pg_clickhouse 参考文档 - ClickHouse Documentation

描述

pg_clickhouse 是一个 PostgreSQL 扩展，可在 ClickHouse 数据库上执行远程查询，其中包括一个[外部数据包装器]。它支持 PostgreSQL 13 及以上版本，以及 ClickHouse 23 及以上版本。

入门

试用 pg_clickhouse 最简单的方法是使用 Docker image，其中包含标准的 PostgreSQL Docker 镜像，以及 pg_clickhouse 和 re2 扩展：

docker run --name pg_clickhouse -e POSTGRES_PASSWORD=my_pass \
       -d ghcr.io/clickhouse/pg_clickhouse:18
docker exec -it pg_clickhouse psql -U postgres

请参阅教程，开始导入 ClickHouse 表并实现查询下推。

用法

CREATE EXTENSION pg_clickhouse;
CREATE SERVER taxi_srv FOREIGN DATA WRAPPER clickhouse_fdw
       OPTIONS(driver 'binary', host 'localhost', dbname 'taxi');
CREATE USER MAPPING FOR CURRENT_USER SERVER taxi_srv
       OPTIONS (user 'default');
CREATE SCHEMA taxi;
IMPORT FOREIGN SCHEMA taxi FROM SERVER taxi_srv INTO taxi;

版本策略

pg_clickhouse 的公开发布版本遵循[语义化版本控制]。

API 发生变更时，主版本号递增
向后兼容的 SQL 变更会递增次版本号
仅涉及二进制文件的变更会递增补丁版本号

安装后，PostgreSQL 会跟踪两个版本变体：

库版本 (在 PostgreSQL 18 及以上版本中由 PG_MODULE_MAGIC 定义) 包含完整的语义化版本号，可在 pgch_version() 函数的输出或 Postgres pg_get_loaded_modules() 函数中查看。
扩展版本 (在 control 文件中定义) 仅包含主版本号和次版本号，可在 pg_catalog.pg_extension 表中、 pg_available_extension_versions() 函数的输出以及 \dx pg_clickhouse 中查看。

实际上，这意味着补丁版本号递增的 release，例如从 v0.1.0 到 v0.1.1，会让所有已加载 v0.1 的数据库直接受益，无需运行 ALTER EXTENSION 即可获得升级后的改进。另一方面，次版本号或主版本号递增的 release 会附带 SQL 升级脚本，所有包含该扩展的现有数据库都必须运行 ALTER EXTENSION pg_clickhouse UPDATE 才能完成升级并获得相应改进。

DDL SQL 参考

以下 SQL DDL 表达式会用到 pg_clickhouse。

CREATE EXTENSION

使用 CREATE EXTENSION 向数据库添加 pg_clickhouse：

CREATE EXTENSION pg_clickhouse;

使用 WITH SCHEMA 将其安装到指定的 schema 中 (推荐) ：

CREATE SCHEMA ch;
CREATE EXTENSION pg_clickhouse WITH SCHEMA ch;

ALTER EXTENSION

使用 ALTER EXTENSION 修改 pg_clickhouse。示例：

安装 pg_clickhouse 的新版本后，使用 UPDATE 子句：
ALTER EXTENSION pg_clickhouse UPDATE;

使用 SET SCHEMA 将该扩展移至新的 schema：

CREATE SCHEMA ch;
ALTER EXTENSION pg_clickhouse SET SCHEMA ch;

DROP EXTENSION

使用 DROP EXTENSION 从数据库中删除 pg_clickhouse：

DROP EXTENSION pg_clickhouse;

如果有任何对象依赖于 pg_clickhouse，此命令将失败。使用 CASCADE 子句可将它们一并删除：

DROP EXTENSION pg_clickhouse CASCADE;

CREATE SERVER

使用 CREATE SERVER 创建用于连接 ClickHouse 服务器的外部服务器。示例：

CREATE SERVER taxi_srv FOREIGN DATA WRAPPER clickhouse_fdw
       OPTIONS(driver 'binary', host 'localhost', dbname 'taxi');

支持的选项包括：

driver：要使用的 ClickHouse 连接驱动，可以是 “binary” 或 “http”。必填。
dbname：连接时要使用的 ClickHouse 数据库。默认为 “default”。
fetch_size：HTTP 流式传输的近似批次大小 (以字节为单位) 。批次会按行边界拆分。默认为 50000000 (50 MB) 。0 会禁用流式传输并缓冲完整响应。外部表可以覆盖该值。
host：ClickHouse 服务器的主机名。默认为 “localhost”；
port：连接到 ClickHouse 服务器时使用的端口。默认值如下：
- 如果 driver 为 “binary” 且 host 是 ClickHouse Cloud 主机，则为 9440
- 如果 driver 为 “binary” 且 host 不是 ClickHouse Cloud 主机，则为 9004
- 如果 driver 为 “http” 且 host 是 ClickHouse Cloud 主机，则为 8443
- 如果 driver 为 “http” 且 host 不是 ClickHouse Cloud 主机，则为 8123

ALTER SERVER

使用 ALTER SERVER 修改外部服务器。示例：

ALTER SERVER taxi_srv OPTIONS (SET driver 'http');

这些选项与 CREATE SERVER 中的相同。

DROP SERVER

使用 DROP SERVER 删除外部服务器：

DROP SERVER taxi_srv;

如果有任何其他对象依赖于该服务器，则此命令会失败。使用 CASCADE 可一并删除这些依赖对象：

DROP SERVER taxi_srv CASCADE;

CREATE USER MAPPING

使用 CREATE USER MAPPING 可将 PostgreSQL 用户映射为 ClickHouse 用户。例如，在通过 taxi_srv 外部服务器连接时，可将当前 PostgreSQL 用户映射为远程 ClickHouse 用户：

CREATE USER MAPPING FOR CURRENT_USER SERVER taxi_srv
       OPTIONS (user 'demo');

支持的选项包括：

user：ClickHouse 用户名。默认为 “default”。
password：ClickHouse 用户的密码。

ALTER USER MAPPING

使用 ALTER USER MAPPING 修改用户映射的定义：

ALTER USER MAPPING FOR CURRENT_USER SERVER taxi_srv
       OPTIONS (SET user 'default');

这些选项与 CREATE USER MAPPING 中的选项相同。

DROP USER MAPPING

使用 DROP USER MAPPING 删除用户映射关系：

DROP USER MAPPING FOR CURRENT_USER SERVER taxi_srv;

