--- { "title": "OUTFILE", "language": "zh-CN" } --- # OUTFILE ## description 该语句用于使用 `SELECT INTO OUTFILE` 命令将查询结果的导出为文件。目前支持通过 Broker 进程, 通过 S3 协议, 或直接通过 HDFS 协议,导出到远端存储,如 HDFS,S3,BOS,COS(腾讯云)上。 语法: query_stmt INTO OUTFILE "file_path" [format_as] [properties] 1. file_path file_path 指向文件存储的路径以及文件前缀。如 `hdfs://path/to/my_file_`。 最终的文件名将由 `my_file_`,文件序号以及文件格式后缀组成。其中文件序号由0开始,数量为文件被分割的数量。如: my_file_abcdefg_0.csv my_file_abcdefg_1.csv my_file_abcdegf_2.csv 2. format_as FORMAT AS CSV 指定导出格式。默认为 CSV。 3. properties 指定相关属性。目前支持通过 Broker 进程, 或通过 S3 协议进行导出。 语法: [PROPERTIES ("key"="value", ...)] 支持如下属性: column_separator: 列分隔符 line_delimiter: 行分隔符 max_file_size: 单个文件大小限制,如果结果超过这个值,将切割成多个文件。 Broker 相关属性需加前缀 `broker.`: broker.name: broker名称 broker.hadoop.security.authentication: 指定认证方式为 kerberos broker.kerberos_principal: 指定 kerberos 的 principal broker.kerberos_keytab: 指定 kerberos 的 keytab 文件路径。该文件必须为 Broker 进程所在服务器上的文件的绝对路径。并且可以被 Broker 进程访问 HDFS 相关属性需加前缀 `hdfs.`: hdfs.fs.defaultFS: namenode 地址和端口 hdfs.hdfs_user: hdfs 用户名 S3 协议则直接执行 S3 协议配置即可: AWS_ENDPOINT AWS_ACCESS_KEY AWS_SECRET_KEY AWS_REGION ## example 1. 使用 broker 方式导出,将简单查询结果导出到文件 `hdfs://path/to/result.txt`。指定导出格式为 CSV。使用 `my_broker` 并设置 kerberos 认证信息。指定列分隔符为 `,`,行分隔符为 `\n`。 SELECT * FROM tbl INTO OUTFILE "hdfs://path/to/result_" FORMAT AS CSV PROPERTIES ( "broker.name" = "my_broker", "broker.hadoop.security.authentication" = "kerberos", "broker.kerberos_principal" = "doris@YOUR.COM", "broker.kerberos_keytab" = "/home/doris/my.keytab", "column_separator" = ",", "line_delimiter" = "\n", "max_file_size" = "100MB" ); 最终生成文件如如果不大于 100MB,则为:`result_0.csv`。 如果大于 100MB,则可能为 `result_0.csv, result_1.csv, ...`。 2. 将简单查询结果导出到文件 `hdfs://path/to/result.parquet`。指定导出格式为 PARQUET。使用 `my_broker` 并设置 kerberos 认证信息。 SELECT c1, c2, c3 FROM tbl INTO OUTFILE "hdfs://path/to/result_" FORMAT AS PARQUET PROPERTIES ( "broker.name" = "my_broker", "broker.hadoop.security.authentication" = "kerberos", "broker.kerberos_principal" = "doris@YOUR.COM", "broker.kerberos_keytab" = "/home/doris/my.keytab", "schema"="required,int32,c1;required,byte_array,c2;required,byte_array,c2" ); 查询结果导出到parquet文件需要明确指定`schema`。 3. 将 CTE 语句的查询结果导出到文件 `hdfs://path/to/result.txt`。默认导出格式为 CSV。使用 `my_broker` 并设置 hdfs 高可用信息。使用默认的行列分隔符。 WITH x1 AS (SELECT k1, k2 FROM tbl1), x2 AS (SELECT k3 FROM tbl2) SELEC k1 FROM x1 UNION SELECT k3 FROM x2 INTO OUTFILE "hdfs://path/to/result_" PROPERTIES ( "broker.name" = "my_broker", "broker.username"="user", "broker.password"="passwd", "broker.dfs.nameservices" = "my_ha", "broker.dfs.ha.namenodes.my_ha" = "my_namenode1, my_namenode2", "broker.dfs.namenode.rpc-address.my_ha.my_namenode1" = "nn1_host:rpc_port", "broker.dfs.namenode.rpc-address.my_ha.my_namenode2" = "nn2_host:rpc_port", "broker.dfs.client.failover.proxy.provider" = "org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider" ); 最终生成文件如如果不大于 1GB,则为:`result_0.csv`。 