
 `id` String,
 `order_id` Nullable(String),
 `p_order_id` Nullable(String),
 `user_no` Nullable(String),
 `wx_openid` Nullable(String),
 `machine_id` Nullable(String),
 `scene_type` Nullable(Int64),
 `order_type` Nullable(Int64),
 `merchant_shop_id` Nullable(String),
 `shop_name` Nullable(String),
 `site_name` Nullable(String),
 `run_no` Nullable(String),
 `section_no` Nullable(String),
 `seat` Nullable(String),
 `opening_time` Nullable(String),
 `riding_time` Nullable(String),
 `delivery_type` Nullable(Int64),
 `user_name` Nullable(String),
 `brands_name` Nullable(String),
 `mobile` Nullable(String),
 `invoice_type` Nullable(Int64),
 `delivery_range` Nullable(String),
 `refund_expire_time` Nullable(String),
 `box_count` Nullable(Int64),
 `ware_count` Nullable(Int64),
 `remark` Nullable(String),
 `delivery_start_time` Nullable(String),
 `delivery_end_time` Nullable(String),
 `create_time` Nullable(String),
 `update_time` Nullable(String),
 `ck_update_date` Date
)ENGINE = Distributed(crm_4shards_1replicas,rt_dwd ,mysql_table_name,rand());
=============insert into ================
INSERT INTO rt_dwd.mysql_table_name_cls 
select 
id,
order_id,
p_order_id,
user_no,
wx_openid,
machine_id,
scene_type,
order_type,
merchant_shop_id,
shop_name,
site_name,
run_no,
section_no,
seat,
opening_time,
riding_time,
delivery_type,
user_name,
brands_name,
mobile,
invoice_type,
delivery_range,
refund_expire_time,
box_count,
ware_count,
remark,
delivery_start_time,
delivery_end_time,
create_time,
update_time,
if(update_time is null ,toDate(create_time),toDate(update_time)) 
FROM mysql('xxxx:3306', 'order_center', 'mysql_table_name', 'user123', 'passwd123') ;

 

wppwpp1
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
将 mysql 数据迁移到 clickhouse (最新版)
hgdzw的博客
10-11 1429
mysql大批量数据导入到clickhouse中
浅析mysql迁移到clickhouse的5种方法
09-09
主要介绍了mysql迁移到clickhouse的5种方法，本文给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下
clickhouse源码：函数分析和自定义函数UDF
热门推荐
iceyung的专栏
03-02 1万+
clickhouse函数介绍 clickhouse官方提供了许多的函数，包括常规的数学函数，聚合函数，时间函数，逻辑函数，比较函数等等，关于官方的函数可以在官方文档中查看： 官方文档 当然随着clickhouse的流行，国内也有不少的博主已经开始介绍函数的使用： clickhouse function clickhouse高阶函数 clickhouse详细函数介绍 clickhous...
Clickhouse自定义UDF函数
等闲之辈莫等闲的博客
06-26 1379
加载function，查询是否成功，这里查询的xx要跟xml文件保持一致。需要安装python3环境。
ClickHouse Java多参UDF
sleetdream的博客
10-30 1103
ClickHouse调用java语言编写的多参UDF例程
ClickHouse拆解
王义凯 的博客
10-31 4972
什么是ClickHouse? Clickhouse由俄罗斯Yandex公司开源的数据库，专为OLAP而设计。 Yandex是俄罗斯最大的搜索引擎公司，官方宣称ClickHouse 日处理记录数”十亿级”。 发布之初跑分要超过很多流行的商业MPP数据库软件，对标老东家HP的Vertica和GP 官方的性能测试显示比vertica快5倍，比GP快10倍。 毛子很任性(滑稽)： 目前只支持Ubu...
3dof.rar_3dof_fluent udf_udf_表面压力积分
07-15
`UDF`则允许用户自定义函数来扩展软件的基本功能，满足特定的计算需求。 在这个名为“3dof.rar”的压缩包中，我们主要关注的是如何利用`UDF`来实现三维自由度（3 Degree Of Freedom，3DOF）的流体动力学计算，特别...