IMPORT FOREIGN SCHEMA

使用 IMPORT FOREIGN SCHEMA 可将 ClickHouse 数据库中定义的所有表作为外部表导入到 PostgreSQL schema 中：

CREATE SCHEMA taxi;
IMPORT FOREIGN SCHEMA demo FROM SERVER taxi_srv INTO taxi;

使用 LIMIT TO 将导入限制到特定表：

IMPORT FOREIGN SCHEMA demo LIMIT TO (trips) FROM SERVER taxi_srv INTO taxi;

使用 EXCEPT 排除表：

IMPORT FOREIGN SCHEMA demo EXCEPT (users) FROM SERVER taxi_srv INTO taxi;

pg_clickhouse 将拉取指定 ClickHouse 数据库 (上述示例中的 “demo”) 中所有表的列表，拉取每个表的列定义，并执行 CREATE FOREIGN TABLE 命令来创建外部表。列将使用支持的数据类型进行定义，并在可检测到的情况下，使用 CREATE FOREIGN TABLE 支持的选项。

导入的标识符大小写保留IMPORT FOREIGN SCHEMA 会对其导入的表名和列名运行 quote_identifier()，从而为包含大写字母或空格的标识符加上双引号。因此，这类表名和列名在 PostgreSQL 查询中必须使用双引号。如果名称全部为小写且不包含空格，则无需加引号。例如，给定如下 ClickHouse 表：

CREATE OR REPLACE TABLE test
(
    id UInt64,
    Name TEXT,
    updatedAt DateTime DEFAULT now()
)
ENGINE = MergeTree
ORDER BY id;

IMPORT FOREIGN SCHEMA 会创建如下外部表：

CREATE TABLE test
(
    id          BIGINT      NOT NULL,
    "Name"      TEXT        NOT NULL,
    "updatedAt" TIMESTAMPTZ NOT NULL
);

因此，查询时必须正确使用引号，例如：

SELECT id, "Name", "updatedAt" FROM test;

若要创建名称不同或全部为小写 (因此不区分大小写) 的对象，请使用 CREATE FOREIGN TABLE。

CREATE FOREIGN TABLE

使用 CREATE FOREIGN TABLE 创建可查询 ClickHouse 数据库中数据的外部表：

CREATE FOREIGN TABLE acts (
    user_id    bigint NOT NULL,
    page_views int,
    duration   smallint,
    sign       smallint
) SERVER taxi_srv OPTIONS(
    table_name 'acts'
    engine 'CollapsingMergeTree'
);

支持的表选项如下：

database：远程数据库的名称。默认使用为外部服务器定义的数据库。
fetch_size：HTTP streaming 的近似批次大小 (以字节为单位) 。会覆盖 server 级别的 fetch_size。默认值为 50000000 (50 MB) 。0 会禁用 streaming，并缓冲整个响应。
table_name：远程表的名称。默认使用为外部表指定的名称。
engine：ClickHouse 表使用的[表引擎]。对于 CollapsingMergeTree() 和 AggregatingMergeTree()，pg_clickhouse 会自动将参数应用到在该表上执行的函数表达式上。

请为每一列使用与远程 ClickHouse 数据类型相对应的数据类型。支持的列选项如下：

column_name：ClickHouse 侧的列名。在反解析查询和 insert 时，会优先使用该名称，而不是 PostgreSQL attribute 名称。这对于将未加引号的小写 PostgreSQL 列名映射到区分大小写的 ClickHouse 列非常有用，例如：

CREATE FOREIGN TABLE hits (
    watchid    bigint   OPTIONS(column_name 'WatchID'),
    javaenable smallint OPTIONS(column_name 'JavaEnable'),
    title      text     OPTIONS(column_name 'Title')
) SERVER taxi_srv OPTIONS(table_name 'hits');

AggregateFunction：应用于 [AggregateFunction 类型]列的 aggregate function 名称。将数据类型映射为传递给该函数的 ClickHouse 类型，并通过相应的列选项指定 aggregate function 的名称，pg_clickhouse 会自动为计算该列的 aggregate function 追加 Merge。
CREATE FOREIGN TABLE test ( column1 bigint OPTIONS(AggregateFunction 'uniq'), column2 integer OPTIONS(AggregateFunction 'anyIf'), column3 bigint OPTIONS(AggregateFunction 'quantiles(0.5, 0.9)') ) SERVER clickhouse_srv;
SimpleAggregateFunction：应用于 [SimpleAggregateFunction 类型]列的 aggregate function 名称。将数据类型映射为传递给该函数的 ClickHouse 类型，并通过相应的列选项指定 aggregate function 的名称。

ALTER FOREIGN TABLE

使用 ALTER FOREIGN TABLE 可更改外部表的定义：

ALTER TABLE table ALTER COLUMN b OPTIONS (SET AggregateFunction 'count');

支持的表和列选项与 CREATE FOREIGN TABLE 中的相同。

DROP FOREIGN TABLE

使用 DROP FOREIGN TABLE 删除外部表：

DROP FOREIGN TABLE acts;

如果有任何对象依赖于该外部表，此命令将失败。也可以使用 CASCADE 子句一并将它们删除：

DROP FOREIGN TABLE acts CASCADE;

DML SQL 参考

以下 SQL DML 表达式可能会使用 pg_clickhouse。示例基于这些 ClickHouse 表：

CREATE TABLE logs (
    req_id    Int64 NOT NULL,
    start_at   DateTime64(6, 'UTC') NOT NULL,
    duration  Int32 NOT NULL,
    resource  Text  NOT NULL,
    method    Enum8('GET' = 1, 'HEAD', 'POST', 'PUT', 'DELETE', 'CONNECT', 'OPTIONS', 'TRACE', 'PATCH', 'QUERY') NOT NULL,
    node_id   Int64 NOT NULL,
    response  Int32 NOT NULL
) ENGINE = MergeTree
  ORDER BY start_at;

CREATE TABLE nodes (
    node_id Int64 NOT NULL,
    name    Text  NOT NULL,
    region  Text  NOT NULL,
    arch    Text  NOT NULL,
    os      Text  NOT NULL
) ENGINE = MergeTree
  PRIMARY KEY node_id;

EXPLAIN

EXPLAIN 命令可按预期工作，但 VERBOSE 选项会触发输出 ClickHouse “Remote SQL” 查询：

try=# EXPLAIN (VERBOSE)
       SELECT resource, avg(duration) AS average_duration
         FROM logs
        GROUP BY resource;
                                     QUERY PLAN
------------------------------------------------------------------------------------
 Foreign Scan  (cost=1.00..5.10 rows=1000 width=64)
   Output: resource, (avg(duration))
   Relations: Aggregate on (logs)
   Remote SQL: SELECT resource, avg(duration) FROM "default".logs GROUP BY resource
(4 rows)

