查询 Stage 中的 ORC 文件

语法

SELECT [<alias>.]<column> [, <column> ...] | [<alias>.]$<col_position> [, $<col_position> ...]
FROM {@<stage_name>[/<path>] [<table_alias>] | '<uri>' [<table_alias>]}
[(
  [<connection_parameters>],
  [ PATTERN => '<regex_pattern>'],
  [ FILE_FORMAT => 'ORC | <custom_format_name>'],
  [ FILES => ( '<file_name>' [ , '<file_name>' ] [ , ... ] ) ]
)]

教程

在本教程中，我们将引导您完成下载 Iris 数据集（以 ORC 格式）、将其上传到 Amazon S3 存储桶、创建外部 Stage，并直接从 ORC 文件查询数据的过程。

1

下载 Iris 数据集

从 https://github.com/tensorflow/io/raw/master/tests/test_orc/iris.orc 下载 iris 数据集，然后将其上传到您的 Amazon S3 存储桶。

iris 数据集包含 3 个类别的 50 个实例，每个类别指的是一种鸢尾植物。它有 4 个属性：（1）萼片长度，（2）萼片宽度，（3）花瓣长度，（4）花瓣宽度，最后一列包含类别标签。

2

创建外部 Stage

使用存储 iris 数据集文件的 Amazon S3 存储桶创建一个外部 Stage。

CREATE STAGE orc_query_stage
    URL = 's3://databend-doc'
    CONNECTION = (
        AWS_KEY_ID = '<your-key-id>',
        AWS_SECRET_KEY = '<your-secret-key>'
    );

3

查询 ORC 文件

SELECT *
FROM @orc_query_stage
(
    FILE_FORMAT => 'orc',
    PATTERN => '.*[.]orc'
);

┌──────────────────────────────────────────────────────────────────────────────────────────────────┐ │ sepal_length │ sepal_width │ petal_length │ petal_width │ species │ ├───────────────────┼───────────────────┼───────────────────┼───────────────────┼──────────────────┤ │ 5.1 │ 3.5 │ 1.4 │ 0.2 │ setosa │ │ 4.9 │ 3 │ 1.4 │ 0.2 │ setosa │ │ 4.7 │ 3.2 │ 1.3 │ 0.2 │ setosa │ │ 4.6 │ 3.1 │ 1.5 │ 0.2 │ setosa │ │ 5 │ 3.6 │ 1.4 │ 0.2 │ setosa │ │ 5.4 │ 3.9 │ 1.7 │ 0.4 │ setosa │ │ 4.6 │ 3.4 │ 1.4 │ 0.3 │ setosa │ │ 5 │ 3.4 │ 1.5 │ 0.2 │ setosa │ │ 4.4 │ 2.9 │ 1.4 │ 0.2 │ setosa │ │ 4.9 │ 3.1 │ 1.5 │ 0.1 │ setosa │ │ 5.4 │ 3.7 │ 1.5 │ 0.2 │ setosa │ │ 4.8 │ 3.4 │ 1.6 │ 0.2 │ setosa │ │ 4.8 │ 3 │ 1.4 │ 0.1 │ setosa │ │ 4.3 │ 3 │ 1.1 │ 0.1 │ setosa │ │ 5.8 │ 4 │ 1.2 │ 0.2 │ setosa │ │ 5.7 │ 4.4 │ 1.5 │ 0.4 │ setosa │ │ 5.4 │ 3.9 │ 1.3 │ 0.4 │ setosa │ │ 5.1 │ 3.5 │ 1.4 │ 0.3 │ setosa │ │ 5.7 │ 3.8 │ 1.7 │ 0.3 │ setosa │ │ 5.1 │ 3.8 │ 1.5 │ 0.3 │ setosa │ │ · │ · │ · │ · │ · │ │ · │ · │ · │ · │ · │ │ · │ · │ · │ · │ · │ │ 7.4 │ 2.8 │ 6.1 │ 1.9 │ virginica │ │ 7.9 │ 3.8 │ 6.4 │ 2 │ virginica │ │ 6.4 │ 2.8 │ 5.6 │ 2.2 │ virginica │ │ 6.3 │ 2.8 │ 5.1 │ 1.5 │ virginica │ │ 6.1 │ 2.6 │ 5.6 │ 1.4 │ virginica │ │ 7.7 │ 3 │ 6.1 │ 2.3 │ virginica │ │ 6.3 │ 3.4 │ 5.6 │ 2.4 │ virginica │ │ 6.4 │ 3.1 │ 5.5 │ 1.8 │ virginica │ │ 6 │ 3 │ 4.8 │ 1.8 │ virginica │ │ 6.9 │ 3.1 │ 5.4 │ 2.1 │ virginica │ │ 6.7 │ 3.1 │ 5.6 │ 2.4 │ virginica │ │ 6.9 │ 3.1 │ 5.1 │ 2.3 │ virginica │ │ 5.8 │ 2.7 │ 5.1 │ 1.9 │ virginica │ │ 6.8 │ 3.2 │ 5.9 │ 2.3 │ virginica │ │ 6.7 │ 3.3 │ 5.7 │ 2.5 │ virginica │ │ 6.7 │ 3 │ 5.2 │ 2.3 │ virginica │ │ 6.3 │ 2.5 │ 5 │ 1.9 │ virginica │ │ 6.5 │ 3 │ 5.2 │ 2 │ virginica │ │ 6.2 │ 3.4 │ 5.4 │ 2.3 │ virginica │ │ 5.9 │ 3 │ 5.1 │ 1.8 │ virginica │ │ 150 rows │ │ │ │ │ │ (40 shown) │ │ │ │ │ └──────────────────────────────────────────────────────────────────────────────────────────────────┘

您还可以直接查询远程的 ORC 文件：

```sql
SELECT * FROM 'https://datasets.databend.rs/iris.orc';

SELECT
  *
FROM
  'https://github.com/tensorflow/io/raw/master/tests/test_orc/iris.orc' (file_format = > 'orc');