> ## Documentation Index > Fetch the complete documentation index at: https://private-7c7dfe99-fix-nav-issues.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. > Предоставляет табличный интерфейс для выборки и вставки файлов в Amazon S3 и Google Cloud Storage. Эта табличная функция похожа на функцию hdfs, но предоставляет специфичные для S3 возможности. # Табличная функция s3 export const CloudNotSupportedBadge = () => { return
Not supported in ClickHouse Cloud
; }; export const ExperimentalBadge = () => { return
Experimental feature. Learn more.
; }; Предоставляет интерфейс, подобный таблице, для выборки/вставки файлов в [Amazon S3](https://aws.amazon.com/s3/) и [Google Cloud Storage](https://cloud.google.com/storage/). Эта табличная функция похожа на [функцию hdfs](/ru/reference/functions/table-functions/hdfs), но предоставляет возможности, специфичные для S3. Если в вашем кластере несколько реплик, вместо этого можно использовать [функцию s3Cluster](/ru/reference/functions/table-functions/s3Cluster), чтобы распараллелить вставку. При использовании `s3 table function` с [`INSERT INTO...SELECT`](/ru/reference/statements/insert-into#inserting-the-results-of-select) данные считываются и вставляются в потоковом режиме. В памяти одновременно находится лишь несколько блоков данных, пока они непрерывно считываются из S3 и записываются в целевую таблицу.
## Синтаксис
```sql theme={null} s3(url [, NOSIGN | access_key_id, secret_access_key, [session_token]] [,format] [,structure] [,compression_method],[,headers], [,extra_credentials], [,partition_strategy], [,partition_columns_in_data_file]) s3(named_collection[, option=value [,..]]) ``` **GCS** Табличная функция S3 интегрируется с Google Cloud Storage через XML API GCS и HMAC-ключи. Подробнее о конечной точке и HMAC см. в [документации Google по совместимости](https://cloud.google.com/storage/docs/interoperability). Для GCS подставьте свои HMAC-ключ и HMAC-секрет там, где указаны `access_key_id` и `secret_access_key`. **Параметры** Табличная функция `s3` поддерживает следующие простые параметры: | Параметр | Описание | | --------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | `url` | URL бакета с путём к файлу. В режиме только для чтения поддерживаются следующие подстановочные шаблоны: `*`, `**`, `?`, `{abc,def}` и `{N..M}`, где `N`, `M` — числа, `'abc'`, `'def'` — строки. Подробнее см. [здесь](/ru/reference/engines/table-engines/integrations/s3#wildcards-in-path). | | `NOSIGN` | Если указать это ключевое слово вместо учетных данных, запросы не будут подписываться. | | `access_key_id` and `secret_access_key` | Ключи, задающие учетные данные для использования с указанной конечной точкой. Необязательно. | | `session_token` | Токен сеанса для использования с указанными ключами. Необязателен при передаче ключей. | | `format` | [Формат](/ru/reference/formats) файла. | | `structure` | Структура таблицы. Формат: `'column1_name column1_type, column2_name column2_type, ...'`. | | `compression_method` | Параметр необязателен. Поддерживаемые значения: `none`, `gzip` или `gz`, `brotli` или `br`, `xz` или `LZMA`, `zstd` или `zst`. По умолчанию метод сжатия определяется автоматически по расширению файла. | | `headers` | Параметр необязателен. Позволяет передавать заголовки в запросе S3. Передавайте в формате `headers(key=value)`, например `headers('x-amz-request-payer' = 'requester')`. | | `partition_strategy` | Параметр необязателен. Поддерживаемые значения: `WILDCARD` или `HIVE`. Для `WILDCARD` в пути требуется `{_partition_id}`, который заменяется ключом партиционирования. `HIVE` не допускает подстановочные шаблоны, предполагает, что путь является корнем