从ClickHouse 18.16.0版本开始支持从HDFS读文件，在 19.1.6 版本对HDFS访问功能进行了增强，支持读和写，在 19.4 版本以后开始支持Parquet格式。本文介绍了如何从HDFS中读数据到ClickHouse中，测试版本为：19.4 。
一、查询CSV文件
例如，在HDFS上有一个数据文件：books.csv，内容如下：
hadoop fs -cat /user/hive/ck/book_csv/books.csv
在ClickHouse上创建一个访问books.csv文件的表：
查询hdfs_books_csv表：
查询出的数据与books.csv的内容相同。
当用户执行 SELECT * FROM hdfs_books_csv 语句时，数据流向如下图：
这种使用场景相当于把HDFS做为ClickHouse的外部存储，当查询数据时，直接访问HDFS的文件，而不需要把HDFS文件导入到ClickHouse再进行查询。由于是从HDFS拉取数据，相对于ClickHouse的本地存储查询，速度较慢。
二、查询Parquet文件
ClickHouse 19.4 以后开始支持Parquet格式，下面对Parquet格式的HDFS数据文件进行测试，先上传一个Parquet数据文件 books.parquet 到HDFS，文件内容与books.csv相同，在HDFS上的路径如下：
/user/hive/ck/book_parquet/books.parquet
创建一个访问books.parquet文件的表：
在ClickHouse查询 hdfs_books_parquet 表：
查询出的数据与books.csv的内容相同。
以上的操作是从HDFS上直接查询数据，也可以将读取的数据加载到ClickHouse的本地表。
三、从HDFS导入数据
在ClickHouse先创建一个目标表，然后执行INSERT...SELECT从HDFS导入数据。
从HDFS导入数据到ClickHouse，然后查询ClickHouse本地表的数据流向图如下：
四、总结
用户通过执行SQL语句，可以在ClickHouse中直接读取HDFS的文件，也可以将读取的数据导入到ClickHouse本地表。ClickHouse提供了对Hadoop生态圈更加友好的访问方式。