该查询会通过一个 “Foreign Scan” 计划节点下推到 ClickHouse，使用远程 SQL。

SELECT

使用 SELECT 语句可在 pg_clickhouse 表上执行查询，与在其他任何表上执行查询一样：

try=# SELECT start_at, duration, resource FROM logs WHERE req_id = 4117909262;
          start_at          | duration |    resource
----------------------------+----------+----------------
 2025-12-05 15:07:32.944188 |      175 | /widgets/totem
(1 row)

pg_clickhouse 会尽可能将查询执行下推到 ClickHouse，包括聚合函数。可使用 EXPLAIN 来确定下推的程度。以上面的查询为例，全部执行都会下推到 ClickHouse

try=# EXPLAIN (VERBOSE, COSTS OFF)
       SELECT start_at, duration, resource FROM logs WHERE req_id = 4117909262;
                                             QUERY PLAN
-----------------------------------------------------------------------------------------------------
 Foreign Scan on public.logs
   Output: start_at, duration, resource
   Remote SQL: SELECT start_at, duration, resource FROM "default".logs WHERE ((req_id = 4117909262))
(3 rows)

pg_clickhouse 还支持将同一远程服务器上表之间的 JOIN 下推：

try=# EXPLAIN (ANALYZE, VERBOSE)
       SELECT name, count(*), round(avg(duration))
         FROM logs
         LEFT JOIN nodes on logs.node_id = nodes.node_id
        GROUP BY name;
                                                                                  QUERY PLAN
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
 Foreign Scan  (cost=1.00..5.10 rows=1000 width=72) (actual time=3.201..3.221 rows=8.00 loops=1)
   Output: nodes.name, (count(*)), (round(avg(logs.duration), 0))
   Relations: Aggregate on ((logs) LEFT JOIN (nodes))
   Remote SQL: SELECT r2.name, count(*), round(avg(r1.duration), 0) FROM  "default".logs r1 ALL LEFT JOIN "default".nodes r2 ON (((r1.node_id = r2.node_id))) GROUP BY r2.name
   FDW Time: 0.086 ms
 Planning Time: 0.335 ms
 Execution Time: 3.261 ms
(7 rows)

如果不仔细调优，与本地表进行连接生成的查询效率会较低。在这个示例中，我们为 nodes 表创建一个本地副本，并连接到该副本，而不是远程表：

try=# CREATE TABLE local_nodes AS SELECT * FROM nodes;
SELECT 8

try=# EXPLAIN (ANALYZE, VERBOSE)
       SELECT name, count(*), round(avg(duration))
         FROM logs
         LEFT JOIN local_nodes on logs.node_id = local_nodes.node_id
        GROUP BY name;
                                                             QUERY PLAN
-------------------------------------------------------------------------------------------------------------------------------------
 HashAggregate  (cost=147.65..150.65 rows=200 width=72) (actual time=6.215..6.235 rows=8.00 loops=1)
   Output: local_nodes.name, count(*), round(avg(logs.duration), 0)
   Group Key: local_nodes.name
   Batches: 1  Memory Usage: 32kB
   Buffers: shared hit=1
   ->  Hash Left Join  (cost=31.02..129.28 rows=2450 width=36) (actual time=2.202..5.125 rows=1000.00 loops=1)
         Output: local_nodes.name, logs.duration
         Hash Cond: (logs.node_id = local_nodes.node_id)
         Buffers: shared hit=1
         ->  Foreign Scan on public.logs  (cost=10.00..20.00 rows=1000 width=12) (actual time=2.089..3.779 rows=1000.00 loops=1)
               Output: logs.req_id, logs.start_at, logs.duration, logs.resource, logs.method, logs.node_id, logs.response
               Remote SQL: SELECT duration, node_id FROM "default".logs
               FDW Time: 1.447 ms
         ->  Hash  (cost=14.90..14.90 rows=490 width=40) (actual time=0.090..0.091 rows=8.00 loops=1)
               Output: local_nodes.name, local_nodes.node_id
               Buckets: 1024  Batches: 1  Memory Usage: 9kB
               Buffers: shared hit=1
               ->  Seq Scan on public.local_nodes  (cost=0.00..14.90 rows=490 width=40) (actual time=0.069..0.073 rows=8.00 loops=1)
                     Output: local_nodes.name, local_nodes.node_id
                     Buffers: shared hit=1
 Planning:
   Buffers: shared hit=14
 Planning Time: 0.551 ms
 Execution Time: 6.589 ms

在这种情况下，我们可以将更多聚合下推到 ClickHouse：按 node_id 而不是本地列分组，然后稍后再与查找表连接：

try=# EXPLAIN (ANALYZE, VERBOSE)
       WITH remote AS (
           SELECT node_id, count(*), round(avg(duration))
             FROM logs
            GROUP BY node_id
       )
       SELECT name, remote.count, remote.round
         FROM remote
         JOIN local_nodes
           ON remote.node_id = local_nodes.node_id
        ORDER BY name;
                                                          QUERY PLAN
-------------------------------------------------------------------------------------------------------------------------------
 Sort  (cost=65.68..66.91 rows=490 width=72) (actual time=4.480..4.484 rows=8.00 loops=1)
   Output: local_nodes.name, remote.count, remote.round
   Sort Key: local_nodes.name
   Sort Method: quicksort  Memory: 25kB
   Buffers: shared hit=4
   ->  Hash Join  (cost=27.60..43.79 rows=490 width=72) (actual time=4.406..4.422 rows=8.00 loops=1)
         Output: local_nodes.name, remote.count, remote.round
         Inner Unique: true
         Hash Cond: (local_nodes.node_id = remote.node_id)
         Buffers: shared hit=1
         ->  Seq Scan on public.local_nodes  (cost=0.00..14.90 rows=490 width=40) (actual time=0.010..0.016 rows=8.00 loops=1)
               Output: local_nodes.node_id, local_nodes.name, local_nodes.region, local_nodes.arch, local_nodes.os
               Buffers: shared hit=1
         ->  Hash  (cost=15.10..15.10 rows=1000 width=48) (actual time=4.379..4.381 rows=8.00 loops=1)
               Output: remote.count, remote.round, remote.node_id
               Buckets: 1024  Batches: 1  Memory Usage: 9kB
               ->  Subquery Scan on remote  (cost=1.00..15.10 rows=1000 width=48) (actual time=4.337..4.360 rows=8.00 loops=1)
                     Output: remote.count, remote.round, remote.node_id
                     ->  Foreign Scan  (cost=1.00..5.10 rows=1000 width=48) (actual time=4.330..4.349 rows=8.00 loops=1)
                           Output: logs.node_id, (count(*)), (round(avg(logs.duration), 0))
                           Relations: Aggregate on (logs)
                           Remote SQL: SELECT node_id, count(*), round(avg(duration), 0) FROM "default".logs GROUP BY node_id
                           FDW Time: 0.055 ms
 Planning:
   Buffers: shared hit=5
 Planning Time: 0.319 ms
 Execution Time: 4.562 ms

