npm - @clickzetta/cz-cli-darwin-arm64 - Versions diffs - 0.3.76 → 0.3.80 - Mend

@clickzetta/cz-cli-darwin-arm64 0.3.76 → 0.3.80

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.

Files changed (1236) hide show

package/bin/skills/lakehouse-doc/references/create-external-catalog.md DELETED Viewed

@@ -1,305 +0,0 @@
-# 创建Hive External Catalog
-创建 Hive External Catalog 的步骤如下：
-1. [创建存储连接](create-storage-connection.md)：首先需要创建一个存储连接，用于访问对象存储服务。
-2. [创建 Catalog Connection](create-catalog-connection.md)：使用存储连接信息和 Hive Metastore 地址创建 Catalog Connection。
-3. 创建External Catalog：使用 Catalog Connection 创建外部 Catalog，以便在数据湖中访问外部数据。
-## 语法
-```SQL
-CREATE EXTERNAL CATALOG catalog_name
-    CONNECTION catalog_api_connection;
-```
-**参数说明**
-* **catalog_api_connection**：Catalog Connection 名称。目前只支持 HIVE。[参考创建catalog conneciton](create-catalog-connection.md)
-### 案例
-**案例一：Hive ON OSS（支持读取和写入）**
-* 创建存储连接
-```SQL
-CREATE STORAGE CONNECTION if not exists catalog_storage_oss
- type OSS
- ACCESS_ID='LTAIxxxxxxxxxxxx'
- ACCESS_KEY='T8Gexxxxxxmtxxxxxx'
- ENDPOINT='oss-cn-hangzhou-internal.aliyuncs.com';
-```
-* 创建 Catalog Connection
-  请确保 HMS 所在服务器网络与 Lakehouse 打通。具体打通方式可以参考[创建阿里云终端节点服务](creating_alicloud_privatelinkservice.md)
-```SQL
-CREATE CATALOG CONNECTION if not exists catalog_api_connection
-type hms
-hive_metastore_uris='xxxx:9083'
-storage_connection='catalog_storage_oss';
-```
-* 创建 Catalog
-```SQL
-CREATE EXTERNAL CATALOG my_external_catalog
-    CONNECTION catalog_api_connection;
-```
-* 验证是否连通Hive Catalog
-```SQL
---验证读取元数据
-SHOW SCHEMAS IN my_external_catalog;
-+---------------------------------------------------------------------------+
-|                                schema_name                                |
-+---------------------------------------------------------------------------+
-| air_travel                                                                |
-| all_data                                                                  |
-| automobile                                                                |
-| automv_schema                                                             |
-| bigquant                                                                  |
-+---------------------------------------------------------------------------+
---验证读取数据，读取数据时会使用STORAGE CONNECTION权限读取
-SELECT * FROM my_external_catalog.my_schema.my_table;
-```
-**案例二：Hive ON COS（支持读取和写入）**
-* 创建存储连接
-```sql
-CREATE STORAGE CONNECTION catalog_storage_cos
-  TYPE COS
-  ACCESS_KEY = '<access_key>'
-  SECRET_KEY = '<secret_key>'
-  REGION = 'ap-shanghai'
-  APP_ID = '1310000503';
-```
-**参数**：
-* **TYPE**：对象存储类型，腾讯云应填写 `COS`（大小写不限）。
-* **ACCESS_KEY / SECRET_KEY**：为腾讯云的访问密钥，获取方式参考：[访问密钥](https://cloud.tencent.com/document/product/598/40488)
