写在前面
Clickhouse 从21.11 版本开始，除了提供类似SqlServer、MySQLCREATE FUNCTION 的自定义函数之外，还有一个用户自定义函数（UDF），与其说是“用户自定义函数”，为了避免混淆，称之为”用户自定义外部函数“更为准确。官方对此功能的解释：
ClickHouse can call any external executable program or script to process data.
译文：ClickHouse可以调用任何外部可执行程序或脚本来处理数据。
可以调用外部程序或脚本来处理数据，这对于数据建模、数据分析等等来说，无疑是杀手锏的存在。
开始
示例情景：调用python脚本实现向量点积运算。
环境：Docker、Clickhouse 21.11.4.14 、Ubuntu 20.04、Python3
1. 在config.xml里内增加
<user_defined_executable_functions_config>*_function.xml</user_defined_executable_functions_config>
2. 增加custom_function.xml自定义函数的声明文件
新建custom_function.xml文件，与config.xml、users.xml文件是同级目录下的，如图
3. 声明方法
打开custom_function.xml文件，编写文件内容如下：
<functions>
<function>
<type>executable</type>
<name>custom_dotProduct</name>
<return_type>Float32</return_type>
<return_name>result</return_name>
<argument>
<type>Array(Float32)</type>
<name>v1</name>
</argument>
<argument>
<type>Array(Float32)</type>
<name>v2</name>
</argument>
<format>JSONEachRow</format>
<execute_direct>0</execute_direct>
<command>python3 /var/lib/clickhouse/user_scripts/custom_dotProduct.py</command>
</function>
</functions>
execute_direct=0，默认是1，1表示将在clickhouse的/data/user_scripts文件夹内搜索脚本，0表是按照用户配置的命令搜索脚本路径，建议设置为0，避免找不到执行的脚本文件。其他参数可以参考文档：Introduction | ClickHouse Documentation
4. 编写python脚本
#!/usr/bin/python3import sysimport jsonif__name__ =='__main__':for linein sys.stdin: dict= json.loads(line) ls= []for vin dict.values(): ls.insert(1, list(v)) vector1= tuple(ls[0]) vector2= tuple(ls[1]) v= sum(p * qfor p, qin zip(vector1, vector2)) data= {'result': str(v)}print(json.dumps(data), end='\n') sys.stdout.flush()
保存脚本并命名为custom_dotProduct.py ，再放到/var/lib/clickhouse/user_scripts 文件夹内。
特别需要注意是脚本运行环境和存放路径问题，Clickhouse如果是放到docker里面，则需要在docker内配置python可运行的环境，其他C++、java也是如此，最起码能保证手动执行脚本的时候能运行。 在custom_function.xml 声明方法的时候，编写的xml文件中的command命令是容器里面的路径，而不是宿主机的路径。
5. 至此已经完成，进行方法测试
--重新加载方法 SYSTEM RELOAD FUNCTIONS;--查看方法是否加载成功 SELECT* FROM system.functions WHERE name ='custom_dotProduct';
执行方法：
select custom_dotProduct([1,2,3],[4,5,6]);
最后
还需特别注意的是Clickhouse版本问题，在示例的python脚本中和官网文档中的示例python脚本取值方法不太一样，
官方示例：
first_arg = int(value['argument_1']) second_arg= int(value['argument_2'])
它是通过自定义配置的name获取值：
<function>
<type>executable</type>
<name>test_function_sum_json</name>
<return_type>UInt64</return_type>
<return_name>result_name</return_name>
<argument>
<type>UInt64</type> <name>argument_1</name>
</argument>
<argument>
<type>UInt64</type><name>argument_2</name>
</argument>
<format>JSONEachRow</format>
<command>test_function_sum_json.py</command>
</function>
而我是通过遍历出来的：
for vin dict.values(): ls.insert(1, list(v))
原因是Clickhouse这种取值方式必须要求在22.3 版本以上才支持，若低于22.3的版本用官方的取值方式是永远报错的（巨坑之一）。具体可以看我之前提的Issue：UDFs: JSON Bug ? · Issue #35562 · ClickHouse/ClickHouse (github.com)
另外，从2022年1月后，Clickhouse的Docker镜像将停止yandex/clickhouse-server 的迭代，使用新的镜像地址clickhouse/clickhouse-server 。
如继续使用yandex/clickhouse-server的镜像，最新的版本号停留在22.1.3.7 （巨坑之二）。
好了，下班！不不不，等下下班！