“Foreign Scan”节点现在会将按 node_id 的聚合下推，从而将必须拉回 Postgres 的行数从 1000 行 (全部行) 减少到仅 8 行，每个节点一行。

PREPARE, EXECUTE, DEALLOCATE

自 v0.1.2 起，pg_clickhouse 支持参数化查询，主要通过 PREPARE 命令创建：

try=# PREPARE avg_durations_between_dates(date, date) AS
       SELECT date(start_at), round(avg(duration)) AS average_duration
         FROM logs
        WHERE date(start_at) BETWEEN $1 AND $2
        GROUP BY date(start_at)
        ORDER BY date(start_at);
PREPARE

像平常一样，使用 EXECUTE 执行预处理语句：

try=# EXECUTE avg_durations_between_dates('2025-12-09', '2025-12-13');
    date    | average_duration
------------+------------------
 2025-12-09 |              190
 2025-12-10 |              194
 2025-12-11 |              197
 2025-12-12 |              190
 2025-12-13 |              195
(5 行)

参数化执行会导致 http 驱动在 25.8 之前的 ClickHouse 版本中无法正确转换 DateTime 时区，因为相关的[底层缺陷]直到 fixed 时才被修复。请注意， PostgreSQL 有时即使不使用 PREPARE，也会采用参数化查询计划。对于任何需要准确进行时区转换、且无法升级到 25.8 或更高版本的查询，请改用二进制驱动。

与往常一样，pg_clickhouse 会下推聚合操作，如 EXPLAIN 的详细输出所示：

try=# EXPLAIN (VERBOSE) EXECUTE avg_durations_between_dates('2025-12-09', '2025-12-13');
                                                                                                            QUERY PLAN
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
 Foreign Scan  (cost=1.00..5.10 rows=1000 width=36)
   Output: (date(start_at)), (round(avg(duration), 0))
   Relations: Aggregate on (logs)
   Remote SQL: SELECT date(start_at), round(avg(duration), 0) FROM "default".logs WHERE ((date(start_at) >= '2025-12-09')) AND ((date(start_at) <= '2025-12-13')) GROUP BY (date(start_at)) ORDER BY date(start_at) ASC NULLS LAST
(4 rows)

请注意，它发送的是完整的日期值，而不是参数占位符。如 PostgreSQL [PREPARE 说明]中所述，前五次请求都是如此。到第六次执行时，它会发送 ClickHouse {param:type} 风格的[查询参数]：参数：

                                                                                                         QUERY PLAN
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
 Foreign Scan  (cost=1.00..5.10 rows=1000 width=36)
   Output: (date(start_at)), (round(avg(duration), 0))
   Relations: Aggregate on (logs)
   Remote SQL: SELECT date(start_at), round(avg(duration), 0) FROM "default".logs WHERE ((date(start_at) >= {p1:Date})) AND ((date(start_at) <= {p2:Date})) GROUP BY (date(start_at)) ORDER BY date(start_at) ASC NULLS LAST
(4 rows)

使用 DEALLOCATE 释放预处理语句：

try=# DEALLOCATE avg_durations_between_dates;
DEALLOCATE

INSERT

使用 INSERT 命令向远程 ClickHouse 表中插入值：

try=# INSERT INTO nodes(node_id, name, region, arch, os)
VALUES (9,  'Augustin Gamarra', 'us-west-2', 'amd64', 'Linux')
     , (10, 'Cerisier', 'us-east-2', 'amd64', 'Linux')
     , (11, 'Dewalt', 'use-central-1', 'arm64', 'macOS')
;
INSERT 0 3

COPY

使用 COPY 命令将一批行插入远程 ClickHouse 表：

try=# COPY logs FROM stdin CSV;
4285871863,2025-12-05 11:13:58.360760,206,/widgets,POST,8,401
4020882978,2025-12-05 11:33:48.248450,199,/users/1321945,HEAD,3,200
3231273177,2025-12-05 12:20:42.158575,220,/search,GET,2,201
\.
>> COPY 3

⚠️ Batch API 限制 pg_clickhouse 尚未支持 PostgreSQL FDW 的批次 insert API。因此，COPY 目前使用 INSERT 语句来插入记录。后续版本将对此进行改进。

LOAD

使用 LOAD 加载 pg_clickhouse 共享库：

try=# LOAD 'pg_clickhouse';
LOAD

通常无需使用 LOAD，因为 Postgres 会在首次使用 pg_clickhouse 的任意功能 (函数、外部表等) 时自动加载它。在一种情况下，LOAD pg_clickhouse 可能会有用：即在执行依赖这些参数的查询之前，先 SET pg_clickhouse 参数。

SET

使用 SET 设置 pg_clickhouse 的自定义配置参数。

`pg_clickhouse.session_settings`

pg_clickhouse.session_settings 参数用于配置应用于后续查询的 [ClickHouse 设置]。示例：

SET pg_clickhouse.session_settings = 'join_use_nulls 1, final 1';

默认值为 join_use_nulls 1, group_by_use_nulls 1, final 1。将其设置为空字符串即可使用 ClickHouse server 的设置。

SET pg_clickhouse.session_settings = '';

语法为一个以逗号分隔的键/值对列表，各项之间用一个或多个空格分隔。键必须对应于 ClickHouse settings。值中的空格、逗号和反斜杠需要用反斜杠转义：

SET pg_clickhouse.session_settings = 'join_algorithm grace_hash\,hash';

或者使用单引号括起的值，以避免对空格和逗号进行转义；也可以考虑使用[美元引号]，这样就无需使用双引号了：

SET pg_clickhouse.session_settings = $$join_algorithm 'grace_hash,hash'$$;