-* **REGION**：指腾讯云对象存储 COS 的数据中心所在的地域。相同地域内云器Lakehouse访问腾讯云COS时，COS服务将自动路由至内网访问。具体取值请参考腾讯云文档：[地域和访问域名](https://cloud.tencent.com/document/product/436/6224)。
-* 创建 Catalog Connection
-  请确保 HMS 所在服务器网络与 Lakehouse 打通。具体打通方式可以参考[创建腾讯云终端节点服务](creating_tencentcloud_privatelinkservice.md)
-```SQL
-CREATE CATALOG CONNECTION if not exists catalog_api_connection
-type hms
-hive_metastore_uris='xxxx:9083'
-storage_connection='catalog_storage_cos';
-```
-```SQL
-CREATE CATALOG CONNECTION if not exists catalog_api_connection
-type hms
-hive_metastore_uris='xxxx:9083'
-storage_connection='catalog_storage_oss';
-```
-* 创建 Catalog
-```SQL
-CREATE EXTERNAL CATALOG my_external_catalog
-    CONNECTION catalog_api_connection;
-```
-* 验证是否连通Hive Catalog
-```SQL
---验证读取元数据
-SHOW SCHEMAS IN my_external_catalog;
-+---------------------------------------------------------------------------+
-|                                schema_name                                |
-+---------------------------------------------------------------------------+
-| air_travel                                                                |
-| all_data                                                                  |
-| automobile                                                                |
-| automv_schema                                                             |
-| bigquant                                                                  |
-+---------------------------------------------------------------------------+
---验证读取数据，读取数据时会使用STORAGE CONNECTION权限读取
-SELECT * FROM my_external_catalog.my_schema.my_table;
-```
-**案例三：Hive ON S3（支持读取和写入）**
-* 创建存储连接
-```
-CREATE STORAGE CONNECTION catalog_storage_s3
-    TYPE S3
-    ACCESS_KEY = 'AKIAQNBSBP6EIJE33***'
-    SECRET_KEY = '7kfheDrmq***************************'
-    ENDPOINT = 's3.cn-north-1.amazonaws.com.cn'
-    REGION = 'cn-north-1';
-```
-**参数**：
-* **TYPE**：对象存储类型，AWS 应填写 S3（大小写不限）。
-* **ACCESS_KEY / SECRET_KEY**：AWS 的访问密钥，获取方式参考：[访问密钥](https://docs.aws.amazon.com/zh_cn/IAM/latest/UserGuide/id_credentials_access-keys.html)
-* **ENDPOINT**：S3 的服务地址。AWS 中国区分为北京区和宁夏区，北京区的 S3 服务地址为 `s3.cn-north-1.amazonaws.com.cn`，宁夏区为 `s3.cn-northwest-1.amazonaws.com.cn`。可参考：[中国区终端节点](https://docs.amazonaws.cn/aws/latest/userguide/endpoints-arns.html) 分别找到北京区域和宁夏区域的终端节点（Endpoint）中 Amazon S3 对应的值。
-* **REGION**：AWS 中国区分为北京区和宁夏区，区域值为：北京区 `cn-north-1`，宁夏区 `cn-northwest-1`。可参考：[中国区终端节点](https://docs.amazonaws.cn/aws/latest/userguide/endpoints-arns.html)。
-* 创建 Catalog Connection
-  ```SQL
-CREATE CATALOG CONNECTION if not exists catalog_api_connection
-type hms
-hive_metastore_uris='xxxx:9083'
-storage_connection='catalog_storage_s3';