таблицы, и создаёт директории с партициями в стиле Hive, где в качестве имён файлов используются Snowflake ID, а в качестве расширения — формат файла. По умолчанию `WILDCARD` | | `partition_columns_in_data_file` | Параметр необязателен. Используется только со стратегией партиционирования `HIVE`. Указывает ClickHouse, следует ли ожидать, что столбцы партиции будут записаны в файл данных. Значение по умолчанию — `false`. | | `extra_credentials` | Параметр необязателен. Используется для передачи `role_arn` для ролевого доступа в ClickHouse Cloud. Шаги настройки см. в [Secure S3](/ru/products/cloud/guides/data-sources/accessing-s3-data-securely). | | `storage_class_name` | Параметр необязателен. Поддерживаемые значения: `STANDARD` или `INTELLIGENT_TIERING`. Позволяет указать [AWS S3 Intelligent Tiering](https://aws.amazon.com/s3/storage-classes/intelligent-tiering/). По умолчанию — `STANDARD`. | **GCS** URL GCS имеет следующий формат, так как конечная точка Google XML API отличается от JSON API: ```text theme={null} https://storage.googleapis.com/// ``` а не ~~[https://storage.cloud.google.com](https://storage.cloud.google.com)~~. Аргументы также можно передавать с помощью [именованных коллекций](/ru/concepts/features/configuration/server-config/named-collections). В этом случае `url`, `access_key_id`, `secret_access_key`, `format`, `structure`, `compression_method` работают так же, и поддерживаются некоторые дополнительные параметры: | Аргумент | Описание | | ----------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | | `filename` | добавляется к URL, если указан. | | `use_environment_credentials` | включен по умолчанию; позволяет передавать дополнительные параметры через переменные окружения `AWS_CONTAINER_CREDENTIALS_RELATIVE_URI`, `AWS_CONTAINER_CREDENTIALS_FULL_URI`, `AWS_CONTAINER_AUTHORIZATION_TOKEN`, `AWS_EC2_METADATA_DISABLED`. | | `no_sign_request` | по умолчанию отключен. | | `expiration_window_seconds` | значение по умолчанию — 120. |
## Возвращаемое значение
Таблица с указанной структурой для чтения данных из указанного файла или записи данных в него.
## Примеры
Выбор первых 5 строк из таблицы в файле S3 `https://datasets-documentation.s3.eu-west-3.amazonaws.com/aapl_stock.csv`: ```sql theme={null} SELECT * FROM s3( 'https://datasets-documentation.s3.eu-west-3.amazonaws.com/aapl_stock.csv', 'CSVWithNames' ) LIMIT 5; ``` ```response theme={null} ┌───────Date─┬────Open─┬────High─┬─────Low─┬───Close─┬───Volume─┬─OpenInt─┐ │ 1984-09-07 │ 0.42388 │ 0.42902 │ 0.41874 │ 0.42388 │ 23220030 │ 0 │ │ 1984-09-10 │ 0.42388 │ 0.42516 │ 0.41366 │ 0.42134 │ 18022532 │ 0 │ │ 1984-09-11 │ 0.42516 │ 0.43668 │ 0.42516 │ 0.42902 │ 42498199 │ 0 │ │ 1984-09-12 │ 0.42902 │ 0.43157 │ 0.41618 │ 0.41618 │ 37125801 │ 0 │ │ 1984-09-13 │ 0.43927 │ 0.44052 │ 0.43927 │ 0.43927 │ 57822062 │ 0 │ └────────────┴─────────┴─────────┴─────────┴─────────┴──────────┴─────────┘ ``` ClickHouse использует расширения файлов, чтобы определить формат данных. Например, предыдущую команду можно было выполнить и без `CSVWithNames`: ```sql theme={null} SELECT * FROM s3( 'https://datasets-documentation.s3.eu-west-3.amazonaws.com/aapl_stock.csv' ) LIMIT 5; ``` ClickHouse также может определить метод сжатия файла. Например, если файл сжат и имеет расширение `.csv.gz`, ClickHouse автоматически его распакует. Файлы Parquet с именами вроде `*.parquet.snappy` или `*.parquet.zstd` могут сбить ClickHouse с толку и вызвать ошибки `TOO_LARGE_COMPRESSED_BLOCK` или `ZSTD_DECODER_FAILED`. Это связано с тем, что ClickHouse попытается прочитать весь файл как данные, сжатые Snappy или ZSTD, хотя в Parquet сжатие применяется на уровне групп строк и столбцов. Метаданные Parquet уже содержат информацию о сжатии для каждого столбца, поэтому расширение файла здесь избыточно. В таких случаях можно просто использовать `compression_method = 'none'`: ```sql theme={null} SELECT * FROM s3( 'https://.s3..amazonaws.com/path/to/my-data.parquet.snappy', compression_format = 'none' ); ```