如果你注重可读性，并且需要设置许多参数，可以分成多行，例如：

SET pg_clickhouse.session_settings TO $$
    connect_timeout 2,
    count_distinct_implementation uniq,
    final 1,
    group_by_use_nulls 1,
    join_algorithm 'prefer_partial_merge',
    join_use_nulls 1,
    log_queries_min_type QUERY_FINISH,
    max_block_size 32768,
    max_execution_time 45,
    max_result_rows 1024,
    metrics_perf_events_list 'this,that',
    network_compression_method ZSTD,
    poll_interval 5,
    totals_mode after_having_auto
$$;

在某些情况下，如果某些设置会干扰 pg_clickhouse 本身的运行，这些设置将被忽略。这些设置包括：

date_time_output_format：http 驱动要求其为 “iso”
format_tsv_null_representation：http 驱动要求使用默认值
output_format_tsv_crlf_end_of_line：http 驱动要求使用默认值

除此之外，pg_clickhouse 不会校验这些设置，而是会在每次查询时将它们传递给 ClickHouse。因此，它支持各个 ClickHouse 版本中的所有设置。请注意，必须先加载 pg_clickhouse，才能设置 pg_clickhouse.session_settings；可以使用[共享库预加载]，或者直接使用该扩展中的任一对象，以确保其已被加载。

`pg_clickhouse.pushdown_regex`

pg_clickhouse.pushdown_regex 参数用于控制 pg_clickhouse 是否下推正则表达式函数和运算符。默认会进行下推；将此参数设置为 false 可防止其被下推：

SET pg_clickhouse.pushdown_regex = 'false';

详见正则表达式。

ALTER ROLE

使用 ALTER ROLE 的 SET 命令，可为特定角色预加载 pg_clickhouse 和/或 SET 其参数：

try=# ALTER ROLE CURRENT_USER SET session_preload_libraries = pg_clickhouse;
ALTER ROLE

try=# ALTER ROLE CURRENT_USER SET pg_clickhouse.session_settings = 'final 1';
ALTER ROLE

使用 ALTER ROLE 的 RESET 命令重置 pg_clickhouse 的预加载和/或参数：

try=# ALTER ROLE CURRENT_USER RESET session_preload_libraries;
ALTER ROLE

try=# ALTER ROLE CURRENT_USER RESET pg_clickhouse.session_settings;
ALTER ROLE

预加载

如果所有或几乎所有 Postgres 连接都需要使用 pg_clickhouse，可考虑使用[共享库预加载]自动加载它：

`session_preload_libraries`

为每个新的 PostgreSQL 连接加载共享库：

session_preload_libraries = pg_clickhouse

可在不重启服务器的情况下应用更新：只需重新连接即可。也可通过 ALTER ROLE 为特定用户或角色设置。

`shared_preload_libraries`

在启动时将共享库加载到 PostgreSQL 主进程中：

shared_preload_libraries = pg_clickhouse

有助于节省内存并降低每个会话的加载开销，但在库更新后需要重启集群。

数据类型

pg_clickhouse 将以下 ClickHouse 数据类型映射到 PostgreSQL 数据类型。IMPORT FOREIGN SCHEMA 在导入列时会使用 PostgreSQL 列中的第一种类型；其他类型可用于 CREATE FOREIGN TABLE 语句：

ClickHouse	PostgreSQL	说明
Bool	boolean
Date	date
Date32	date
DateTime	timestamptz
Decimal	numeric
Float32	real
Float64	double precision
IPv4	inet
IPv6	inet
Int16	smallint
Int32	integer
Int64	bigint
Int8	smallint
JSON	jsonb, json
String	text, bytea
UInt16	integer
UInt32	bigint
UInt64	bigint	值大于 BIGINT 最大值时会报错
UInt8	smallint
UUID	uuid

更多说明和细节如下。

BYTEA

ClickHouse 没有与 PostgreSQL BYTEA 类型等效的类型，但支持将任意字节存储在 String 类型中。一般情况下，ClickHouse 字符串应映射到 PostgreSQL 的 TEXT 类型；若需使用二进制数据，则应映射到 BYTEA。示例：

-- 创建带有 String 列的 ClickHouse 表。
SELECT clickhouse_raw_query($$
    CREATE TABLE bytes (
        c1 Int8, c2 String, c3 String
    ) ENGINE = MergeTree ORDER BY (c1);
$$);

-- 创建带有 BYTEA 列的外部表。
CREATE FOREIGN TABLE bytes (
    c1 int,
    c2 BYTEA,
    c3 BYTEA
) SERVER ch_srv OPTIONS( table_name 'bytes' );

-- 向外部表中插入二进制数据。
INSERT INTO bytes
SELECT n, sha224(bytea('val'||n)), decode(md5('int'||n), 'hex')
  FROM generate_series(1, 4) n;

-- 查看结果。
SELECT * FROM bytes;

最终的 SELECT 查询将输出：

c1 |                             c2                             |                 c3
----+------------------------------------------------------------+------------------------------------
  1 | \x1bf7f0cc821d31178616a55a8e0c52677735397cdde6f4153a9fd3d7 | \xae3b28cde02542f81acce8783245430d
  2 | \x5f6e9e12cd8592712e638016f4b1a2e73230ee40db498c0f0b1dc841 | \x23e7c6cacb8383f878ad093b0027d72b
  3 | \x53ac2c1fa83c8f64603fe9568d883331007d6281de330a4b5e728f9e | \x7e969132fc656148b97b6a2ee8bc83c1
  4 | \x4e3c2e4cb7542a45173a8dac939ddc4bc75202e342ebc769b0f5da2f | \x8ef30f44c65480d12b650ab6b2b04245
(4 行)

请注意，如果 ClickHouse 列中存在空字节，使用 TEXT 列的外部表将无法输出正确的值：

-- 创建包含 TEXT 列的外部表。
CREATE FOREIGN TABLE texts (
    c1 int,
    c2 TEXT,
    c3 TEXT
) SERVER ch_srv OPTIONS( table_name 'bytes' );

-- 将二进制数据编码为十六进制。
SELECT c1, encode(c2::bytea, 'hex'), encode(c3::bytea, 'hex') FROM texts ORDER BY c1;

