> ## Documentation Index > Fetch the complete documentation index at: https://clickhouse.com/docs/llms.txt > Use this file to discover all available pages before exploring further. # البدء مع chDB > chDB هو محرك SQL OLAP يعمل داخل العملية ومدعوم من ClickHouse في هذا الدليل، سنبدأ باستخدام إصدار chDB الخاص ببايثون. سنبدأ بالاستعلام عن ملف JSON على S3، ثم سننشئ جدولًا في chDB استنادًا إلى ملف JSON، ونُجري بعض الاستعلامات على البيانات. وسنرى أيضًا كيفية إرجاع الاستعلامات للبيانات بتنسيقات مختلفة، بما في ذلك Apache Arrow وPandas، وأخيرًا سنتعلم كيفية الاستعلام عن Pandas DataFrames.
## التهيئة
لنبدأ أولًا بإنشاء بيئة افتراضية: ```bash theme={null} python -m venv .venv source .venv/bin/activate ``` والآن سنقوم بتثبيت chDB. تأكد من أن لديك الإصدار 2.0.3 أو أحدث: ```bash theme={null} pip install "chdb>=2.0.2" ``` والآن سنثبّت [ipython](https://ipython.org/): ```bash theme={null} pip install ipython ``` سنستخدم `ipython` لتشغيل الأوامر في بقية هذا الدليل، ويمكنك تشغيله بتنفيذ: ```bash theme={null} ipython ``` سنستخدم أيضًا Pandas وApache Arrow في هذا الدليل، لذا فلنثبّت هاتين المكتبتين أيضًا: ```bash theme={null} pip install pandas pyarrow ```
## الاستعلام عن ملف JSON في S3
لنلقِ الآن نظرة على كيفية الاستعلام عن ملف JSON مخزَّن في حاوية S3. تحتوي [مجموعة بيانات حالات عدم الإعجاب على YouTube](/docs/ar/get-started/sample-datasets/youtube-dislikes) على أكثر من 4 مليارات صف من حالات عدم الإعجاب بمقاطع فيديو YouTube حتى عام 2021. سنعمل على أحد ملفات JSON من مجموعة البيانات هذه. استورد chdb: ```python theme={null} import chdb ``` يمكن كتابة الاستعلام التالي لوصف بنية أحد ملفات JSON: ```python theme={null} chdb.query( """ DESCRIBE s3( 's3://clickhouse-public-datasets/youtube/original/files/' || 'youtubedislikes_20211127161229_18654868.1637897329_vid.json.zst', 'JSONLines' ) SETTINGS describe_compact_output=1 """ ) ``` ```text theme={null} "id","Nullable(String)" "fetch_date","Nullable(String)" "upload_date","Nullable(String)" "title","Nullable(String)" "uploader_id","Nullable(String)" "uploader","Nullable(String)" "uploader_sub_count","Nullable(Int64)" "is_age_limit","Nullable(Bool)" "view_count","Nullable(Int64)" "like_count","Nullable(Int64)" "dislike_count","Nullable(Int64)" "is_crawlable","Nullable(Bool)" "is_live_content","Nullable(Bool)" "has_subtitles","Nullable(Bool)" "is_ads_enabled","Nullable(Bool)" "is_comments_enabled","Nullable(Bool)" "description","Nullable(String)" "rich_metadata","Array(Tuple( call Nullable(String), content Nullable(String), subtitle Nullable(String), title Nullable(String), url Nullable(String)))" "super_titles","Array(Tuple( text Nullable(String), url Nullable(String)))" "uploader_badges","Nullable(String)" "video_badges","Nullable(String)" ``` يمكننا أيضًا حساب عدد الصفوف في ذلك الملف: ```python theme={null} chdb.query( """ SELECT count() FROM s3( 's3://clickhouse-public-datasets/youtube/original/files/' || 'youtubedislikes_20211127161229_18654868.1637897329_vid.json.zst', 'JSONLines' )""" ) ``` ```text theme={null} 336432 ``` يحتوي هذا الملف على أكثر قليلًا من 300,000 سجل. لا يدعم `chdb` حتى الآن تمرير query parameters، لكن يمكننا استخراج المسار وتمريره باستخدام `f-String`. ```python theme={null} path = 's3://clickhouse-public-datasets/youtube/original/files/youtubedislikes_20211127161229_18654868.1637897329_vid.json.zst' ``` ```python theme={null} chdb.query( f""" SELECT count() FROM s3('{path}','JSONLines') """ ) ``` لا بأس في فعل ذلك باستخدام المتغيرات المعرّفة في برنامجك، لكن لا تفعل ذلك مع المُدخلات التي يوفّرها المستخدم، وإلا فسيصبح الاستعلام عرضة لحقن SQL.
