ClickHouse 25.5 版本发布说明

本文字数：11882；估计阅读时间：30 分钟

作者：ClickHouse Team

本文在公众号【ClickHouseInc】首发

又到了每月一次的版本更新时间！

发布概要

ClickHouse 25.5 带来了 15 项新功能 🌸 23 项性能优化 🦋 以及 64 个缺陷修复 🐝

本次发布的亮点包括：向量相似度索引进入 Beta 阶段、Iceberg 表支持 Hive metastore catalog、支持查看每个函数何时被添加到 ClickHouse、本地工具 clickhouse-local 引入隐式表支持等诸多功能更新。

新贡献者

我们热烈欢迎所有在 25.5 版本中首次做出贡献的开发者！ClickHouse 社区正在持续壮大，正是因为大家的努力，ClickHouse 才能不断发展壮大。

以下是本次的新贡献者名单：

Andrian Iliev, Colerar, Dasha Wessely, Denis, KovalevDima, Kyamran, Marta Paes, Mojtaba Ghahari, Sachin Singh, YjyJeff, andrei tinikov, caicre, codeworse, gvoelfin, morsapaes, samay-sharma, shanfengp, tdufour

Iceberg 表支持 Hive metastore catalog

贡献者：scanhex12

ClickHouse 正在不断拓展对 Lakehouse 架构的支持。此前的版本已支持 Unity 和 AWS Glue 数据目录，本次新增了对 Hive metastore catalog 的支持。

用户可以通过 DataLakeCatalog 表引擎创建一个表来连接 Hive catalog：

SET allow_experimental_database_hms_catalog=true;
CREATE DATABASE hive
ENGINE = DataLakeCatalog('thrift://hive:9083', '', '')
SETTINGS
  catalog_type = 'hive',
  warehouse = 'demo',
  storage_endpoint = 'http://minio:9000/warehouse';

随后，便可以像操作普通表一样查询该 catalog 中的表：

SELECT count()
FROM default.`iceberg.hits`;

clickhouse-local 中的隐式表

贡献者：Alexey Milovidov

在使用 clickhouse-local 工具处理标准输入文件时，现在可以省略 FROM 和 SELECT 子句。

举个例子，假设我们想要解析 GitHub 上 football.json 项目中的一个 JSON 文件，可以使用如下查询来探索文件中的属性结构：

curl -sS 'https://raw.githubusercontent.com/openfootball/football.json/refs/heads/master/2024-25/en.1.json' | 
./clickhouse -q "JSONAllPathsWithTypes(json)" --input-format JSONAsObject

{'matches':'Array(JSON(max_dynamic_types=16, max_dynamic_paths=256))','name':'String'}

从查询结果中，我们可以看到两个属性：name 和 matches。接下来，我们可以进一步探索 matches 属性的内容：

curl -sS https://raw.githubusercontent.com/openfootball/football.json/refs/heads/master/2024-25/en.1.json | 
./clickhouse -q "arrayJoin(json.matches::Array(JSON)) LIMIT 5" --input-format JSONAsObject

{"date":"2024-08-16","round":"Matchday 1","score":{"ft":["1","0"],"ht":["0","0"]},"team1":"Manchester United FC","team2":"Fulham FC","time":"20:00"}
{"date":"2024-08-17","round":"M