-```
-* 创建 Catalog
-```SQL
-CREATE EXTERNAL CATALOG my_external_catalog
-    CONNECTION catalog_api_connection;
-```
-* 验证是否连通Hive Catalog
-```SQL
---验证读取元数据
-SHOW SCHEMAS IN my_external_catalog;
-+---------------------------------------------------------------------------+
-|                                schema_name                                |
-+---------------------------------------------------------------------------+
-| air_travel                                                                |
-| all_data                                                                  |
-| automobile                                                                |
-| automv_schema                                                             |
-| bigquant                                                                  |
-+---------------------------------------------------------------------------+
---验证读取数据，读取数据时会使用STORAGE CONNECTION权限读取
-SELECT * FROM my_external_catalog.my_schema.my_table;
-```
-**案例四：Hive ON HDFS（支持读取）**
-* 创建存储连接
-  ```SQL
-  CREATE STORAGE CONNECTION hdfs_conn
-  TYPE HDFS
-  NAME_NODE='zetta-cluster'
-  NAME_NODE_RPC_ADDRESSES=['11.110.239.148:8020'];
-  ```
-  * `TYPE HDFS`：指定连接类型为 HDFS。
-  * `NAME_NODE`：对应 [HDFS 配置](https://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-hdfs/HDFSHighAvailabilityWithNFS.html) 中的 `dfs.nameservices`，是 HDFS 集群的逻辑名称，例如 `zetta-cluster`。
-  * `NAME_NODE_RPC_ADDRESSES`：对应 [HDFS 配置](https://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-hdfs/HDFSHighAvailabilityWithNFS.html) 中的 `dfs.namenode.rpc-address`，是 NameNode 的 RPC 地址，格式为 `[<host>:<port>]`，例如 `['11.110.239.148:8020']`。
-* 创建 Catalog Connection
-```SQL
-CREATE CATALOG CONNECTION if not exists catalog_api_connection
-type hms
-hive_metastore_uris='xxxx:9083'
-storage_connection='hdfs_conn';
-```
-* 创建 Catalog
-```SQL
-CREATE EXTERNAL CATALOG my_external_catalog
-    CONNECTION catalog_api_connection;
-```
-* 验证是否连通Hive Catalog
-```SQL
---验证读取元数据
-SHOW SCHEMAS IN my_external_catalog;
---验证读取数据，读取数据时会使用STORAGE CONNECTION权限读取
-SELECT * FROM my_external_catalog.my_schema.my_table;
-```
-> Lakehouse 支持通过 Kerberos 认证连接到启用了安全认证的 Hive Metastore 和 HDFS 集群。
->
-> **Step 0：前置条件**
->
-> 1. **Kerberos 环境**：确保您的 Hive Metastore 和 HDFS 集群已启用 Kerberos 认证。
-> 2. **认证文件**：准备以下必需的 Kerberos 认证文件：
->
->   * `krb5.conf`：Kerberos 配置文件
->   * `hive.keytab`：服务主体的 keytab 文件
->
-> 3. **网络连通性**：确保 ClickZetta 可以访问 Kerberos KDC 和 Hive Metastore 服务。
->
-> **Step 1**：通过 [客户端工具](comprehensive_guide_to_ingesting_dbv_sql_put.md) 将 Kerberos 配置文件和 keytab 文件上传到 Volume 中：
->
-> ```
-> -- upload krb5.conf
-> PUT '/etc/krb5.conf' TO USER VOLUME FILE 'krb5.conf';
->
-> -- upload keytab