MYSQL_UDF-5.0.rar_mysql udf_udf_udf mysql
09-23
MySQL UDF（User Defined Function）是MySQL数据库系统中的一种扩展机制，允许用户自定义函数以满足特定的计算或处理需求。这些自定义函数通常用C或C++编写，然后编译为动态链接库（DLL），供MySQL服务器调用。本...
phoenix-udf自定义函数测试jar包
11-19
phoenix-udf自定义函数，上传到hdfs的lib目录，测试udf自定义函数功能，有需要可以下载；select QUARTER(birth) from person
mysql中使用UDF自动同步memcached效率笔记
09-11
接上篇：mysql使用mysql-udf-http效率测试笔记 ，这次不使用rest架构，而是使用：libmemcached和memcached_functions_mysql
hive自定义UDF编写函数.docx
01-26
Hive 自定义 UDF 编写函数 本文主要讲解了 Hive 中自定义 UDF 函数的编写方法，包括创建 UDF 类、实现自定义函数逻辑、编译和打包 UDF jar 包、上传至 Hive 服务器并注册自定义函数。 一、创建 UDF 类 为了实现...
ClickHouse UDF编写示例
hongguo880的博客
11-16 2277
Clickhouse 22版本的UDF编写示例
ClickHouse自定义函数实例教程
neweastsun的专栏
04-19 3779
通过函数封装复杂代码，可以在多个应用场景中复用通过给定输入参数，可以简化测试修改函数定义自动反应至所有函数调用，避免重复维护UDF可以消除重复工作，虽然强大，也不要过度滥用。
MySQL迁移到ClickHouse
robinhunan的博客
11-18 1692
ClickHouse 新增 MaterializeMySQL引擎 ,可通过binlog日志实时物化mysql数据，提升数仓的查询性能和数据同步的时效性；原有mysql中承担的数据分析工作可交由clickhouse去做，这么做可显著降低线上mysql的负载，从此OLTP与OLAP业务实现完美融合。
Clickhouse 用户自定义外部函数
Moonxiyue的博客
06-09 3370
·　　Clickhouse 从 21.11 版本开始，除了提供类似SqlServer、MySQL CREATE FUNCTION 的自定义函数之外，还有一个用户自定义函数（UDF），与其说是“用户自定义函数”，为了避免混淆，称之为”用户自定义外部函数“更为准确。官方对此功能的解释： ClickHouse can call any external executable program or script to process data. 译文：ClickHouse可以调用任何外部可执行程序或脚本来处理数据
UDF 编写与注册
大怀特的博客
07-14 486
udf编写与注册
starrocks3.0 编写自定义UDF java/scala版本 clickhouse中countResample
yy的博客
01-24 777
starrocks实现clickhouse中的CountResample函数
ClickHouse用UDF解析XML字符串和XML文件
最新发布
weixin_44830864的博客
04-23 482
函数名wsdXpathArrB64('参数1',参数2)wsdXpathB64('参数1‘,'参数2')
MySQL 到 ClickHouse 实时数据同步实操分享，Python开发者值得深入思考的几个问题
2401_84103675的博客
04-04 1637
4.在打开的连接信息配置页面依次输入需要的配置信息，配置完成后测试连接保存即可。第三步：选择同步模式-全量/增量/全+增进入Tapdata Cloud 操作后台任务管理页面，点击添加任务按钮进入任务设置流程根据刚才建好的连接，选定源端与目标端。根据数据需求，选择需要同步的库、表，如果你对表名有修改需要，可以通过页面中的表名批量修改功能对目标端的表名进行批量设置.在以上选项设置完毕后，下一步选择同步类型，平台提供全量同步、增量同步、全量+增量同步，设定写入模式和读取数量。
"ClickHouse自定义函数UDF、UDAF、UDTF详解
在数据分析和处理过程中，我们经常需要使用自定义函数来满足特定的业务需求，而ClickHouse提供了丰富的自定义函数功能，包括UDF（用户自定义函数），UDAF（用户自定义聚合函数）和UDTF（用户自定义表生成函数）。...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值