Apache Doris LOCAL表值函数详解
概述
Apache Doris的LOCAL表值函数(TVF)是一种强大的功能,它允许用户像访问关系型数据库表一样直接读取和访问BE节点上的本地文件内容。该功能特别适用于需要快速分析本地日志文件、临时数据文件等场景,为数据分析师和开发人员提供了极大的便利。
核心功能特性
LOCAL TVF支持多种常见文件格式,包括:
- CSV格式(支持带列名和不带列名)
- JSON格式
- Parquet格式
- ORC格式
基本语法结构
LOCAL(
"file_path" = "<file_path>",
"backend_id" = "<backend_id>",
"format" = "<format>"
[, "<optional_property_key>" = "<optional_property_value>" [, ...] ]
);
参数详解
必需参数
-
file_path
文件路径,相对于user_files_secure_path
目录。需要注意:- 路径中不能包含
..
上级目录引用 - 支持glob语法进行模式匹配,例如
logs/*.log
可以匹配logs目录下所有.log文件
- 路径中不能包含
-
backend_id
文件所在的BE节点ID,可通过show backends
命令获取。在2.1.1版本之前,Doris仅支持指定单个BE节点读取本地数据文件。 -
format
文件格式,支持:csv/csv_with_names/csv_with_names_and_types/json/parquet/orc
可选参数
-
shared_storage
默认为false。如果设置为true,表示文件位于共享存储(如NAS)上。从2.1.2版本开始支持。 -
文件格式相关参数
根据不同的文件格式,支持多种参数配置:- CSV格式:
column_separator
、line_delimiter
、trim_double_quotes
等 - JSON格式:
read_json_by_line
、strip_outer_array
、json_root
等 - 通用参数:
compress_type
支持多种压缩格式
- CSV格式:
-
path_partition_keys
指定文件路径中携带的分区列名,例如/path/to/city=beijing/date="2023-07-09"
,可以设置path_partition_keys="city,date"
来自动提取分区信息。
安全与权限
使用LOCAL TVF需要具备ADMIN_PRIV
全局权限,这是出于数据安全考虑的重要限制。
典型应用场景
1. 日志文件分析
-- 分析指定BE节点上的日志文件
select * from local(
"file_path" = "log/be.out",
"backend_id" = "10006",
"format" = "csv")
where c1 like "%start_time%" limit 10;
2. 本地CSV文件读取
-- 读取BE节点上的CSV文件
select * from local(
"file_path" = "student.csv",
"backend_id" = "10003",
"format" = "csv");
3. 共享存储文件访问
-- 访问NAS共享存储上的文件
select * from local(
"file_path" = "/mnt/doris/prefix_*.txt",
"format" = "csv",
"column_separator" =",",
"shared_storage" = "true");
4. 查看文件结构
-- 使用desc function查看文件结构
desc function local(
"file_path" = "student.csv",
"backend_id" = "10003",
"format" = "csv");
性能优化建议
-
共享存储利用
对于NAS等共享存储,设置shared_storage=true
可以让Doris利用多个BE节点并行读取文件,显著提高查询性能。 -
文件格式选择
- 对于结构化数据,Parquet和ORC格式通常比CSV/JSON有更好的性能
- 对于日志类文本数据,CSV格式更为合适
-
压缩使用
对于大文件,使用适当的压缩格式(如GZIP、LZ4)可以减少I/O开销。
注意事项
- 文件路径安全性:确保文件路径在安全目录下,避免路径遍历漏洞
- 版本兼容性:不同Doris版本对LOCAL TVF的支持程度可能不同,特别是共享存储功能在2.1.2版本才引入
- 资源消耗:大文件处理可能消耗较多内存和CPU资源,建议适当控制查询范围
LOCAL表值函数为Apache Doris用户提供了灵活的文件数据访问能力,是数据分析和ETL处理中的实用工具。通过合理配置参数和优化查询,可以充分发挥其性能优势。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0335- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