-> PUT '/path/to/hive.keytab' TO USER VOLUME FILE 'hive.keytab';
-> ```
->
-> **Step 2**：使用以下语法创建支持 Kerberos 认证的 catalog connection：
->
-> ```
-> CREATE CATALOG CONNECTION conn_hms_kerberos_auth
-> TYPE HMS
-> AUTH_TYPE = 'kerberos'
-> KERBEROS_CLIENT_PRINCIPAL = 'hive/localhost@YOUR-REALM.COM'
-> KERBEROS_SERVICE_PRINCIPAL = 'hive/localhost@YOUR-REALM.COM'
-> KERBEROS_KRB5_CONFIG_PATH = 'volume:user//~/krb5.conf'
-> KERBEROS_KEYTAB_PATH = 'volume:user//~/hive.keytab'
-> HIVE_METASTORE_URIS = 'thrift://your-hms-host:9083'
-> STORAGE_CONNECTION = 'oss_conn_hz';
-> ```
->
-> | 参数名称                         | 必需 | 描述                  | 示例                               |
-> | ---------------------------- | -- | ------------------- | -------------------------------- |
-> | AUTH_TYPE                   | 是  | 认证类型，设置为 'kerberos' | 'kerberos'                       |
-> | KERBEROS\_CLIENT\_PRINCIPAL  | 是  | Kerberos 客户端主体      | 'hive/localhost\@CZ.COM'         |
-> | KERBEROS\_SERVICE\_PRINCIPAL | 是  | Kerberos 服务主体       | 'hive/localhost\@CZ.COM'         |
-> | KERBEROS\_KRB5\_CONFIG\_PATH | 是  | krb5.conf 文件路径      | 'volume://vol\_name/krb5.conf'   |
-> | KERBEROS\_KEYTAB\_PATH       | 是  | keytab 文件路径         | 'volume://vol\_name/hive.keytab' |
->
-> 连接参数：
->
-> `TYPE：`是连接类型，设置为 `HMS`
->
-> `HIVE_METASTORE_URIS：`是Hive Metastore 服务地址 `'thrift://host:9083'`
->
-> `STORAGE_CONNECTION：`关联的存储连接名称 `'your_storage_conn'`
->
-> ^
->
-> **Step 3**：基于 Kerberos 认证的 catalog connection 创建外部 schema
->
-> ```
-> CREATE EXTERNAL SCHEMA ext_kerberos_hms_sch
-> CONNECTION conn_hms_kerberos_auth
-> OPTIONS ('schema'='default');
-> ```
-^
-# 创建 Databricks External Catalog
-创建 Databricks External Catalog 的步骤如下：
-1. [创建 Catalog Connection](create-catalog-connection.md)：存储 Databricks 的 Unity Catalog 连接认证信息。
-2. 创建 External Catalog：使用 Catalog Connection 创建外部 Catalog，以便在数据湖中访问外部数据。
-## 语法
-```SQL
-CREATE EXTERNAL CATALOG catalog_name
-    CONNECTION catalog_api_connection;
-    OPTIONS ('catalog'='catalog_name');
-```
-**参数说明**
-* **catalog_name**：外部 Catalog 的名称。该名称用于标识 Catalog，需唯一且符合命名规范。
-* **catalog_api_connection**：指定与外部 Catalog 的连接。`catalog_api_connection` 是预先创建的连接名称，用于访问外部 Catalog。
-* **OPTIONS**：指定外部 Catalog 的配置选项。`'catalog'='catalog_name'`：表示外部 Catalog 的名称，`catalog_name` 是目标 Catalog 的名称。
-^

package/bin/skills/lakehouse-doc/references/create-external-table.md DELETED Viewed

@@ -1,78 +0,0 @@
-# 创建外部表
-## **功能**
-外部表功能允许Lakehouse查询和分析存储在对象存储等外部存储系统中的数据。用户可以直接操作外部数据，而无需将数据导入Lakehouse内部存储，这提供了数据处理的灵活性和便利性。
-## 支持的范围
-* 支持阿里云对象存储oss、支持腾讯云对象存储cos、支持Google云对象存储gcs、支持Aws对象存储S3
-* 目前只支持Delta Lake格式
-## **语法**
-```SQL
-CREATE EXTERNAL TABLE [ IF NOT EXISTS ] table_name
-(
-  column_definition [, column_definition, ...]