输出结果：

c1 |                          encode                          |              encode
----+----------------------------------------------------------+----------------------------------
  1 | 1bf7f0cc821d31178616a55a8e0c52677735397cdde6f4153a9fd3d7 | ae3b28cde02542f81acce8783245430d
  2 | 5f6e9e12cd8592712e638016f4b1a2e73230ee40db498c0f0b1dc841 | 23e7c6cacb8383f878ad093b
  3 | 53ac2c1fa83c8f64603fe9568d883331                         | 7e969132fc656148b97b6a2ee8bc83c1
  4 | 4e3c2e4cb7542a45173a8dac939ddc4bc75202e342ebc769b0f5da2f | 8ef30f44c65480d12b650ab6b2b04245
(4 rows)

请注意，第二行和第三行包含截断的值。这是因为 PostgreSQL 依赖以 nul 结尾的字符串，不支持在字符串中包含 nul 字符。尝试向 TEXT 列插入二进制值将会成功，并按预期运行：

-- 通过文本列插入：
TRUNCATE texts;
INSERT INTO texts
SELECT n, sha224(bytea('val'||n)), decode(md5('int'||n), 'hex')
  FROM generate_series(1, 4) n;

-- 查看数据。
SELECT c1, encode(c2::bytea, 'hex'), encode(c3::bytea, 'hex') FROM texts ORDER BY c1;

文本列将正确显示：

 c1 |                          encode                          |              encode
----+----------------------------------------------------------+----------------------------------
  1 | 1bf7f0cc821d31178616a55a8e0c52677735397cdde6f4153a9fd3d7 | ae3b28cde02542f81acce8783245430d
  2 | 5f6e9e12cd8592712e638016f4b1a2e73230ee40db498c0f0b1dc841 | 23e7c6cacb8383f878ad093b0027d72b
  3 | 53ac2c1fa83c8f64603fe9568d883331007d6281de330a4b5e728f9e | 7e969132fc656148b97b6a2ee8bc83c1
  4 | 4e3c2e4cb7542a45173a8dac939ddc4bc75202e342ebc769b0f5da2f | 8ef30f44c65480d12b650ab6b2b04245
(4 行)

但按 BYTEA 读取则不行：

# SELECT * FROM bytes;
 c1 |                                                           c2                                                           |                                   c3
----+------------------------------------------------------------------------------------------------------------------------+------------------------------------------------------------------------
  1 | \x5c783162663766306363383231643331313738363136613535613865306335323637373733353339376364646536663431353361396664336437 | \x5c786165336232386364653032353432663831616363653837383332343534333064
  2 | \x5c783566366539653132636438353932373132653633383031366634623161326537333233306565343064623439386330663062316463383431 | \x5c783233653763366361636238333833663837386164303933623030323764373262
  3 | \x5c783533616332633166613833633866363436303366653935363864383833333331303037643632383164653333306134623565373238663965 | \x5c783765393639313332666336353631343862393762366132656538626338336331
  4 | \x5c783465336332653463623735343261343531373361386461633933396464633462633735323032653334326562633736396230663564613266 | \x5c783865663330663434633635343830643132623635306162366232623034323435
(4 行)

一般来说，TEXT 列只用于已编码的字符串，BYTEA 列只用于二进制数据，切勿在两者之间来回切换。

函数与算子参考

函数

这些函数提供了查询 ClickHouse 数据库的接口。

`clickhouse_raw_query`

SELECT clickhouse_raw_query(
    'CREATE TABLE t1 (x String) ENGINE = Memory',
    'host=localhost port=8123'
);

通过其 HTTP 接口连接到 ClickHouse 服务，执行单个查询，然后断开连接。可选的第二个实参用于指定连接字符串，默认为 host=localhost port=8123。支持的连接参数如下：

host：要连接到的主机；必填。
port：要连接到的 HTTP 端口；默认为 8123，除非 host 是 ClickHouse Cloud 主机，此时默认值为 8443
dbname：要连接到的数据库名称。
username：连接时使用的用户名；默认为 default
password：用于身份验证的密码；默认无密码

默认情况下，没有任何角色对该函数具有 EXECUTE 权限；请考虑仅向确实需要执行临时 ClickHouse 查询的角色 GRANT 权限，例如专用的 ClickHouse 管理员角色：适用于不返回任何记录的查询，但如果查询确实返回值，则会作为单个文本值返回：

SELECT clickhouse_raw_query(
    'SELECT schema_name, schema_owner from information_schema.schemata',
    'host=localhost port=8123'
);

      clickhouse_raw_query
---------------------------------
 INFORMATION_SCHEMA      default+
 default default                +
 git     default                +
 information_schema      default+
 system  default                +

(1 row)

下推函数

pg_clickhouse 会下推条件表达式 (HAVING 和 WHERE 子句) 中使用的一部分 PostgreSQL 内置函数。该子集与 ClickHouse 中对应函数的映射关系如下：

