실시간 분석데이터 웨어하우징CloudOSS
개요
사전 요구 사항
1
새 테이블 생성
New York City 택시 데이터셋에는 수백만 건의 택시 운행에 관한 세부 정보가 포함되어 있으며, 팁 금액, 통행료, 결제 유형 등의 컬럼을 제공합니다. 이 데이터를 저장할 테이블을 생성합니다.
-
SQL 콘솔에 연결합니다.
- ClickHouse Cloud에서는 드롭다운 메뉴에서 서비스를 선택한 후 왼쪽 탐색 메뉴에서 SQL Console을 선택합니다.
- 자가 관리형 ClickHouse에서는
https://_hostname_:8443/play에서 SQL 콘솔에 연결합니다. 자세한 내용은 ClickHouse 관리자에게 문의하십시오.
-
default데이터베이스에 다음trips테이블을 생성합니다.
2
데이터셋 추가
테이블을 만들었으니 이제 S3의 CSV 파일에서 New York City 택시 데이터를 추가합니다.
-
다음 명령은 S3의 두 파일
trips_1.tsv.gz와trips_2.tsv.gz에서trips테이블로 약 2,000,000개의 행을 삽입합니다. -
INSERT가 완료될 때까지 기다리십시오. 150 MB의 데이터를 다운로드하는 데 잠시 걸릴 수 있습니다. -
삽입이 완료되면 정상적으로 수행되었는지 확인하십시오.
이 쿼리는 1,999,657개의 행을 반환해야 합니다.
3
데이터 분석
몇 가지 쿼리를 실행해 데이터를 분석해 보십시오. 다음 예시를 살펴보거나 직접 작성한 SQL 쿼리를 실행해 보십시오.
-
평균 팁 금액을 계산합니다:
예상 출력
-
승객 수를 기준으로 평균 비용을 계산합니다:
예상 출력
passenger_count는 0부터 9까지의 값을 가집니다. -
지역별 일일 승차 횟수를 계산합니다.
예상 출력
-
각 이동의 소요 시간을 분 단위로 계산한 다음, 소요 시간별로 결과를 그룹화합니다:
예상 출력
-
각 지역의 시간대별 승차 수를 표시합니다:
예상 출력
-
LaGuardia 또는 JFK 공항으로 가는 운행 기록을 조회합니다:
예상 출력
4
딕셔너리 생성
딕셔너리(Dictionary)는 메모리에 저장되는 key-value 쌍의 매핑입니다. 자세한 내용은 Dictionaries를 참조하십시오ClickHouse 서비스의 테이블과 연결된 딕셔너리를 생성합니다.
이 테이블과 딕셔너리는 뉴욕시의 각 지역(neighborhood)마다 하나의 행을 포함하는 CSV 파일을 기반으로 합니다.각 지역(neighborhood)은 뉴욕시의 5개 자치구(borough) 이름(Bronx, Brooklyn, Manhattan, Queens, Staten Island)과 Newark Airport(EWR)에 매핑됩니다.다음은 사용 중인 CSV 파일의 일부를 테이블 형식으로 나타낸 것입니다. 파일의
LocationID 컬럼은 trips 테이블의 pickup_nyct2010_gid 및 dropoff_nyct2010_gid 컬럼에 매핑됩니다:- 다음 SQL 명령을 실행합니다. 이 명령은
taxi_zone_dictionary라는 딕셔너리를 생성하고 S3의 CSV 파일에서 데이터를 가져와 딕셔너리를 채웁니다. 파일 URL은https://datasets-documentation.s3.eu-west-3.amazonaws.com/nyc-taxi/taxi_zone_lookup.csv입니다.
LIFETIME을 0으로 설정하면 S3 버킷에 불필요한 트래픽이 발생하지 않도록 자동 업데이트가 비활성화됩니다. 그 밖의 경우에는 다르게 구성할 수 있습니다. 자세한 내용은 LIFETIME을 사용하여 딕셔너리 데이터 갱신을 참조하십시오.-
제대로 작동하는지 확인합니다. 다음 쿼리는 265개의 행, 즉 각 neighborhood마다 1개의 행을 반환해야 합니다:
-
딕셔너리에서 값을 조회하려면
dictGet함수(또는 그 변형)를 사용합니다. 딕셔너리 이름, 조회할 값, 키를 전달합니다(이 예시에서 키는taxi_zone_dictionary의LocationID컬럼입니다). 예를 들어, 다음 쿼리는 JFK 공항에 해당하는LocationID가 132인Borough를 반환합니다.JFK는 Queens에 있습니다. 값을 조회하는 데 걸리는 시간이 사실상 0인 점에 유의하십시오. -
dictHas함수를 사용하여 딕셔너리에 키가 있는지 확인합니다. 예를 들어, 다음 쿼리는1을 반환합니다(ClickHouse에서 “true”를 의미합니다): -
다음 쿼리는 4567이 딕셔너리에 있는
LocationID값이 아니므로 0을 반환합니다: -
dictGet함수를 사용하여 쿼리에서 자치구 이름을 가져옵니다. 예시:이 쿼리는 LaGuardia 또는 JFK 공항에 도착한 택시 운행 건수를 자치구별로 합산합니다. 결과는 다음과 같으며, 승차 지역을 알 수 없는 운행도 상당히 많다는 점에 유의하십시오:
5
JOIN 수행
taxi_zone_dictionary를 trips 테이블과 조인하는 몇 가지 쿼리를 작성합니다.-
앞서 살펴본 공항 쿼리와 비슷하게 동작하는 간단한
JOIN부터 시작합니다.결과는dictGet쿼리와 동일하게 보입니다.
위
JOIN 쿼리의 출력은 dictGetOrDefault를 사용한 앞선 쿼리와 동일합니다(Unknown 값은 제외됨). 내부적으로 ClickHouse는 taxi_zone_dictionary 딕셔너리에 대해 실제로 dictGet 함수를 호출하지만, JOIN 구문은 SQL 개발자에게 더 익숙합니다.- 이 쿼리는 팁 금액이 가장 높은 1000개 운행에 대한 행을 반환한 다음, 각 행을 딕셔너리와 내부 조인합니다.
일반적으로 ClickHouse에서는
SELECT * 사용을 피합니다. 실제로 필요한 컬럼만 조회해야 합니다.다음 단계
- ClickHouse의 프라이머리 인덱스 소개: ClickHouse가 쿼리 중 관련 데이터를 효율적으로 찾기 위해 희소 프라이머리 인덱스를 사용하는 방법을 알아보십시오.
- 외부 데이터 소스 통합: 파일, Kafka, PostgreSQL, 데이터 파이프라인 등을 비롯한 데이터 소스 통합 옵션을 살펴보십시오.
- ClickHouse에서 데이터 시각화: 선호하는 UI/BI 도구를 ClickHouse에 연결하십시오.
- SQL 참고: 데이터 변환, 처리 및 분석에 사용할 수 있는 ClickHouse SQL 함수를 살펴보십시오.