-)
-[PARTITIONED BY (col_name col_type [, col_name col_type, ...] )]
-USING DELTA
-CONNECTION connection_name
-LOCATION 'file_path'
-[COMMENT 'table_comment']
-```
-## **参数说明**
-**必选参数**:
-* `CREATE EXTERNAL TABLE`: 声明创建一个外部表。
-* `table_name`: 外部表的名称。
-* `column_definition`: 列定义，指定列的名称和数据类型。
-* `USING DELTA`: 指定使用Delta格式，目前仅支持此格式。
-* `CONNECTION connection_name`: 连接外部数据源的认证信息，`connection_name`是Lakehouse中定义的连接对象名称。用于认证连接信息，连接对象存储。
-* `LOCATION 'file_path'`: 指定要读取的数据文件的路径，支持多种云存储路径格式。
-  * google云对象存储：格式gs\://bucketname/path
-  * 腾讯云对象存储格式：cos\://bucketname/path
-  * 阿里云对象存储格式：oss\://bucketname/path
-  * aws对象存储支持阿里云对象存储格式：s3://bucketname/path
-**可选参数**:
-* `IF NOT EXISTS`: 如果外部表不存在，则创建它；如果已存在，则不执行任何操作。
-* `PARTITIONED BY (col_name col_type [, col_name col_type, ...])`: 指定分区列及其数据类型，用于数据分区。
-* `COMMENT 'table_comment'`: 为外部表提供描述性注释。
-## **示例**
-```SQL
---创建connection
-CREATE STORAGE CONNECTION if not exists oss_delta
-    TYPE oss
-    ENDPOINT = 'oss-cn-beijing.aliyuncs.com'
-    access_id = 'xxx'
-    access_key = 'xxxx'
-    comments = 'delta';
---创建外部表,使用上面的连接信息
-CREATE EXTERNAL TABLE IF NOT EXISTS sales_data
-(
-  order_id INT,
-  product_id STRING,
-  sale_amount DOUBLE
-)
-PARTITIONED BY (dt STRING)
-USING DELTA
-CONNECTION oss_delta
-LOCATION 'oss://my-bucket/data/sales'
-COMMENT 'External table for sales data stored in OSS';
-```
-^

package/bin/skills/lakehouse-doc/references/create-hive-catalog.md DELETED Viewed

@@ -1,77 +0,0 @@
-## 功能概述
-在数据湖架构中，Hive Catalog 是一个关键组件，用于将数据湖与外部的元数据存储（例如 Hive Metastore）关联起来。通过创建 Hive Catalog，用户可以实现元数据的统一管理和访问，从而直接读取存储在外部系统中的数据。Apache Hive 已成为数据仓库生态系统的核心，不仅是大数据分析和 ETL 的 SQL 引擎，还是一个数据管理平台，可用于发现、定义和演化数据。同时，Lakehouse 支持读取和写入 Hive 数据。
-## 使用限制
-* 使用前请注意，需要保证 Lakehouse 和 Hive 集群网络连通。
-* 目前，云器 Lakehouse 的外部 Catalog 功能支持以下外部数据源：
-  * Hive on OSS（阿里云对象存储服务）
-  * Hive on COS（腾讯云对象存储服务）
-  * Hive on S3（AWS 对象存储服务）
-  * Hive on GCS（Google云对象存储服务）
-  * Hive on HDFS (Preview，请联系 Lakehouse 支持)
-* 同时支持读取和写入。写入格式支持 Parquet、ORC、Text 文件格式。
-### 创建外部 Catalog
-**创建 Hive Catalog 的步骤**
-1. **创建存储连接**：首先需要创建一个存储连接，用于访问对象存储服务。
-2. **创建 Catalog Connection**：使用存储连接信息和 Hive Metastore 地址创建 Catalog Connection。
-3. **创建外部 Catalog**：使用 Catalog Connection 创建外部 Catalog，以便在数据湖中访问外部数据。
-#### 创建存储连接
-创建存储连接可参考文档 [创建STORAGE CONNECTION](aliyun_storage_connection.md)。
-```SQL
-CREATE STORAGE CONNECTION if not exists catalog_storage_oss
-    type OSS
-    ACCESS_ID='LTAIxxxxxxxxxxxx'
-    ACCESS_KEY='T8Gexxxxxxmtxxxxxx'
-    ENDPOINT='oss-cn-hangzhou-internal.aliyuncs.com';
-```
-#### 创建 Catalog Connection
-```SQL
-CREATE CATALOG CONNECTION if not exists catalog_api_connection
-    type hms
-    hive_metastore_uris='xxx:9083'
-    storage_connection='catalog_storage_oss';
-```
-#### 创建外部 Catalog
-```SQL
-CREATE EXTERNAL CATALOG test_external_catalog
-    CONNECTION catalog_catalog_connection;
-```
-#### 使用 Catalog
-```SQL
---列出catalog下的schema
-show schemas in test_external_catalog;