如果大于 1GB,则可能为 `result_0.csv, result_1.csv, ...`。 4. 将 UNION 语句的查询结果导出到文件 `bos://bucket/result.txt`。指定导出格式为 PARQUET。使用 `my_broker` 并设置 hdfs 高可用信息。PARQUET 格式无需指定列分割符。 导出完成后,生成一个标识文件。 SELECT k1 FROM tbl1 UNION SELECT k2 FROM tbl1 INTO OUTFILE "bos://bucket/result_" FORMAT AS PARQUET PROPERTIES ( "broker.name" = "my_broker", "broker.bos_endpoint" = "http://bj.bcebos.com", "broker.bos_accesskey" = "xxxxxxxxxxxxxxxxxxxxxxxxxx", "broker.bos_secret_accesskey" = "yyyyyyyyyyyyyyyyyyyyyyyyyy", "schema"="required,int32,k1;required,byte_array,k2" ); 5. 将 select 语句的查询结果导出到文件 `cos://${bucket_name}/path/result.txt`。指定导出格式为 csv。 导出完成后,生成一个标识文件。 select k1,k2,v1 from tbl1 limit 100000 into outfile "s3a://my_bucket/export/my_file_" FORMAT AS CSV PROPERTIES ( "broker.name" = "hdfs_broker", "broker.fs.s3a.access.key" = "xxx", "broker.fs.s3a.secret.key" = "xxxx", "broker.fs.s3a.endpoint" = "https://cos.xxxxxx.myqcloud.com/", "column_separator" = ",", "line_delimiter" = "\n", "max_file_size" = "1024MB", "success_file_name" = "SUCCESS" ) 最终生成文件如如果不大于 1GB,则为:`my_file_0.csv`。 如果大于 1GB,则可能为 `my_file_0.csv, result_1.csv, ...`。 在cos上验证 1. 不存在的path会自动创建 2. access.key/secret.key/endpoint需要和cos的同学确认。尤其是endpoint的值,不需要填写bucket_name。 6. 使用 s3 协议导出到 bos,并且并发导出开启。 set enable_parallel_outfile = true; select k1 from tb1 limit 1000 into outfile "s3://my_bucket/export/my_file_" format as csv properties ( "AWS_ENDPOINT" = "http://s3.bd.bcebos.com", "AWS_ACCESS_KEY" = "xxxx", "AWS_SECRET_KEY" = "xxx", "AWS_REGION" = "bd" ) 最终生成的文件前缀为 `my_file_{fragment_instance_id}_`。 7. 使用 s3 协议导出到 bos,并且并发导出 session 变量开启。 注意:但由于查询语句带了一个顶层的排序节点,所以这个查询即使开启并发导出的 session 变量,也是无法并发导出的。 set enable_parallel_outfile = true; select k1 from tb1 order by k1 limit 1000 into outfile "s3://my_bucket/export/my_file_" format as csv properties ( "AWS_ENDPOINT" = "http://s3.bd.bcebos.com", "AWS_ACCESS_KEY" = "xxxx", "AWS_SECRET_KEY" = "xxx", "AWS_REGION" = "bd" ) 8. 使用 hdfs 方式导出,将简单查询结果导出到文件 `hdfs://path/to/result.txt`。指定导出格式为 CSV,用户名为work。指定列分隔符为 `,`,行分隔符为 `\n`。 SELECT * FROM tbl INTO OUTFILE "hdfs://path/to/result_" FORMAT AS CSV PROPERTIES ( "hdfs.fs.defaultFS" = "hdfs://ip:port", "hdfs.hdfs_user" = "work" ); 最终生成文件如如果不大于 100MB,则为:`result_0.csv`。 如果大于 100MB,则可能为 `result_0.csv, result_1.csv, ...`。 ## keyword OUTFILE