abs: abs
factorial: factorial
mod (int2/int4/int8/numeric): 取模
pow & power (float8/numeric): pow
round: round
sin, cos, tan, atan, atan2, sinh, cosh, tanh, asinh, degrees, radians, pi：对应同名的 ClickHouse math functions。 asin、acos、atanh、acosh 不会下推：对于超出范围的输入，PG 会报错，而 CH 会返回 NaN。
date_part:
- date_part('day'): toDayOfMonth
- date_part('doy'): toDayOfYear
- date_part('dow'): toDayOfWeek
- date_part('year'): toYear
- date_part('month'): toMonth
- date_part('hour'): toHour
- date_part('minute'): toMinute
- date_part('second'): toSecond
- date_part('quarter'): toQuarter
- date_part('isoyear'): toISOYear
- date_part('week'): toISOYear
- date_part('epoch'): toISOYear
date_trunc：
- date_trunc('week'): toMonday
- date_trunc('second'): toStartOfSecond
- date_trunc('minute'): toStartOfMinute
- date_trunc('hour'): toStartOfHour
- date_trunc('day'): toStartOfDay
- date_trunc('month'): toStartOfMonth
- date_trunc('quarter'): toStartOfQuarter
- date_trunc('year'): toStartOfYear
extract(field FROM source): 映射与 date_part 一致
date(timestamp) & date(timestamptz): toDate (反解析后为 CH 别名 date)
array_position：indexOf
array_cat: arrayConcat
array_append: arrayPushBack
array_prepend: arrayPushFront
array_remove: arrayRemove
array_length & cardinality：length
array_to_string: arrayStringConcat
string_to_array: splitByString
split_part：splitByString + 数组下标
trim_array: arrayResize
array_fill: arrayWithConstant
array_reverse: arrayReverse
array_shuffle: arrayShuffle
array_sample: arrayRandomSample
array_sort: arraySort / arrayReverseSort
btrim: trimBoth
ltrim: ltrim
rtrim: rtrim
concat_ws: concatWithSeparator
lower(text): lowerUTF8
upper(text): upperUTF8
substring(text, ...) & substr(text, ...): substringUTF8
substring(bytea, ...) & substr(bytea, ...): 子串
length(text): lengthUTF8
length(bytea) & octet_length: length
reverse(text): reverseUTF8
reverse(bytea): reverse
strpos：positionUTF8
regexp_like: 匹配
regexp_replace：对应 replaceRegexpOne；当存在 g 标志时，对应 replaceRegexpOne
regexp_split_to_array: splitByRegexp
md5: MD5
json_extract_path_text: 子列语法
json_extract_path: toJSONString + 子列语法
jsonb_extract_path_text: 子列语法
jsonb_extract_path：toJSONString + 子列语法
bit_count(bytea): bitCount
to_timestamp(float8): fromUnixTimestamp
to_char(timestamp[tz], fmt): formatDateTime 当 fmt 是一个字符串常量，且其中每个关键字在 ClickHouse 中都能找到完全对应的等价写法时。有关支持的关键字，请参阅 Compatibility Notes 中的 to_char()。否则，该函数会在 PostgreSQL 本地执行。
statement_timestamp, transaction_timestamp, & clock_timestamp: nowInBlock64 (nowInBlock64(9, $session_timezone))
CURRENT_DATE: now 和 toDate (toDate(now($session_timezone)))
now, CURRENT_TIMESTAMP, & LOCALTIMESTAMP: now64 (now64(9, $session_timezone))
CURRENT_TIMESTAMP(n) & LOCALTIMESTAMP(n): now64 (now64(n, $session_timezone))
CURRENT_DATABASE：由 PostgreSQL 函数作为值传入。
CURRENT_SCHEMA：作为值从 PostgreSQL 函数中传入。
CURRENT_CATALOG：作为值从 PostgreSQL 函数传入。
CURRENT_USER：作为值由 PostgreSQL 函数传递。
USER：作为值从 PostgreSQL 函数传递。
CURRENT_ROLE：其值由 PostgreSQL 函数传递。
SESSION_USER：作为值从 PostgreSQL 函数中传入。

下推运算符

数组切片 (arr[L:U]): arraySlice
@> (数组包含) : hasAll
<@ (数组包含于) : hasAll
&& (数组有交集) : hasAny
~ (正则表达式匹配) : match
!~ (正则表达式不匹配) : match
~* (不区分大小写的正则表达式无匹配) : match
!~* (不区分大小写的正则表达式不匹配) : match
->> (将 JSON/JSONB 中的元素提取为文本) : 子列语法
-> (提取 JSON/JSONB) : toJSONString + 子列语法

自定义函数

这些由 pg_clickhouse 创建的自定义函数，为部分在 PostgreSQL 中没有对应实现的 ClickHouse 函数提供外部查询下推支持。如果其中任何函数无法下推，就会引发异常。

dictGet

扩展下推

pg_clickhouse 可识别部分核心扩展和第三方扩展中的函数，并将其下推到 ClickHouse 中对应的函数。

re2

所有 [re2 扩展] 函数都可 1:1 下推到 ClickHouse：

re2match → match
re2extract → extract
re2extractall → extractAll
re2regexpextract → regexpExtract
re2extractgroups → extractGroups
re2replaceregexpone → replaceRegexpOne
re2replaceregexpall → replaceRegexpAll
re2countmatches → countMatches
re2countmatchescaseinsensitive → countMatchesCaseInsensitive
re2multimatchany → multiMatchAny
re2multimatchanyindex → multiMatchAnyIndex
re2multimatchallindices → multiMatchAllIndices

intarray

有一个 intarray 函数可以下推到 ClickHouse：

idx → indexOf

fuzzystrmatch

以下两个 fuzzystrmatch 函数可下推到 ClickHouse：

soundex：soundex
levenshtein (两个参数) ：editDistanceUTF8

下推类型转换

对于兼容的数据类型，pg_clickhouse 会下推 CAST(x AS bigint) 这类类型转换。对于不兼容的类型，下推会失败；例如，如果本例中的 x 是 ClickHouse 的 UInt64，ClickHouse 将拒绝进行该类型转换。为了将类型转换下推到不兼容的数据类型，pg_clickhouse 提供了以下函数。如果这些函数未被下推，就会在 PostgreSQL 中引发异常。

下推聚合

以下 PostgreSQL 聚合函数可下推到 ClickHouse 执行。

自定义聚合函数

这些由 pg_clickhouse 创建的自定义聚合函数，为部分在 PostgreSQL 中没有对应函数的 ClickHouse 聚合函数提供外部查询下推支持。如果这些函数中有任何一个无法下推，就会抛出异常。

下推有序集合聚合函数

这些[有序集合聚合函数]会映射为 ClickHouse 的[参数化聚合函数]：其直接参数作为 parameter 传递，其 ORDER BY 表达式作为实参传递。例如，以下 PostgreSQL 查询：

SELECT percentile_cont(0.25) WITHIN GROUP (ORDER BY a) FROM t1;

映射为以下 ClickHouse 查询：

SELECT quantile(0.25)(a) FROM t1;

请注意，非默认的 ORDER BY 后缀 DESC 和 `NULLS FIRST“ 不受支持，并会报错。

percentile_cont(double): quantile
quantile(double): quantile
quantileExact(double): quantileExact

下推窗口函数

这些 PostgreSQL [窗口函数] 支持下推到 ClickHouse，并使用带 OVER (PARTITION BY ... ORDER BY ...) 子句的形式；在适用时，也包括窗口帧定义。

排名函数 (row_number、rank、dense_rank、ntile、cume_dist、 percent_rank) 在下推时会省略其窗口帧子句，因为 ClickHouse 不支持为这些函数指定窗口帧。

兼容性说明

正则表达式

当 pg_clickhouse.pushdown_regex 为 true (默认值) 时， pg_clickhouse 会将正则表达式下推为 ClickHouse 中的等效形式，并尽力确保基本程度的兼容性，但你仍需注意两者之间的差异，以及 pg_clickhouse 如何处理这些差异。