## Использование
Предположим, что на S3 у нас есть несколько файлов со следующими URI: * '[https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/some\_prefix/some\_file\_1.csv\'](https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/some\_prefix/some\_file\_1.csv\'); * '[https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/some\_prefix/some\_file\_2.csv\'](https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/some\_prefix/some\_file\_2.csv\'); * '[https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/some\_prefix/some\_file\_3.csv\'](https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/some\_prefix/some\_file\_3.csv\'); * '[https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/some\_prefix/some\_file\_4.csv\'](https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/some\_prefix/some\_file\_4.csv\'); * '[https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/another\_prefix/some\_file\_1.csv\'](https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/another\_prefix/some\_file\_1.csv\'); * '[https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/another\_prefix/some\_file\_2.csv\'](https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/another\_prefix/some\_file\_2.csv\'); * '[https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/another\_prefix/some\_file\_3.csv\'](https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/another\_prefix/some\_file\_3.csv\'); * '[https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/another\_prefix/some\_file\_4.csv\'](https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/another\_prefix/some\_file\_4.csv\'); Подсчитайте количество строк в файлах, названия которых оканчиваются на числа от 1 до 3: ```sql theme={null} SELECT count(*) FROM s3('https://datasets-documentation.s3.eu-west-3.amazonaws.com/my-test-bucket-768/{some,another}_prefix/some_file_{1..3}.csv', 'CSV', 'column1 UInt32, column2 UInt32, column3 UInt32') ``` ```text theme={null} ┌─count()─┐ │ 18 │ └─────────┘ ``` Подсчитайте общее количество строк во всех файлах в этих двух каталогах: ```sql theme={null} SELECT count(*) FROM s3('https://datasets-documentation.s3.eu-west-3.amazonaws.com/my-test-bucket-768/{some,another}_prefix/*', 'CSV', 'column1 UInt32, column2 UInt32, column3 UInt32') ``` ```text theme={null} ┌─count()─┐ │ 24 │ └─────────┘ ``` Если в списке файлов есть диапазоны чисел с ведущими нулями, используйте конструкцию с фигурными скобками для каждой цифры отдельно или символ `?`. Подсчитайте общее количество строк в файлах с именами `file-000.csv`, `file-001.csv`, ... , `file-999.csv`: ```sql theme={null} SELECT count(*) FROM s3('https://datasets-documentation.s3.eu-west-3.amazonaws.com/my-test-bucket-768/big_prefix/file-{000..999}.csv', 'CSV', 'column1 UInt32, column2 UInt32, column3 UInt32'); ``` ```text theme={null} ┌─count()─┐ │ 12 │ └─────────┘ ``` Вставьте данные в файл `test-data.csv.gz`: ```sql theme={null} INSERT INTO FUNCTION s3('https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/test-data.csv.gz', 'CSV', 'name String, value UInt32', 'gzip') VALUES ('test-data', 1), ('test-data-2', 2); ``` Вставьте данные из существующей таблицы в файл `test-data.csv.gz`: ```sql theme={null} INSERT INTO FUNCTION s3('https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/test-data.csv.gz', 'CSV', 