> ## 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.
# S3 バケット内のデータをクエリする方法
> chDB を使用して S3 バケット内のデータをクエリする方法を学びます。
世界中の多くのデータは Amazon S3 バケットに保存されています。
このガイドでは、chDB を使ってそれらのデータをクエリする方法を説明します。
## セットアップ
まず、仮想環境を作成します。
```bash theme={null}
python -m venv .venv
source .venv/bin/activate
```
それでは、chDB をインストールします。
バージョン 2.0.2 以降であることを確認してください。
```bash theme={null}
pip install "chdb>=2.0.2"
```
では、IPython をインストールします。
```bash theme={null}
pip install ipython
```
このガイドの残りでは、コマンドの実行に `ipython` を使用します。次を実行すると起動できます。
```bash theme={null}
ipython
```
このコードは、Pythonスクリプトや使い慣れたノートブックでも使用できます。
## S3バケット内のファイルを一覧表示する
まずは、[Amazonレビューを含む S3バケット](/docs/ja/get-started/sample-datasets/amazon-reviews) 内のすべてのファイルを一覧表示してみましょう。
これを行うには、[`s3` テーブル関数](/docs/ja/reference/functions/table-functions/s3) を使用し、ファイルへのパス、または複数のファイルを対象とするワイルドカードを渡します。
バケット名だけを渡すと、例外が発生します。
また、ファイルが解析されないように [`One`](/docs/ja/reference/formats/One) 入力フォーマットも使用します。これにより、ファイルごとに1行だけが返され、`_file` 仮想カラムでファイルに、`_path` 仮想カラムでパスにアクセスできます。
```python theme={null}
import chdb
chdb.query("""
SELECT
_file,
_path
FROM s3('s3://datasets-documentation/amazon_reviews/*.parquet', One)
SETTINGS output_format_pretty_row_numbers=0
""", 'PrettyCompact')
```
```text theme={null}
┌─_file───────────────────────────────┬─_path─────────────────────────────────────────────────────────────────────┐
│ amazon_reviews_2010.snappy.parquet │ datasets-documentation/amazon_reviews/amazon_reviews_2010.snappy.parquet │
│ amazon_reviews_1990s.snappy.parquet │ datasets-documentation/amazon_reviews/amazon_reviews_1990s.snappy.parquet │
│ amazon_reviews_2013.snappy.parquet │ datasets-documentation/amazon_reviews/amazon_reviews_2013.snappy.parquet │
│ amazon_reviews_2015.snappy.parquet │ datasets-documentation/amazon_reviews/amazon_reviews_2015.snappy.parquet │
│ amazon_reviews_2014.snappy.parquet │ datasets-documentation/amazon_reviews/amazon_reviews_2014.snappy.parquet │
│ amazon_reviews_2012.snappy.parquet │ datasets-documentation/amazon_reviews/amazon_reviews_2012.snappy.parquet │
│ amazon_reviews_2000s.snappy.parquet │ datasets-documentation/amazon_reviews/amazon_reviews_2000s.snappy.parquet │
│ amazon_reviews_2011.snappy.parquet │ datasets-documentation/amazon_reviews/amazon_reviews_2011.snappy.parquet │
└─────────────────────────────────────┴───────────────────────────────────────────────────────────────────────────┘
```
このバケットにはParquetファイルのみが格納されています。
## S3バケット内のファイルをクエリする
次に、これらのファイルに対してクエリを実行する方法を見ていきましょう。
これらの各ファイルの行数を数えるには、次のクエリを実行できます。
```python theme={null}
chdb.query("""
SELECT
_file,
count() AS count,
formatReadableQuantity(count) AS readableCount
FROM s3('s3://datasets-documentation/amazon_reviews/*.parquet')
GROUP BY ALL
SETTINGS output_format_pretty_row_numbers=0
""", 'PrettyCompact')
```
```text theme={null}
┌─_file───────────────────────────────┬────count─┬─readableCount───┐
│ amazon_reviews_2013.snappy.parquet │ 28034255 │ 28.03 million │
│ amazon_reviews_1990s.snappy.parquet │ 639532 │ 639.53 thousand │