---列出catalog下的所有表
-show tables in test_external_catalog.my_external_test;
---查寻catalog下的表
-select * from test_external_catalog.my_external_test.test;
---查看catalog下的表结构
-desc test_external_catalog.my_external_test.test;
-```
-#### 使用 Hive 表和 Lakehouse 表关联查询
-其中，`test_external_catalog.my_external_test.test` 是 Hive 中的表，`public.test` 是 Lakehouse 的内部表。
-```
-select * from
-test_external_catalog.my_external_test.test a
-left join
-public.test b
-on a.id=b.id;
-```
-^

package/bin/skills/lakehouse-doc/references/create-inverted-index.md DELETED Viewed

@@ -1,163 +0,0 @@
-## 创建倒排索引
-具体介绍参考[倒排索引](inverted-index.md)介绍
-### 语法
-```SQL
-CREATE TABLE table_name(
-  columns_difinition,
-  INDEX index_name (column_name) INVERTED [COMMENT '']  PROPERTIES('analyzer'='english｜chinese|keyword｜unicode'),
-  INDEX index_name (column_name) INVERTED [COMMENT '']  PROPERTIES('analyzer'='english｜chinese|keyword｜unicode'),
-....
-  INDEX index_name (column_name) INVERTED [COMMENT '']  PROPERTIES('analyzer'='english｜chinese|keyword｜unicode')
-);
-```
-**columns\_difinition**:定义表的字段信息，最后一个字段必须使用逗号隔开
-**INDEX**：关键字
-**index\_name**：自定义index的名称
-**column\_name**：需要添加索引的字段名称
-**INVERTED**：关键字，表示倒排索引
-**COMMENT**：指定index的说明信息
-**PROPERTIES**：指定INDEX的参数，支持的属性目前支持指定分词。数值和日期类型则不需要指定properties，如果是字符串类型要求必须指定分词
-* 分词参数：'analyzer'='english｜chinese | keyword｜unicode'，用于指定文本分词的策略，适用于不同的语言和需求。
-  * **keyword**: 此类型的字段不会进行分词。整个字符串被视为单一的词根，并存储在倒排索引中。搜索时，需要提供完整的字段值以实现精确匹配。
-  * **english**: 专为英文设计的分词器，仅识别连续的ASCII字母和数字，并将文本统一转换为小写。适合处理英文内容，忽略非字母数字字符。
-  * **chinese**: 中文文本分词插件，识别中文和英文字符，同时过滤掉标点符号，并将英文字母转换为小写。适用于中英文混合文本的处理。
-  * **unicode**: 基于Unicode文本分割算法的分词器，能够识别多种语言的文本边界，有效将文本分割成单词，并将字母转换为小写。适合多语言环境下的文本处理。
-## 参考文档
-* [构建索引](build-inverted-index.md)
-* [删除索引](DROP-INDEX.md)
-* [列出所有索引](SHOW-INDEX.md)
-* [查看索引详情](DESC-INDEX.md)
-### **案例**
-```SQL
-CREATE TABLE inverted_index_test(
-  id int,
-  name string,
-  INDEX id_index (id) INVERTED ,
-  INDEX name_index (name) INVERTED  PROPERTIES('analyzer'='keyword')
-);
-```
-## 已有的表增加倒排索引
-### 语法
-```SQL
-CREATE  INVERTED INDEX [IF NOT EXISTS] index_name ON TABLE
-[schema].table_name(col_name)
-[COMMENT 'comment']
-PROPERTIES('analyzer'='english｜chinese|keyword｜unicode')
-```
-**INVERTED**: 索引类型，倒排索引
-**index\_name**: 表名字，位于schema下，schema下索引名称不能重复
-**col\_name**：列名只支持单列
-**PROPERTIES**：指定INDEX的参数，支持的属性目前支持指定分词。数值和日期类型则不需要指定properties，如果是字符串类型要求必须指定分词
-### 说明
-执行CREATE INDEX仅对新增数据有效，对已有数据进行索引请使用BUILD INDEX命令。
-### **案例**
-1. 建表时指定倒排索引
-```SQL
-DROP TABLE IF EXISTS t;
-CREATE    TABLE t (
-          order_id INT,
-          customer_id INT,
-          amount DOUBLE,
-          order_year string,
-          order_month string,
-          INDEX order_id_index (order_id) INVERTED COMMENT 'INVERTED'
-          );
-INSERT INTO t
-VALUES (1, 101, 100.0, '2023','01'),
-       (2, 102, 200.0, '2023','02'),
-       (3, 103, 300.0, '2023','03'),