'name String, value UInt32', 'gzip') SELECT name, value FROM existing_table; ``` Glob \*\* можно использовать для рекурсивного обхода каталогов. Рассмотрим пример ниже — он рекурсивно извлечёт все файлы из каталога `my-test-bucket-768`: ```sql theme={null} SELECT * FROM s3('https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/**', 'CSV', 'name String, value UInt32', 'gzip'); ``` Следующий запрос рекурсивно извлекает данные из всех файлов `test-data.csv.gz` в любой папке внутри каталога `my-test-bucket`: ```sql theme={null} SELECT * FROM s3('https://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/**/test-data.csv.gz', 'CSV', 'name String, value UInt32', 'gzip'); ``` Примечание. В конфигурационном файле сервера можно указать пользовательские URL-маппер. Пример: ```sql theme={null} SELECT * FROM s3('s3://clickhouse-public-datasets/my-test-bucket-768/**/test-data.csv.gz', 'CSV', 'name String, value UInt32', 'gzip'); ``` URL `'s3://clickhouse-public-datasets/my-test-bucket-768/**/test-data.csv.gz'` будет преобразован в `'http://clickhouse-public-datasets.s3.amazonaws.com/my-test-bucket-768/**/test-data.csv.gz'` Пользовательский маппер можно добавить в `config.xml`: ```xml theme={null} https://{bucket}.s3.amazonaws.com https://{bucket}.storage.googleapis.com https://{bucket}.oss.aliyuncs.com ``` Для использования в производственной среде рекомендуется использовать [именованные коллекции](/ru/concepts/features/configuration/server-config/named-collections). Вот пример: ```sql theme={null} CREATE NAMED COLLECTION creds AS access_key_id = '***', secret_access_key = '***'; SELECT count(*) FROM s3(creds, url='https://s3-object-url.csv') ```
## Запись с партиционированием
### Стратегия партиционирования
Поддерживается только для запросов INSERT. `WILDCARD` (по умолчанию): заменяет подстановочный шаблон `{_partition_id}` в пути к файлу на фактическое значение ключа партиционирования. `HIVE` реализует секционирование в стиле Hive для чтения и записи. Файлы создаются в следующем формате: `//.`. **Пример стратегии партиционирования `HIVE`** ```sql theme={null} INSERT INTO FUNCTION s3(s3_conn, filename='t_03363_function', format=Parquet, partition_strategy='hive') PARTITION BY (year, country) SELECT 2020 as year, 'Russia' as country, 1 as id; ``` ```result theme={null} SELECT _path, * FROM s3(s3_conn, filename='t_03363_function/**.parquet'); ┌─_path──────────────────────────────────────────────────────────────────────┬─id─┬─country─┬─year─┐ 1. │ test/t_03363_function/year=2020/country=Russia/7351295896279887872.parquet │ 1 │ Russia │ 2020 │ └────────────────────────────────────────────────────────────────────────────┴────┴─────────┴──────┘ ``` **Примеры стратегии партиционирования `WILDCARD`** 1. Использование идентификатора партиции в ключе создаёт отдельные файлы: ```sql theme={null} INSERT INTO TABLE FUNCTION s3('http://bucket.amazonaws.com/my_bucket/file_{_partition_id}.csv', 'CSV', 'a String, b UInt32, c UInt32') PARTITION BY a VALUES ('x', 2, 3), ('x', 4, 5), ('y', 11, 12), ('y', 13, 14), ('z', 21, 22), ('z', 23, 24); ``` В результате данные записываются в три файла: `file_x.csv`, `file_y.csv` и `file_z.csv`. 2. Использование идентификатора партиции в имени бакета приводит к созданию файлов в разных бакетах: ```sql theme={null} INSERT INTO TABLE FUNCTION s3('http://bucket.amazonaws.com/my_bucket_{_partition_id}/file.csv', 'CSV', 'a UInt32, b UInt32, c UInt32') PARTITION BY a VALUES (1, 2, 3), (1, 4, 5), (10, 11, 12), (10, 13, 14), (20, 21, 22), (20, 23, 24); ``` В результате данные записываются в три файла в разных бакетах: `my_bucket_1/file.csv`, `my_bucket_10/file.csv` и `my_bucket_20/file.csv`.