│ amazon_reviews_2011.snappy.parquet │ 6112495 │ 6.11 million │
│ amazon_reviews_2015.snappy.parquet │ 41905631 │ 41.91 million │
│ amazon_reviews_2012.snappy.parquet │ 11541011 │ 11.54 million │
│ amazon_reviews_2000s.snappy.parquet │ 14728295 │ 14.73 million │
│ amazon_reviews_2014.snappy.parquet │ 44127569 │ 44.13 million │
│ amazon_reviews_2010.snappy.parquet │ 3868472 │ 3.87 million │
└─────────────────────────────────────┴──────────┴─────────────────┘
```
S3 バケットの HTTP URI を指定しても、同じ結果が得られます:
```python theme={null}
chdb.query("""
SELECT
_file,
count() AS count,
formatReadableQuantity(count) AS readableCount
FROM s3('https://datasets-documentation.s3.eu-west-3.amazonaws.com/amazon_reviews/*.parquet')
GROUP BY ALL
SETTINGS output_format_pretty_row_numbers=0
""", 'PrettyCompact')
```
`DESCRIBE` 句を使用して、これらの Parquet ファイルのスキーマを見てみましょう:
```python theme={null}
chdb.query("""
DESCRIBE s3('s3://datasets-documentation/amazon_reviews/*.parquet')
SETTINGS describe_compact_output=1
""", 'PrettyCompact')
```
```text theme={null}
┌─name──────────────┬─type─────────────┐
1. │ review_date │ Nullable(UInt16) │
2. │ marketplace │ Nullable(String) │
3. │ customer_id │ Nullable(UInt64) │
4. │ review_id │ Nullable(String) │
5. │ product_id │ Nullable(String) │
6. │ product_parent │ Nullable(UInt64) │
7. │ product_title │ Nullable(String) │
8. │ product_category │ Nullable(String) │
9. │ star_rating │ Nullable(UInt8) │
10. │ helpful_votes │ Nullable(UInt32) │
11. │ total_votes │ Nullable(UInt32) │
12. │ vine │ Nullable(Bool) │
13. │ verified_purchase │ Nullable(Bool) │
14. │ review_headline │ Nullable(String) │
15. │ review_body │ Nullable(String) │
└───────────────────┴──────────────────┘
```
それでは、レビュー数に基づく上位の商品カテゴリを求め、あわせて平均スター評価も計算してみましょう。
```python theme={null}
chdb.query("""
SELECT product_category, count() AS reviews, round(avg(star_rating), 2) as avg
FROM s3('s3://datasets-documentation/amazon_reviews/*.parquet')
GROUP BY ALL
LIMIT 10
""", 'PrettyCompact')
```
```text theme={null}
┌─product_category─┬──reviews─┬──avg─┐
1. │ Toys │ 4864056 │ 4.21 │
2. │ Apparel │ 5906085 │ 4.11 │
3. │ Luggage │ 348644 │ 4.22 │
4. │ Kitchen │ 4880297 │ 4.21 │
5. │ Books │ 19530930 │ 4.34 │
6. │ Outdoors │ 2302327 │ 4.24 │
7. │ Video │ 380596 │ 4.19 │
8. │ Grocery │ 2402365 │ 4.31 │
9. │ Shoes │ 4366757 │ 4.24 │
10. │ Jewelry │ 1767667 │ 4.14 │
└──────────────────┴──────────┴──────┘
```
## プライベートな S3 バケット内のファイルをクエリする
プライベートな S3 バケット内のファイルをクエリする場合は、アクセスキーとシークレットキーを渡す必要があります。
これらの認証情報は `s3` テーブル関数に渡せます。
```python theme={null}
chdb.query("""
SELECT product_category, count() AS reviews, round(avg(star_rating), 2) as avg
FROM s3('s3://datasets-documentation/amazon_reviews/*.parquet', 'access-key', 'secret')
GROUP BY ALL
LIMIT 10
""", 'PrettyCompact')
```
このクエリは、バケットが公開されているため動作しません。
別の方法として、[named collections](/docs/ja/concepts/features/configuration/server-config/named-collections)を使用することもできますが、この方法はまだ chDB ではサポートされていません。