## تهيئة تنسيق الإخراج
تنسيق الإخراج الافتراضي هو `CSV`، لكن يمكن تغييره عبر المعلَمة `output_format`. يدعم chDB تنسيقات بيانات ClickHouse، بالإضافة إلى [بعض التنسيقات الخاصة به](/docs/ar/chdb/reference/data-formats)، بما في ذلك `DataFrame`، الذي يُرجع Pandas DataFrame: ```python theme={null} result = chdb.query( f""" SELECT is_ads_enabled, count() FROM s3('{path}','JSONLines') GROUP BY ALL """, output_format="DataFrame" ) print(type(result)) print(result) ``` ```text theme={null} is_ads_enabled count() 0 False 301125 1 True 35307 ``` أو إذا أردنا استرجاع جدول Apache Arrow: ```python theme={null} result = chdb.query( f""" SELECT is_live_content, count() FROM s3('{path}','JSONLines') GROUP BY ALL """, output_format="ArrowTable" ) print(type(result)) print(result) ``` ```text theme={null} pyarrow.Table is_live_content: bool count(): uint64 not null ---- is_live_content: [[false,true]] count(): [[315746,20686]] ```
## إنشاء جدول من ملف JSON
بعد ذلك، لنلقِ نظرة على كيفية إنشاء جدول في chDB. نحتاج إلى استخدام واجهة برمجة تطبيقات مختلفة لذلك، لذا لنستوردها أولًا: ```python theme={null} from chdb import session as chs ``` بعد ذلك، سنُهيِّئ جلسة. إذا أردنا الاحتفاظ بالجلسة على القرص، فعلينا تحديد اسم دليل. إذا تركناه فارغًا، فستكون قاعدة البيانات في الذاكرة وستفقد بمجرد إنهاء عملية بايثون. ```python theme={null} sess = chs.Session("gettingStarted.chdb") ``` بعد ذلك، سنُنشئ قاعدة بيانات: ```python theme={null} sess.query("CREATE DATABASE IF NOT EXISTS youtube") ``` يمكننا الآن إنشاء جدول `dislikes` استنادًا إلى المخطط المستنتَج من ملف JSON، باستخدام أسلوب `CREATE...EMPTY AS`. سنستخدم الإعداد [`schema_inference_make_columns_nullable`](/docs/ar/reference/settings/formats#schema_inference_make_columns_nullable) حتى لا تصبح جميع أنواع الأعمدة من النوع `Nullable`. ```python theme={null} sess.query(f""" CREATE TABLE youtube.dislikes ORDER BY fetch_date EMPTY AS SELECT * FROM s3('{path}','JSONLines') SETTINGS schema_inference_make_columns_nullable=0 """ ) ``` يمكننا بعد ذلك استخدام عبارة `DESCRIBE` لفحص المخطط: ```python theme={null} sess.query(f""" DESCRIBE youtube.dislikes SETTINGS describe_compact_output=1 """ ) ``` ```text theme={null} "id","String" "fetch_date","String" "upload_date","String" "title","String" "uploader_id","String" "uploader","String" "uploader_sub_count","Int64" "is_age_limit","Bool" "view_count","Int64" "like_count","Int64" "dislike_count","Int64" "is_crawlable","Bool" "is_live_content","Bool" "has_subtitles","Bool" "is_ads_enabled","Bool" "is_comments_enabled","Bool" "description","String" "rich_metadata","Array(Tuple( call String, content String, subtitle String, title String, url String))" "super_titles","Array(Tuple( text String, url