Skip to main content
Une grande partie des données mondiales se trouve dans des buckets Amazon S3. Dans ce guide, nous allons voir comment interroger ces données à l’aide de chDB.

Préparation

Commençons par créer un environnement virtuel :
Et maintenant, nous allons installer chDB. Assurez-vous d’avoir la version 2.0.2 ou une version ultérieure :
Nous allons maintenant installer IPython :
Nous allons utiliser ipython pour exécuter les commandes dans la suite de ce guide, que vous pouvez lancer en exécutant :
Vous pouvez également utiliser le code dans un script Python ou votre notebook préféré.

Exploration des métadonnées Parquet

Nous allons explorer un fichier Parquet du jeu de données avis Amazon. Mais d’abord, installons chDB :
Lorsque nous interrogeons des fichiers Parquet, nous pouvons utiliser le format d’entrée ParquetMetadata pour renvoyer les métadonnées Parquet plutôt que le contenu du fichier. Utilisons la clause DESCRIBE pour voir les champs renvoyés avec ce format :
Examinons maintenant les métadonnées de ce fichier. columns et row_groups contiennent tous deux des tableaux de tuples avec de nombreuses propriétés ; nous allons donc les exclure pour l’instant.
D’après cette sortie, on voit que ce fichier Parquet contient plus de 40 millions de lignes, réparties en 42 groupes de lignes, avec 15 colonnes de données par ligne. Un groupe de lignes correspond à une partition logique horizontale des données en lignes. Chaque groupe de lignes possède des métadonnées associées, et les outils de requête peuvent exploiter ces métadonnées pour interroger efficacement le fichier. Jetons un coup d’œil à l’un des groupes de lignes :

Interroger les fichiers Parquet

Ensuite, interrogeons le contenu du fichier. Pour cela, il suffit d’adapter la requête ci-dessus en supprimant ParquetMetadata, puis, par exemple, de calculer la valeur star_rating la plus fréquente parmi tous les avis :
Fait intéressant, il y a plus d’avis 5 étoiles que toutes les autres notes réunies ! On dirait que les gens apprécient les produits sur Amazon ou, quand ce n’est pas le cas, ils ne prennent tout simplement pas la peine de laisser une note.
Dernière modification le 23 juillet 2026