跳转到主要内容
本指南兼容 ClickHouse Cloud 和自托管 ClickHouse v23.5+。 本指南介绍如何将数据从 BigQuery 迁移到 ClickHouse。 我们先将表导出到 Google 的对象存储 (GCS) ,然后再将数据导入 ClickHouse Cloud。对于要从 BigQuery 导入到 ClickHouse 的每个表,都需要重复这些步骤。

导出数据到 ClickHouse 需要多久?

从 BigQuery 向 ClickHouse 导出数据所需的时间取决于数据集的大小。作为参考,按照本指南,将 4TB 公共以太坊数据集 从 BigQuery 导出到 ClickHouse 大约需要一小时。
1

将表数据导出到 GCS

在此步骤中,我们使用 BigQuery SQL 工作区 来执行 SQL 命令。下面,我们将使用 EXPORT DATA 语句,把名为 mytable 的 BigQuery 表导出到 GCS 存储桶。
在上述查询中,我们将 BigQuery 表导出为 Parquet 数据格式。我们还在 uri 参数中使用了 * 字符。这可确保在导出数据超过 1GB 时,输出会拆分为多个文件,并带有按数字递增的后缀。这种方法有几个优点:
  • Google 允许每天免费将最多 50TB 的数据导出到 GCS。用户只需支付 GCS 存储费用。
  • 导出会自动生成多个文件,并将每个文件的表数据限制在最多 1GB。这对 ClickHouse 很有利,因为这样可以并行导入。
  • Parquet 作为一种列式格式,是更理想的交换格式,因为它原生支持压缩,而且 BigQuery 导出更快,ClickHouse 查询也更高效
2

将数据从 GCS 导入到 ClickHouse

导出完成后,我们就可以将这些数据导入到 ClickHouse 表中。你可以使用 ClickHouse SQL 控制台clickhouse-client 执行以下命令。你必须先在 ClickHouse 中创建表
创建表后,如果集群中有多个 ClickHouse 副本,请启用 parallel_distributed_insert_select 设置,以加快导出速度。如果只有一个 ClickHouse 节点,则可以跳过此步骤:
最后,我们可以使用 INSERT INTO SELECT 命令将 GCS 中的数据插入 ClickHouse 表,该命令会根据 SELECT 查询的结果将数据插入表中。要获取用于 INSERT 的数据,我们可以使用 s3Cluster 函数从 GCS 存储桶中读取数据,因为 GCS 与 Amazon S3 兼容。如果你只有一个 ClickHouse 节点,则可以使用 S3 表函数来代替 s3Cluster 函数。
上述查询中使用的 ACCESS_IDSECRET,就是与你的 GCS 存储桶关联的 HMAC 密钥
导出可空列时请使用 ifNull在上述查询中,我们对 some_text 列使用了 ifNull 函数,以便在向 ClickHouse 表中插入数据时使用默认值。你也可以将 ClickHouse 中的列设为 Nullable,但不建议这样做,因为可能会对性能造成负面影响。或者,你也可以 SET input_format_null_as_default=1,这样任何缺失值或 NULL 值都会被替换为其对应列的默认值 (如果已为这些列指定默认值) 。
3

测试数据是否已成功导出

若要验证数据是否已成功插入,只需对新表运行一条 SELECT 查询:
要导出更多 BigQuery 表,只需对每个新增的表重复上述步骤即可。

延伸阅读与支持

除本指南外,我们还建议阅读我们的这篇博客文章,其中介绍了如何使用 ClickHouse 加速 BigQuery,以及如何处理增量导入 如果您在将数据从 BigQuery 传输到 ClickHouse 的过程中遇到问题,欢迎随时通过 support@clickhouse.com 联系我们。
最后修改于 2026年7月2日