String))" "uploader_badges","String" "video_badges","String" ``` بعد ذلك، لنملأ ذلك الجدول بالبيانات: ```python theme={null} sess.query(f""" INSERT INTO youtube.dislikes SELECT * FROM s3('{path}','JSONLines') SETTINGS schema_inference_make_columns_nullable=0 """ ) ``` يمكننا أيضًا تنفيذ هاتين الخطوتين معًا في خطوة واحدة باستخدام تقنية `CREATE...AS`. لنُنشئ جدولًا مختلفًا باستخدام هذه التقنية: ```python theme={null} sess.query(f""" CREATE TABLE youtube.dislikes2 ORDER BY fetch_date AS SELECT * FROM s3('{path}','JSONLines') SETTINGS schema_inference_make_columns_nullable=0 """ ) ```
## الاستعلام عن جدول
أخيرًا، لنُجرِ استعلامًا على الجدول: ```sql theme={null} df = sess.query(""" SELECT uploader, sum(view_count) AS viewCount, sum(like_count) AS likeCount, sum(dislike_count) AS dislikeCount FROM youtube.dislikes GROUP BY ALL ORDER BY viewCount DESC LIMIT 10 """, "DataFrame" ) df ``` ```text theme={null} uploader viewCount likeCount dislikeCount 0 Jeremih 139066569 812602 37842 1 TheKillersMusic 109313116 529361 11931 2 LetsGoMartin- Canciones Infantiles 104747788 236615 141467 3 Xiaoying Cuisine 54458335 1031525 37049 4 Adri 47404537 279033 36583 5 Diana and Roma IND 43829341 182334 148740 6 ChuChuTV Tamil 39244854 244614 213772 7 Cheez-It 35342270 108 27 8 Anime Uz 33375618 1270673 60013 9 RC Cars OFF Road 31952962 101503 49489 ``` لنفترض أننا أضفنا بعد ذلك عمودًا إضافيًا إلى DataFrame لحساب نسبة الإعجابات إلى حالات عدم الإعجاب. يمكننا كتابة الشيفرة التالية: ```python theme={null} df["likeDislikeRatio"] = df["likeCount"] / df["dislikeCount"] ```
## الاستعلام عن Pandas DataFrame
يمكننا بعد ذلك إجراء استعلامات على Pandas DataFrame هذه باستخدام chDB: ```python theme={null} chdb.query( """ SELECT uploader, likeDislikeRatio FROM Python(df) """, output_format="DataFrame" ) ``` ```text theme={null} uploader likeDislikeRatio 0 Jeremih 21.473548 1 TheKillersMusic 44.368536 2 LetsGoMartin- Canciones Infantiles 1.672581 3 Xiaoying Cuisine 27.842182 4 Adri 7.627395 5 Diana and Roma IND 1.225857 6 ChuChuTV Tamil 1.144275 7 Cheez-It 4.000000 8 Anime Uz 21.173296 9 RC Cars OFF Road 2.051021 ``` يمكنك أيضًا قراءة المزيد عن الاستعلام عن Pandas DataFrames في [دليل المطورين للاستعلام عن Pandas DataFrames](/docs/ar/chdb/guides/querying-pandas).
## الخطوات التالية
نأمل أن يكون هذا الدليل قد قدّم لك لمحة عامة جيدة عن chDB. لمعرفة المزيد حول كيفية استخدامه، راجع أدلة المطورين التالية: * [الاستعلام عن Pandas DataFrames](/docs/ar/chdb/guides/querying-pandas) * [الاستعلام عن Apache Arrow](/docs/ar/chdb/guides/querying-apache-arrow) * [استخدام chDB في JupySQL](/docs/ar/chdb/guides/jupysql) * [استخدام chDB مع قاعدة بيانات clickhouse-local حالية](/docs/ar/chdb/guides/clickhouse-local)