Fonctionnalités clés
- Moteur SQL OLAP in-process - Propulsé par ClickHouse, inutile d’installer serveur ClickHouse
- Multiples formats de données - Prise en charge en entrée et en sortie de Parquet, CSV, JSON, Arrow, ORC et de 70 formats supplémentaires
- Copie de données réduite au minimum - De C++ vers Python avec memoryview de Python
- Intégration poussée à l’écosystème Python - Prise en charge native de Pandas, Arrow, DB API 2.0, s’intègre parfaitement aux workflows de data science existants
- Zéro dépendance - Aucune installation externe de base de données n’est nécessaire
- DataStore API - API compatible avec Pandas, avec optimisation SQL, prenant en charge plus de 630 méthodes
DataStore : API compatible avec pandas
Migration en une seule ligne
Points forts des performances
Benchmarks sur 10 M de lignes
Fonctionnalités de DataStore
- 630+ méthodes d’API - 209 méthodes de pandas DataFrame, plus de 185 méthodes d’accesseur
- Évaluation différée - Les opérations se compilent en SQL optimisé
- SQL pushdown - Les filtres et les agrégations s’exécutent au niveau de la source de données
- Sources de données universelles - Lecture depuis des fichiers, S3, des bases de données et des lacs de données
Quels langages sont pris en charge par chDB ?
Comment commencer ?
- Si vous utilisez Go, Rust, NodeJS, Bun ou C et C++, consultez les pages dédiées à ces langages.
- Si vous utilisez Python, consultez le guide de prise en main pour les développeurs ou le cours à la demande sur chDB.
Pour les utilisateurs de pandas
- Guide de démarrage rapide de DataStore - Installation et migration en une ligne
- Migration depuis pandas - Guide de migration étape par étape
- Livre de recettes pandas - Cas d’usage courants
- Différences clés - Différences importantes par rapport à pandas
- Guide des performances - Conseils d’optimisation
Référence de l’API DataStore
- Méthodes de fabrique - Créer à partir de fichiers, de bases de données et du stockage cloud
- Construction de requêtes - Opérations de type SQL
- Compatibilité Pandas - 209 méthodes compatibles
- Accesseurs - .str, .dt, .arr, .json, .url, .ip, .geo
- Configuration - Moteur, journalisation, profilage
- Débogage - explain(), profilage, journalisation
Guides de l’API SQL
- Référence de l’API Python - Documentation complète de l’API SQL
- JupySQL
- Interroger Pandas
- Interroger Apache Arrow
- Interroger des données sur S3
- Interroger des fichiers Parquet
- Interroger une instance ClickHouse distante
- Utiliser la base de données clickhouse-local
Une vidéo d’introduction
Benchmarks de performance
- ClickBench des moteurs embarqués - Comparaison des performances de l’API SQL
- DataFrame Benchmark - Comparaison des moteurs DataFrame
- DataStore vs Pandas - Jusqu’à 20 fois plus rapide que Pandas pour les opérations courantes
À propos de chDB
- Lisez toute l’histoire de la naissance du projet chDB sur le blog
- Découvrez chDB et ses cas d’utilisation sur le blog
- Suivez le cours chDB à la demande
- Découvrez chDB dans votre navigateur grâce aux exemples codapi
- Pour plus d’exemples, voir (https://github.com/chdb-io/chdb/tree/main/examples)