Principais recursos
- Mecanismo SQL OLAP em processo - com tecnologia ClickHouse, não é necessário instalar o servidor ClickHouse
- Diversos formatos de dados - suporte de entrada e saída para Parquet, CSV, JSON, Arrow, ORC e mais de 70 formatos
- Cópia de dados reduzida ao mínimo - De C++ para Python com python memoryview
- Integração robusta com o ecossistema Python - Suporte nativo a Pandas, Arrow, DB API 2.0; integra-se perfeitamente aos fluxos de trabalho de ciência de dados existentes
- Zero dependências - Não é necessário instalar bancos de dados externos
- DataStore API - API compatível com Pandas, com otimização SQL e suporte a 630+ métodos
DataStore: API compatível com pandas
Migração com uma linha
Destaques de desempenho
Testes com 10M de linhas
Funcionalidades do DataStore
- Mais de 630 métodos de API - 209 métodos do DataFrame do pandas, mais de 185 métodos de accessor
- Avaliação preguiçosa - As operações são compiladas em SQL otimizado
- Pushdown de SQL - Filtros e agregações são executados na fonte de dados
- Fontes de dados universais - Leitura de arquivos, S3, bancos de dados e lagos de dados
Quais linguagens são suportadas pelo chDB?
Como começar?
- Se você estiver usando Go, Rust, NodeJS, Bun ou C e C++, consulte a página da linguagem correspondente.
- Se você estiver usando Python, consulte o guia de primeiros passos para desenvolvedores ou o curso sob demanda do chDB.
Para usuários do pandas
- Guia de início rápido do DataStore - Instalação e migração com uma linha
- Migração a partir do pandas - Guia de migração passo a passo
- Livro de receitas do pandas - Padrões comuns
- Principais diferenças - Diferenças importantes em relação ao pandas
- Guia de desempenho - Dicas de otimização
Referência da API do DataStore
- Métodos de fábrica - Criação a partir de arquivos, bancos de dados e armazenamento em nuvem
- Construção de consultas - Operações no estilo SQL
- Compatibilidade com Pandas - 209 métodos compatíveis
- Acessores - .str, .dt, .arr, .json, .url, .ip, .geo
- Configuração - engine, logging, profiling
- Depuração - explain(), profiling, logging
Guias da API SQL
- Referência da API em Python - Documentação completa da API SQL
- JupySQL
- Consultando Pandas
- Consultando Apache Arrow
- Consultando dados no S3
- Consultando arquivos Parquet
- Consultando um ClickHouse remoto
- Usando banco de dados clickhouse-local
Um vídeo introdutório
Benchmarks de desempenho
- ClickBench de motores embutidos - Comparação de desempenho de API SQL
- DataFrame Benchmark - Comparação de motores DataFrame
- DataStore vs Pandas - Até 20x mais rápido que pandas em operações comuns
Sobre chDB
- Leia a história completa sobre o surgimento do projeto chDB no blog
- Leia sobre o chDB e seus casos de uso no blog
- Faça o curso on-demand de chDB
- Conheça o chDB no seu navegador usando exemplos do codapi
- Veja mais exemplos em (https://github.com/chdb-io/chdb/tree/main/examples)