Skip to main content
يُخزَّن قدر كبير من بيانات العالم في حاويات Amazon S3. في هذا الدليل، سنتعلّم كيفية الاستعلام عن هذه البيانات باستخدام chDB.

الإعداد

لننشئ أولًا بيئة افتراضية:
والآن سنثبّت chDB. تأكّد من استخدام الإصدار 2.0.2 أو أحدث:
والآن سنثبّت IPython:
سنستخدم ipython لتشغيل الأوامر في بقية هذا الدليل، ويمكنك تشغيله عبر تنفيذ:
يمكنك أيضًا استخدام الشيفرة في برنامج نصي بلغة Python أو في دفتر ملاحظاتك المفضل.

استكشاف البيانات الوصفية لملف Parquet

سنستكشف ملف Parquet من مجموعة بيانات مراجعات Amazon. لكن أولًا، لِنُثبِّت chDB:
عند الاستعلام عن ملفات Parquet، يمكننا استخدام تنسيق الإدخال ParquetMetadata لإرجاع بيانات Parquet الوصفية بدلًا من محتوى الملف. لنستخدم عبارة DESCRIBE للاطلاع على الحقول التي تُعاد عند استخدام هذا التنسيق:
لنلقِ الآن نظرة على البيانات الوصفية لهذا الملف. يحتوي كلٌّ من columns وrow_groups على مصفوفات من tuples تتضمن العديد من الخصائص، لذا سنستبعدهما مؤقتًا.
يتضح من هذا الناتج أن ملف Parquet هذا يحتوي على أكثر من 40 مليون صف، مقسّمة على 42 مجموعة صفوف، مع 15 عمودًا من البيانات في كل صف. مجموعة الصفوف هي تقسيم أفقي منطقي للبيانات إلى صفوف. ترتبط بيانات وصفية بكل مجموعة صفوف، ويمكن لأدوات الاستعلام الاستفادة من هذه البيانات الوصفية للاستعلام عن الملف بكفاءة. لنلقِ نظرة على إحدى مجموعات الصفوف:

الاستعلام عن ملفات Parquet

بعد ذلك، لنستعلم عن محتويات الملف. يمكننا فعل ذلك بتعديل الاستعلام أعلاه لإزالة ParquetMetadata، ثم، على سبيل المثال، حساب قيمة star_rating الأكثر شيوعًا بين جميع المراجعات:
ومن اللافت للاهتمام أن عدد المراجعات ذات الخمس نجوم يفوق مجموع جميع التقييمات الأخرى! ويبدو أن الناس يحبّون المنتجات على Amazon، أو أنهم إذا لم تعجبهم، فلا يقدّمون تقييمًا.
آخر تعديل في ٢٣ يوليو ٢٠٢٦