-       (4, 104, 400.0, '2023','04'),
-       (5, 105, 500.0, '2023','04');
-DESC INDEX order_id_index;
-+--------------------+-------------------------+
-|     info_name      |       info_value        |
-+--------------------+-------------------------+
-| name               | order_id_index          |
-| creator            | UAT_TEST                |
-| created_time       | 2024-12-27 10:39:44.778 |
-| last_modified_time | 2024-12-27 10:39:44.778 |
-| comment            | INVERTED                |
-| index_type         | inverted                |
-| table_name         | t                       |
-| table_column       | order_id                |
-+--------------------+-------------------------+
---使用倒排索引查询
-SELECT    *
-FROM      t
-WHERE     match_any (order_id, 3);
-+----------+-------------+--------+------------+-------------+
-| order_id | customer_id | amount | order_year | order_month |
-+----------+-------------+--------+------------+-------------+
-| 3        | 103         | 300.0  | 2023       | 03          |
-+----------+-------------+--------+------------+-------------+
-```
-2. 给已有的列添加倒排索引
-```
-CREATE INVERTED INDEX order_year_index
-ON TABLE public.t (order_year)
-PROPERTIES('analyzer'='chinese');
---倒排索引添加完成后只有新写入的数据才会生效。老数据不会生效。如果老数据需要可以使用BUILD INDEX命令
-BUILD INDEX order_year_index ON public.t;
-DESC INDEX EXTENDED order_year_index;
-+--------------------------+--------------------------+
-|        info_name         |        info_value        |
-+--------------------------+--------------------------+
-| name                     | order_year_index         |
-| creator                  | UAT_TEST                 |
-| created_time             | 2024-12-27 10:51:58.977  |
-| last_modified_time       | 2024-12-27 10:51:58.977  |
-| comment                  |                          |
-| properties               | (("analyzer","chinese")) |
-| index_type               | inverted                 |
-| table_name               | t                        |
-| table_column             | order_year               |
-| index_size_in_data_file  | 0                        |
-| index_size_in_index_file | 296                      |
-| total_index_size         | 296                      |
-+--------------------------+--------------------------+
-SELECT    *
-FROM      t
-WHERE     match_all (order_year, '2023');
-+----------+-------------+--------+------------+-------------+
-| order_id | customer_id | amount | order_year | order_month |
-+----------+-------------+--------+------------+-------------+
-| 1        | 101         | 100.0  | 2023       | 01          |
-| 2        | 102         | 200.0  | 2023       | 02          |
-| 3        | 103         | 300.0  | 2023       | 03          |
-| 4        | 104         | 400.0  | 2023       | 04          |
-| 5        | 105         | 500.0  | 2023       | 04          |
-+----------+-------------+--------+------------+-------------+
-```