PostgreSQL 支持 POSIX Regular Expressions，而 ClickHouse 支持 RE2 Regular Expressions。请注意它们在行为上的差异：当正则表达式将由 ClickHouse 计算时 (例如在 WHERE 子句中) ，应编写 RE2；当其将由 Postgres 计算时 (例如在 SELECT 子句中) ，应编写 POSIX。
pg_clickhouse 会将 Postgres 的 [Regex flags] 前置到 ClickHouse 正则表达式的 (?) 中，从而实现下推。例如：
regexp_like(val, '^VAL\d', 'i')
会变成
match(val, concat('(?i-s)', '^VAL\\d'))
请注意这里包含了 -s；这是为了禁用 ClickHouse 默认启用的 s，从而使其行为与 Postgres 正则表达式保持一致。如果 Postgres 函数调用中的标志包含 s，pg_clickhouse 则不会加入 -s。遗憾的是，这种行为会破坏 Postgres 24 及更早版本中某些正则表达式的兼容性。
两者唯一共同支持、因此可在由 ClickHouse 计算时使用的标志有：
- i: 不区分大小写
- m: 多行模式
- s: 让 . 匹配 \n
- p: 部分换行敏感匹配 (与 s 的处理方式相同)
- t: 紧凑语法 (默认值，会被 pg_clickhouse 移除)
RE2 仅支持这些标志；不要使用任何其他 Postgres flags
传递给正则表达式函数的任何其他标志都会导致该函数无法下推。
例外情况是 regexp_replace()，它还支持 g 标志。当设置了 g 时，pg_clickhouse 会使用 replaceRegexpAll() 而不是 replaceRegexpOne()，并在前置其他标志之前移除该标志。
Postgres regexp_replace() 的 replacement 参数支持使用 \& 表示整个匹配，而 ClickHouse 则使用 \0 表示整个匹配。当该函数下推到 ClickHouse 时，请务必使用 \0。

为避免任何歧义，可以考虑设置 pg_clickhouse.pushdown_regex 以阻止 Postgres 正则表达式下推到 ClickHouse，并使用 [re2 扩展]；对于它，pg_clickhouse 支持将与 ClickHouse 兼容的 RE2 正则表达式直接下推。

`to_char()`

对于 timestamp 和 timestamp with time zone，PostgreSQL 的 to_char() 只有在其格式实参为非 NULL 的字符串常量，且其中每个 PostgreSQL 关键字都能找到与 ClickHouse 完全逐字节一致的对应项时，才会下推到 ClickHouse formatDateTime。如果格式是动态的 (不是 Const) ，或包含任何不受支持的关键字或 modifier，则该调用会回退为在 PostgreSQL 本地求值——绝不会在部分翻译的情况下尝试下推，因此输出会保持与 PG 兼容。用于 numeric、interval 及其他非 timestamp 类型的双参数 to_char() 形式永远不会下推；ClickHouse formatDateTime 仅用于格式化日期时间值。

已转换的关键字

PostgreSQL	ClickHouse	含义
`YYYY`, `yyyy`	`%Y`	4 位年份
`YY`, `yy`	`%y`	2 位年份
`MM`, `mm`	`%m`	补零的月份 (01–12)
`DD`, `dd`	`%d`	补零的日 (01–31)
`DDD`, `ddd`	`%j`	补零的一年中的第几天 (001–366)
`HH24`, `hh24`	`%H`	补零的 24 小时制小时 (00–23)
`HH`, `hh`, `HH12`, `hh12`	`%I`	补零的 12 小时制小时 (01–12)
`MI`, `mi`	`%i`	补零的分钟 (00–59)
`SS`, `ss`	`%S`	补零的秒 (00–59)
`Q`, `q`	`%Q`	季度 (1–4)
`Mon`	`%b`	月份名称缩写，例如 `Oct`
`Dy`	`%a`	星期名称缩写，例如 `Mon`
`AM`, `PM`	`%p`	上下午标识，始终为大写

引用文本和字面量

用 "..." 包裹的文本会原样传递，其中任何字面的 % 都会加倍为 %%，以转义 ClickHouse 的说明符前缀。引号外的 \" 也会作为字面量 " 原样传递。在 "..." 内部，反斜杠只会转义 "；其他反斜杠序列都会被视为字面文本。

作者

David E. Wheeler

​描述

​入门

​用法

​版本策略

​DDL SQL 参考

​CREATE EXTENSION

​ALTER EXTENSION

​DROP EXTENSION

​CREATE SERVER

​ALTER SERVER

​DROP SERVER

​CREATE USER MAPPING

​ALTER USER MAPPING

​DROP USER MAPPING

​IMPORT FOREIGN SCHEMA

​CREATE FOREIGN TABLE

​ALTER FOREIGN TABLE

​DROP FOREIGN TABLE

​DML SQL 参考

​EXPLAIN

​SELECT

​PREPARE, EXECUTE, DEALLOCATE

​INSERT

​COPY

​LOAD

​SET

​pg_clickhouse.session_settings

​pg_clickhouse.pushdown_regex

​ALTER ROLE

​预加载

​session_preload_libraries

​shared_preload_libraries

​数据类型

​BYTEA

​函数与算子参考

​函数

​clickhouse_raw_query

​下推函数

​下推运算符

​自定义函数

​扩展下推

​re2

​intarray

​fuzzystrmatch

​下推类型转换

​下推聚合

​自定义聚合函数

​下推有序集合聚合函数

​下推窗口函数

​兼容性说明

​正则表达式

​to_char()

​已转换的关键字

​引用文本和字面量

​作者

​版权

描述

入门

用法

版本策略

DDL SQL 参考

CREATE EXTENSION

ALTER EXTENSION

DROP EXTENSION

CREATE SERVER

ALTER SERVER

DROP SERVER

CREATE USER MAPPING

ALTER USER MAPPING

DROP USER MAPPING

IMPORT FOREIGN SCHEMA

CREATE FOREIGN TABLE

ALTER FOREIGN TABLE

DROP FOREIGN TABLE

DML SQL 参考

EXPLAIN

SELECT

PREPARE, EXECUTE, DEALLOCATE

INSERT

COPY

LOAD

SET

`pg_clickhouse.session_settings`

`pg_clickhouse.pushdown_regex`

ALTER ROLE

预加载

`session_preload_libraries`

`shared_preload_libraries`

数据类型

BYTEA

函数与算子参考

函数

`clickhouse_raw_query`

下推函数

下推运算符

自定义函数

扩展下推

re2

intarray

fuzzystrmatch

下推类型转换

下推聚合

自定义聚合函数

下推有序集合聚合函数

下推窗口函数

兼容性说明

正则表达式

`to_char()`

已转换的关键字

引用文本和字面量

作者

版权