SELECT INTO#

SELECT INTO OUTFILE语句将表的查询结果导出为一个文件。

Note

LOAD DATA INFILE 语句与SELECT INTO OUTFILE互补，它用于从指定文件创建表以及加载数据到表中。

Syntax#

select_into_statement:
  query INTO OUTFILE string_file_path
  [ OPTIONS options_list ]
  [ CONFIG options_list ]

options_list:
  ( { key = value } [, ...] )

SELECT INTO OUTFILE分为三个部分。

第一部分是一个普通的SELECT语句，通过这个SELECT语句来查询所需要的数据；
第二部分是filePath，定义将查询的记录导出到哪个文件中，详情见FilePath；
第三部分是SelectIntoOptionList为可选选项，其可能的取值有：

配置项	类型	默认值	描述
delimiter	String	,	列分隔符，默认为‘`,`’
header	Boolean	true	是否包含表头, 默认为`true`
null_value	String	null	NULL填充值，默认填充`"null"`
format	String	csv	输出文件格式: `csv`:不显示指明format时，默认为该值 `parquet`:集群版离线模式支持导出parquet格式文件，但集群在线和单机版不支持
mode	String	error_if_exists	输出模式: `error_if_exists`: 表示若文件已经在则报错。 `overwrite`: 表示若文件已存在，数据将覆盖原文件内容。 `append`：表示若文件已存在，数据将追加到原文件后面。不显示配置时，默认为`error_if_exists`。
quote	String	“	输出数据的包围字符串，字符串长度<=1。默认为双引号`"`，表示输出数据包围字符串为空。当配置包围字符串时，将使用包围字符串包围一个field。例如，我们配置包围字符串为`"#"`，原始数据为{1, 1.0, This is a string, with comma}。输出的文本为`1, 1.0, #This is a string, with comma#`。单机模式或集群在线模式默认为`\0`，也可使用空字符串赋值，不处理包围字符。
coalesce	Int	0	仅集群版离线模式支持，默认值为0，不进行合并（可能输出多个文件），可指定最终输出几个文件。例如，coalesce=1，会将所有part合并为1个文件。

Important

请注意，目前仅有集群版支持quote字符的转义。所以，如果您使用的是单机版，请谨慎选择quote字符，保证原始字符串内并不包含quote字符。

SQL语句模版#

SELECT ... INTO OUTFILE 'file_path' OPTIONS (key = value, ...)

FilePath#

load_mode=‘cluster’时，FilePath支持’file://’, ‘hdfs://’, ‘hive://’三种。其中’file://’和’hdfs://’地址为目录，而非文件名，’hive://’导出到Hive表中，格式为hive://<db>.<table>。

单机版或load_mode=’local’时，FilePath只能是file格式，且必须为文件名，不可以是目录。

Hive 支持#

OpenMLDB 支持导出数据到 Hive，但需要额外的设置和功能限制，详情见 Hive 支持。

Examples#

从表t1查询输出到data.csv文件中，使用,作为列分隔符

SELECT col1, col2, col3 FROM t1 INTO OUTFILE 'data.csv' OPTIONS ( delimiter = ',' );

从表t1查询输出到data.csv文件中，使用｜作为列分隔符，NULL值的填充值为NA字符串：

SELECT col1, col2, col3 FROM t1 INTO OUTFILE 'data2.csv' OPTIONS ( delimiter = '|', null_value='NA');

导出表格 t1 到 Hive 数据库

SELECT col1, col2, col3 FROM t1 INTO OUTFILE 'hive://db1.t1';

Q&A#

Q: select into 错误 Found duplicate column(s)?

Exception in thread "main" org.apache.spark.sql.AnalysisException: Found duplicate column(s) when inserting into file:/tmp/out: `c1`;
     at org.apache.spark.sql.util.SchemaUtils$.checkColumnNameDuplication(SchemaUtils.scala:90)
     at org.apache.spark.sql.execution.datasources.InsertIntoHadoopFsRelationCommand.run(InsertIntoHadoopFsRelationCommand.scala:84)
     at org.apache.spark.sql.execution.command.DataWritingCommandExec.sideEffectResult$lzycompute(commands.scala:108)
     at org.apache.spark.sql.execution.command.DataWritingCommandExec.sideEffectResult(commands.scala:106)
     at org.apache.spark.sql.execution.command.DataWritingCommandExec.doExecute(commands.scala:131)
     at org.apache.spark.sql.execution.SparkPlan.$anonfun$execute$1(SparkPlan.scala:175)
     at org.apache.spark.sql.execution.SparkPlan.$anonfun$executeQuery$1(SparkPlan.scala:213)
     at org.apache.spark.rdd.RDDOperationScope$.withScope(RDDOperationScope.scala:151)
     at org.apache.spark.sql.execution.SparkPlan.executeQuery(SparkPlan.scala:210)
     at org.apache.spark.sql.execution.SparkPlan.execute(SparkPlan.scala:171)
     at org.apache.spark.sql.execution.QueryExecution.toRdd$lzycompute(QueryExecution.scala:122)
     at org.apache.spark.sql.execution.QueryExecution.toRdd(QueryExecution.scala:121)
     at org.apache.spark.sql.DataFrameWriter.$anonfun$runCommand$1(DataFrameWriter.scala:944)

A: 查询语句是允许列名重复的。但SELECT INTO除了查询还需要写入，写入中会检查重复列名。请避免重复列名，可以用c1 as c_new来重命名列。

SELECT INTO

Contents

SELECT INTO#

Syntax#

SQL语句模版#

FilePath#

Hive 支持#

Examples#

Q&A#