## Доступ к публичным бакетам
ClickHouse пытается получить учетные данные из самых разных источников. Иногда это может вызывать проблемы при доступе к некоторым публичным бакетам, из-за чего клиент возвращает ошибку с кодом `403`. Этой проблемы можно избежать, используя ключевое слово `NOSIGN`, которое заставляет клиент игнорировать все учетные данные и не подписывать запросы. ```sql theme={null} SELECT * FROM s3( 'https://datasets-documentation.s3.eu-west-3.amazonaws.com/aapl_stock.csv', NOSIGN, 'CSVWithNames' ) LIMIT 5; ```
## Использование учетных данных S3 (ClickHouse Cloud)
Для закрытых бакетов можно передать в функцию `aws_access_key_id` и `aws_secret_access_key`. Например: ```sql theme={null} SELECT count() FROM s3('https://datasets-documentation.s3.eu-west-3.amazonaws.com/mta/*.tsv', '', '','TSVWithNames') ``` Это подходит для разового доступа или для случаев, когда учётные данные можно легко сменить. Однако в качестве долгосрочного решения для регулярного доступа или при работе с конфиденциальными учётными данными это не рекомендуется. В таких случаях мы рекомендуем использовать ролевой доступ. Ролевой доступ к S3 в ClickHouse Cloud описан [здесь](/ru/products/cloud/guides/data-sources/accessing-s3-data-securely). После настройки `roleARN` можно передать в функцию s3 через параметр `extra_credentials`. Например: ```sql theme={null} SELECT count() FROM s3('https://datasets-documentation.s3.eu-west-3.amazonaws.com/mta/*.tsv','CSVWithNames',extra_credentials(role_arn = 'arn:aws:iam::111111111111:role/ClickHouseAccessRole-001')) ``` Другие примеры можно найти [здесь](/ru/products/cloud/guides/data-sources/accessing-s3-data-securely#access-your-s3-bucket-with-the-clickhouseaccess-role)
## Работа с архивами
Предположим, что у нас есть несколько архивных файлов со следующими URI в S3: * '[https://s3-us-west-1.amazonaws.com/umbrella-static/top-1m-2018-01-10.csv.zip\'](https://s3-us-west-1.amazonaws.com/umbrella-static/top-1m-2018-01-10.csv.zip\'); * '[https://s3-us-west-1.amazonaws.com/umbrella-static/top-1m-2018-01-11.csv.zip\'](https://s3-us-west-1.amazonaws.com/umbrella-static/top-1m-2018-01-11.csv.zip\'); * '[https://s3-us-west-1.amazonaws.com/umbrella-static/top-1m-2018-01-12.csv.zip\'](https://s3-us-west-1.amazonaws.com/umbrella-static/top-1m-2018-01-12.csv.zip\'); Извлечь данные из этих архивов можно с помощью ::. Глоб-шаблоны можно использовать как в части URL, так и в части после :: (которая отвечает за имя файла внутри архива). ```sql theme={null} SELECT * FROM s3( 'https://s3-us-west-1.amazonaws.com/umbrella-static/top-1m-2018-01-1{0..2}.csv.zip :: *.csv' ); ``` ClickHouse поддерживает три формата архивов: ZIP TAR 7Z Хотя к архивам ZIP и TAR можно обращаться из любого поддерживаемого хранилища, архивы 7Z можно читать только из локальной файловой системы, где установлен ClickHouse.
## Вставка данных
Обратите внимание: строки можно вставлять только в новые файлы. Циклы слияния и операции разбиения файлов не поддерживаются. После записи файла все последующие вставки завершатся ошибкой. Подробнее см. [здесь](/ru/integrations/connectors/data-ingestion/AWS/integrating-s3-with-clickhouse#inserting-data).
