我有一个 Vertica 数据库，假设用于我的“热”数据。
我发现我可以将我的“冷”数据保存为 HDFS 上的 parquet 文件作为外部表，我也成功地将我的数据导出到 Parquet 文件。
关于这个过程，我有几个问题：
* 出口到镶木地板 - 如何经常做？我需要将查询作为 cron 选项卡运行吗？
* 当我创建一个外部表时，Vertica 是否知道将其“连接”到我的主表？我的意思是，在运行任何查询时，Verica 还将在与存储“热”数据的主表相关的外部表中进行搜索。
【问题讨论】：
如果您想进行定期导出，您需要使用外部调度程序（如 cron）。您可以导出到 HDFS、NFS 或 S3。
如果您在 Vertica 中有一些数据（您的热数据），而在外部表中有其他（冷）数据，则它们是两个单独的表。您可以一起查询它们（从热、冷中选择...），但您的外部 Parquet 数据不在保存 Vertica（ROS、热）数据的表中。
当您查询外部表时，Vertica 会从外部位置读取相关数据。从某种意义上说，它在每个查询上使用 CREATE EXTERNAL TABLE 表达式的 FROM 子句进行轻量级加载。 （Parquet 列格式和谓词下推等优化意味着这并不痛苦。）这意味着如果您的 FROM 子句是一个 glob（如hdfs:///data/*/*.parquet），如果您导出更多数据，则不需要更新表定义——它只是工作。
请注意，每次导出都需要进入一个新目录；如果你把它们都放在同一个父目录下，那么你可以像我的例子一样使用 glob。见the documentation。
【讨论】：