## Виртуальные столбцы
* `_path` — Путь к файлу. Тип: `LowCardinality(String)`. Для архива показывает путь в формате: `"{path_to_archive}::{path_to_file_inside_archive}"` * `_file` — Имя файла. Тип: `LowCardinality(String)`. Для архива показывает имя файла внутри архива. * `_size` — Размер файла в байтах. Тип: `Nullable(UInt64)`. Если размер файла неизвестен, значение — `NULL`. Для архива показывает несжатый размер файла внутри архива. * `_time` — Время последнего изменения файла. Тип: `Nullable(DateTime)`. Если время неизвестно, значение — `NULL`.
## Настройка use\_hive\_partitioning
Это указание для ClickHouse разбирать при чтении файлы, разбитые на секции в стиле Hive. На запись оно не влияет. Для симметричного чтения и записи используйте аргумент `partition_strategy`. Если для настройки `use_hive_partitioning` установлено значение 1, ClickHouse будет распознавать секционирование в стиле Hive в пути (`/name=value/`) и позволит использовать столбцы партиции в запросе как виртуальные столбцы. Эти виртуальные столбцы будут иметь те же имена, что и в пути с партициями. **Пример** ```sql theme={null} SELECT * FROM s3('s3://data/path/date=*/country=*/code=*/*.parquet') WHERE date > '2020-01-01' AND country = 'Netherlands' AND code = 42; ```
## Доступ к requester-pays бакетам
Чтобы получить доступ к requester-pays бакету, во все запросы необходимо добавлять заголовок `x-amz-request-payer = requester`. Для этого в функцию `s3` передаётся параметр `headers('x-amz-request-payer' = 'requester')`. Например: ```sql theme={null} SELECT count() AS num_rows, uniqExact(_file) AS num_files FROM s3('https://coiled-datasets-rp.s3.us-east-1.amazonaws.com/1trc/measurements-100*.parquet', 'AWS_ACCESS_KEY_ID', 'AWS_SECRET_ACCESS_KEY', headers('x-amz-request-payer' = 'requester')) ┌───num_rows─┬─num_files─┐ │ 1110000000 │ 111 │ └────────────┴───────────┘ 1 row in set. Elapsed: 3.089 sec. Processed 1.09 billion rows, 0.00 B (353.55 million rows/s., 0.00 B/s.) Peak memory usage: 192.27 KiB. ```
## Настройки хранилища
* [s3\_truncate\_on\_insert](/ru/reference/settings/session-settings#s3_truncate_on_insert) - позволяет очищать файл перед вставкой в него. По умолчанию отключено. * [s3\_create\_new\_file\_on\_insert](/ru/reference/settings/session-settings#s3_create_new_file_on_insert) - позволяет создавать новый файл при каждой вставке, если формат имеет суффикс. По умолчанию отключено. * [s3\_skip\_empty\_files](/ru/reference/settings/session-settings#s3_skip_empty_files) - позволяет пропускать пустые файлы при чтении. По умолчанию включено.
## Вложенные схемы Avro
При чтении файлов Avro, содержащих **вложенные записи**, которые различаются от файла к файлу (например, в некоторых файлах внутри вложенного объекта есть дополнительное поле), ClickHouse может вернуть ошибку вида: > Количество листьев в записи не соответствует количеству элементов в кортеже... Это происходит потому, что ClickHouse ожидает, что структуры всех вложенных записей будут соответствовать одной и той же схеме. Чтобы обработать такой сценарий, можно: * Использовать `schema_inference_mode='union'` для объединения разных схем вложенных записей, или * Вручную привести вложенные структуры к одному виду и включить `use_structure_from_insertion_table_in_table_functions=1`. **Примечание о производительности** `schema_inference_mode='union'` может работать медленнее на очень больших наборах данных в S3, поскольку для определения схемы нужно просканировать каждый файл. **Пример** ```sql theme={null} INSERT INTO data_stage SELECT id, data FROM s3('https://bucket-name/*.avro', 'Avro') SETTINGS schema_inference_mode='union'; ## Связанные материалы - [Движок S3](/reference/engines/table-engines/integrations/s3) - [Интеграция S3 с ClickHouse](/integrations/connectors/data-ingestion/AWS/integrating-s3-with-clickhouse) ```